Representación del conocimiento textual mediante técnicas lógico ...

More documents

Recommendations

Info

32 2. Estado del arte Enfoques sin cont. lingüístico Enfoques con cont. lingüístico Representar el lenguaje a partir de la Representar la estructura lógica del Idea matemática y la estadística. lenguaje (conocimiento del lenguaje). Aplicación de cálculos matemáticos Aplicación de reglas y heurísticas Consiste y estadísticos sobre las derivaciones basadas en PLN para derivar las de las palabras. estructuras del lenguaje. TF Análisis léxico Técnicas TF.IDF Análisis Morfológico WIDF Análisis sintáctico ... ... Híbrido LSA Básico (bag of words) Relaciones de dependencia Modelos N-gramas Fusión de pares de dependencias sintácticas Representación sintáctica Formas lógicas Representación semántica Ventajas Coste computacional moderado Enriquecimiento lingüístico. Uso escaso de recursos lingüísticos Mayor precisión. No aportan ningún tipo de Mayor coste computacional. Limitaciones conocimiento lingüístico. En algunos casos, sobreutilización de recursos lingüísticos. Tabla 2.9. Síntesis de los enfoques de representación textual representación formal del texto utilizados por los diferentes sistemas en la áreas de Búsqueda de Respuestas, Recuperación de Información, Traducción Automática, Categorización Automática de Textos, sistemas de Diálogo, Extracción de Información y Generación de Resúmenes. Para ello, se detallan mecanismos de representación formal del texto de los sistemas de PLN que han causado un impacto relevante en el seno de la investigación en cada una de estas áreas. 2.5.1 La representación formal del texto en los sistemas de Búsqueda de Respuestas En este apartado se detallan los modelos de representación formal del texto que utilizan los sistemas de Búsqueda de Respuestas desarrollados en los centros de investigación de Texas, Washington y Trento bajo la supervisión de los investigadores Dan I. Moldovan, Dina Demner- Fushman y Bernardo Magnini respectivamente. El sistema COGEX de Moldovan et al. (2007) utiliza un mecanismo de representación formal del texto basado en formas lógicas. A la forma lógica se le incorpora información semántica de dos maneras: (1) la
2.5 La representación formal del texto en los sistemas de PLN 33 Consiste Ventajas Limitaciones Representación del texto Moderado coste Ambigüedad. Modelo en base a complejos computacional. Uso No tiene en cuenta básico cálculos sobre derivaciones escaso de recursos la naturalidad de las palabras. lingüísticos del lenguaje. Representación del texto Considera la naturalidad No aporta ningún Modelo en base a una ventana del lenguaje (ej. orden tipo de conoci- N-gramas deslizante de caracteres de las palabras miento lingüístico de tamaño fijo o variable. en la frase.) del texto. Modelo Representación del texto Tiene en cuenta el Desambiguación. basado en base a cálculos significado asociado Sobreutilización de en estadísticos e información a las palabras fuentes de conoci- Ontología conceptual. del texto. miento lingüístico. Representación del texto Tiene en cuenta el Elevado coste Modelo en base a matrices estadís- significado asociado computacional. LSA ticas que relacionan textos, a las palabras Desambiguación. conceptos y documentos. del texto. Representación del texto Modelo en base a relaciones Granularidad. Elevado coste Dependencias de dependencia entre Precisión. computacional. pares de palabras. Modelo Representación del texto Elevada complejidad. Fusión en base a relaciones Granularidad. Alto coste Dependencias entre pares de Precisión. computacional. Sintácticas dependencias sintácticas. Representación del texto Granularidad. Ambigüedad. Modelo en base a relaciones Claridad. Elevado coste Sintáctico entre pares de Expresividad. computacional. dependencias sintácticas. Modelo Representación del texto Alta complejidad. Formas en base a secuencias Claridad. Elevado coste Lógicas de predicados lógicos No ambigüedad. computacional. relacionados. Modelo Representación del texto Semántica. Alta complejidad. Semántico en base a grafos Claridad. Elevado coste basado en semánticos dirigidos No ambigüedad. computacional. Grafos y acíclicos. Tabla 2.10. Síntesis de los modelos de representación textual clase semántica detectada por el reconocedor de entidades; y (2) las relaciones semánticas obtenidas a partir de un análisis semántico (Bixler et al. , 2005). Las relaciones semánticas son del tipo: es-un, parte-de, es-resultado-de, es-una-manera-de-hacer y es-resultado-de. A continuación se muestra el ejemplo 12 donde se representa la frase dada con su forma lógica asociada. (12) Frase: Bin Laden reportedly purchased anthrax a half decade ago from a supplier in North Korea.
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 47: 2.5 La representación formal del t
Page 51 and 52: 2.5 La representación formal del t
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 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 118 and 119:
Page 120 and 121:
Page 122 and 123:
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 131 and 132:
Page 133 and 134:
Page 135 and 136:
Page 137 and 138:
Page 139 and 140:
story:NN(x14) 5.2 Evaluación en la
Page 141 and 142:
5.3 Participación en la tarea Reco
Page 143 and 144:
Page 145 and 146:
Page 147 and 148:
Page 149 and 150:
Page 151 and 152:
5.4 Participación en la tarea Answ
Page 153 and 154:
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 161 and 162:
Page 163 and 164:
Page 165 and 166:
Page 167 and 168:
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?