Tesis Doctoral Sistemas de clasificación de preguntas basados - gplsi

Índice de tablas
4.1. Número de preguntas para cada una de las clases de la taxonomía de
Sekine en el corpus TREC. . . . . . . . . . . . . . . . . . . . . . . 85
4.2. Número de preguntas por cada una de las clases en el corpus QALL-ME. 87
4.3. Precisión obtenida por cada una de las características sobre el corpus
TREC. Los mejores valores de precisión para cada idioma se muestran
en negrita. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
4.4. Tamaño del vector de aprendizaje para cada una de las características
sobre el corpus TREC. . . . . . . . . . . . . . . . . . . . . . . . . 96
4.5. Comparación entre características sobre el corpus TREC. . . . . . . . 97
4.6. Precisión obtenida por cada una de las características sobre el corpus
QALL-ME. Los mejores valores de precisión para cada idioma se
muestran en negrita. . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.7. Tamaño del vector de aprendizaje para cada una de las características
sobre el corpus QALL-ME. . . . . . . . . . . . . . . . . . . . . . . 99
4.8. Comparación entre características sobre el corpus QALL-ME. . . . . . 100
4.9. Número de características y porcentaje de reducción sobre el espacio
original tras la eliminación de los hapax legomena. . . . . . . . . . . . 105
4.10. Precisión obtenida por cada una de las características con la eliminación
de hapax legomena. . . . . . . . . . . . . . . . . . . . . . . . . . 105
4.11. Comparación estadística de la precisión entre el experimento original y
el experimento de eliminación de hapax legomena. . . . . . . . . . . . 106
5.1. Resultados de los distintos kernels individuales y compuestos en inglés.
Los mejores valores de precisión para la clasificación gruesa y fina se
muestran en negrita. . . . . . . . . . . . . . . . . . . . . . . . . . 129
5.2. Resultados de los distintos kernels individuales y compuestos en español.
Los mejores valores de precisión para la clasificación gruesa y fina se
muestran en negrita. . . . . . . . . . . . . . . . . . . . . . . . . . 130
6.1. Pesos W 1 obtenidos en el Paso 1 para diferentes términos en las 14 clases
definidas en el problema. . . . . . . . . . . . . . . . . . . . . . . . 144
6.2. Diez términos con mayor relevancia en inglés para las clases asesino, dios
e inventor. Al lado de cada n-grama aparece el peso final asignado por
el algoritmo DC2. . . . . . . . . . . . . . . . . . . . . . . . . . . 147
6.3. Proceso de clasificación de la pregunta “What actress starred in the lion
in winter?” en las 14 clases posibles. Sólo los unigramas se muestran en
este ejemplo. El mayor valor para cada términos aparece en negrita. El
peso final para una clase dada ci se obtiene sumando los valores en la
fila correspondiente. . . . . . . . . . . . . . . . . . . . . . . . . . 149
6.4. Número de preguntas para cada una de las clases del conjunto de
evaluación en inglés. . . . . . . . . . . . . . . . . . . . . . . . . . 150
IX