Representación del conocimiento textual mediante técnicas lógico ...

More documents

Recommendations

Info

136 5. Evaluación del recurso lógico-conceptual para la representación formal del texto CIDO así como excluidos de la evaluación. La colección se ha construido del siguiente modo: los textos se corresponden con cada una de las respuestas devueltas por los sistemas de Búsqueda de Respuestas para cada una de las preguntas, mientras que las hipótesis se obtienen a partir de las preguntas expresadas de modo afirmativo junto con su respuesta correcta. Debido a que se trata de un problema de reconocimiento del Textual Entailment, el experimento realizado para resolver el problema planteado por la tarea AVE (Ferrández et al. , 2007) es exactamente el mismo que el realizado para la tarea PASCAL RTE detallado en la sección anterior del capítulo con la salvedad de las particularidades incluidas en las medidas de evaluación de la tarea AVE frente a las de la tarea PASCAL RTE. 5.4.4 Resultados La tabla 5.9 muestra los resultados obtenidos de la participación en la tarea AVE del CLEF 2006. Grupo Sistema Medida F Precisión Cobertura LCC COGEX 0.4559 0.3261 0.7576 Roma ZNZ - TV 2 0.4106 0.2838 0.7424 ITC-irst itc-irst 0.3919 0.3090 0.5354 Roma ZNZ - TV 1 0.3780 0.2707 0.6263 Alicante MLEnt 2 0.3720 0.2487 0.7374 Alicante Lin 0.3177 0.2040 0.7172 Alicante MLEnt 1 0.3174 0.2114 0.6364 Alicante Rel. WN 0.3070 0.2144 0.5404 Twente utwente.ta 0.3022 0.3313 0.2778 Twente utwente.lcs 0.2759 0.2692 0.2828 Valencia ebisbal 0.075 0.2143 0.0455 Tabla 5.9. Resultados de la evaluación en la tarea Answer Validation Exercise A pesar de que se utilizan las medidas de evaluación precisión, cobertura y medida F, es ésta última la que combina los resultados obtenidos por las dos anteriores y, en consecuencia, es la más adecuada para sacar las conclusiones pertinentes a la validez de los sistemas desde el punto de vista de la eficacia. La media de la medida F de todos los sistemas es de 32,76 puntos porcentuales. Comparando este valor con los resultados obtenidos por el sistema desarrollado (31,77 % para la ejecución basada en la medida Lin y 30,70 % para la ejecución basada en la exploración de las relaciones de WordNet) cabe concluir que el sistema desarrollado
5.4 Participación en la tarea Answer Validation Exercise del CLEF 2006 137 tomando como núcleo principal el tratamiento lógico-conceptual que proporciona el recurso de representación formal del texto está en la media del resto de sistemas de vinculación textual participantes en la tarea. 5.4.5 Análisis y discusión El cometido principal de la participación en la tarea Answer Validation Exercise del CLEF 2006, al igual que en la participación en la tarea Recognising Textual Entailment viene determinado por el tratamiento lógico-conceptual de la información manejada en los pares texto-hipótesis para decidir si el texto vincula la hipótesis o no. El tratamiento lógico de la información se centra en el manejo de los predicados de las formas lógicas asociadas tanto al texto como a la hipótesis. Desde el punto de vista del tratamiento conceptual de la información se trata de establecer el grado de relación que pueda existir entre determinados predicados de ambas formas lógicas. Estas relaciones vienen determinadas a partir exploración de conceptos mediante la jerarquía definida en el recurso léxico WordNet. Al igual que ocurría en la participación en la tarea PASCAL RTE, analizando los resultados de eficacia obtenidos de la participación en la tarea AVE del CLEF 2006, se puede concluir que el procedimiento empleado para resolver el problema del Textual Entailment obtiene unos resultados obtiene unos resultados en la media de los obtenidos por el resto de sistemas participantes en esta competición. Por ello, analizando y comparando los resultados obtenidos según las medidas de evaluación utilizadas en la tarea PASCAL RTE como los resultados obtenidos según las medidas de evaluación utilizadas en la tarea AVE, se puede concluir que la aplicación del recurso lógico-conceptual como núcleo del sistema es un método válido en el tratamiento de la Vinculación Textual. Al igual que se detalla en la sección anterior del capítulo, una vez demostrada la validez del recurso en el problema de la vinculación textual y, debido a que la tarea de la vinculación textual resume las necesidades principales de inferencia semántica de otros sistemas del PLN como la Búsqueda de Respuestas, la Recuperación de Información, la Extracción de Información y la Generación Automática de Resúmenes, podemos concluir también que la aplicación del recurso en estas cuatro aplicaciones del PLN es perfectamente válida desde el punto de vista del matiz de completitud conceptual detallado al inicio del capítulo.
Page 1:
Representación del conocimiento te
Page 5:
Agradecimientos Esta Tesis no habr
Page 8 and 9:
VI Índice general 2.5.7. La repres
Page 11 and 12:
Índice de tablas 2.1. Ejemplo de r
Page 13:
Índice de tablas XI 6.18.Preguntas
Page 17 and 18:
1. Introducción El Procesamiento d
Page 19 and 20:
1.3 Exposición del problema 3 1.2
Page 21 and 22:
1.3 Exposición del problema 5 de c
Page 23 and 24:
1.3 Exposición del problema 7 La r
Page 25 and 26:
1.3 Exposición del problema 9 Para
Page 27 and 28:
del conocimiento son: 1.3 Exposici
Page 29 and 30:
1.4 Objetivos de la tesis 13 Como p
Page 31 and 32:
2. Estado del arte Es bastante com
Page 33 and 34:
2.1 Aplicaciones del PLN 17 textos
Page 35 and 36:
2.1 Aplicaciones del PLN 19 reglas
Page 37 and 38:
2.2 Representación textual sin con
Page 39 and 40:
2.3 Representación textual con con
Page 41 and 42:
Page 43 and 44:
Page 45 and 46:
Page 47 and 48:
2.5 La representación formal del t
Page 49 and 50:
Page 51 and 52:
Page 53 and 54:
Page 55 and 56:
Page 57 and 58:
2.6 Conclusiones 41 fo y a cada arc
Page 59 and 60:
3. La Forma Lógica El instrumento
Page 61 and 62:
3.1 El cálculo de predicados de pr
Page 63 and 64:
la evaluación de fórmulas. 3.1.1
Page 65 and 66:
3.1 El cálculo de predicados de pr
Page 67 and 68:
3.2 La forma lógica en el PLN 51 D
Page 69 and 70:
3.2 La forma lógica en el PLN 53 r
Page 71 and 72:
3.3 La forma lógica en aplicacione
Page 73 and 74:
3.3 La forma lógica en aplicacione
Page 75 and 76:
tringido de manuales del sistema op
Page 77 and 78:
3.4 La forma lógica extendida: ind
Page 79 and 80:
Page 81 and 82:
Page 83 and 84:
Page 85 and 86:
Page 87 and 88:
Page 89 and 90:
Page 91:
3.5 Conclusiones 75 El formato de l
Page 94 and 95:
78 4. La forma lógico-conceptual d
Page 96 and 97:
80 4. La forma lógico-conceptual p
Page 98 and 99:
82 4. La forma lógico-conceptual I
Page 100 and 101:
84 4. La forma lógico-conceptual S
Page 102 and 103: 86 4. La forma lógico-conceptual C
Page 104 and 105: 88 4. La forma lógico-conceptual U
Page 106 and 107: 90 4. La forma lógico-conceptual y
Page 108 and 109: 92 4. La forma lógico-conceptual d
Page 110 and 111: 94 4. La forma lógico-conceptual P
Page 112 and 113: 96 4. La forma lógico-conceptual d
Page 114 and 115: 98 4. La forma lógico-conceptual f
Page 116 and 117: 100 4. La forma lógico-conceptual
Page 125 and 126: 5. Evaluación del recurso lógico-
Page 127 and 128: 5.1 Análisis y determinación de l
Page 129 and 130: 5.2 Evaluación en la tarea Cross-L
Page 139 and 140: story:NN(x14) 5.2 Evaluación en la
Page 141 and 142: 5.3 Participación en la tarea Reco
Page 151: 5.4 Participación en la tarea Answ
Page 155 and 156: 5.5 Participación en la tarea Mult
Page 157 and 158: 5.5 Participación en la tarea Mult
Page 159 and 160: 5.6 Evaluación en la clasificació
Page 169 and 170: en el ámbito del restringido domin
Page 171 and 172: 5.7 Conclusiones 155 Más concretam
Page 173 and 174: 6. Conclusiones finales Durante los
Page 175 and 176: PLN durante la última década. 6.1
Page 177 and 178: Incorporación de roles semánticos
Page 179 and 180: 6.3 Producción científica 163 ter
Page 181 and 182: 6.3 Producción científica 165 Mag
Page 183 and 184: Anexo A. Reglas simples de derivaci
Page 185: Nodo hoja: on Predicado inferido:
Page 188 and 189: 172 ción de existencia de algún t
Page 190 and 191: 174 último, el ejemplo 66 muestra
Page 192 and 193: 176 Reglas de derivación de predic
Page 194 and 195: 178 Reglas de derivación de predic
Page 196 and 197: 180 british:JJ(x4) prime:NN(x5) pri
Page 198 and 199: 182 Preguntas de entrenamiento Prim
Page 200 and 201: 184 Tercer tipo genérico La tabla
Page 202 and 203:
186 Quinto tipo genérico La tabla
Page 204 and 205:
188 Séptimo tipo genérico La tabl
Page 206 and 207:
190 Noveno tipo genérico La tabla
Page 208 and 209:
192 Preguntas de evaluación Primer
Page 210 and 211:
194 Tercer tipo genérico La tabla
Page 212 and 213:
196 Quinto tipo genérico La tabla
Page 214 and 215:
198 Séptimo tipo genérico La tabl
Page 216 and 217:
200 Noveno tipo genérico La tabla
Page 219 and 220:
Referencias Amini, M.-R., Zaragoza,
Page 221 and 222:
Referencias 205 Croft, W.B., Turtle
Page 223 and 224:
Referencias 207 Garrido, M. 2003. L
Page 225 and 226:
Referencias 209 statistics. In: Pro
Page 227 and 228:
Referencias 211 Partee, B. H., ter
Page 229 and 230:
Referencias 213 ge Resources and In
show all

Representación del conocimiento textual mediante técnicas lógico ...

Create successful ePaper yourself

Delete template?

Save as template?