Tesis Doctoral Sistemas de clasificación de preguntas basados - gplsi

More documents

Recommendations

Info

Capítulo 1. Introducción lenguaje formal 4 que sea capaz de entender el ordenador. Las consultas que se realizan a los sistemas de BR son preguntas sintáctica y semánticamente correctas, cuyo significado se entiende como la petición de una necesidad de información. Las consultas adquieren así un significado propio y muchas veces único en un contexto determinado, expresando de forma más rica nuestra necesidad de información y ofreciendo una menor ambigüedad. Establecer un modelo de comunicación natural con el sistema, exige un esfuerzo extra a los desarrolladores, que deben de lidiar con los problemas inherentes al lenguaje natural, como la ambigüedad y la variación lingüística. Hay muchas formas de preguntar por una misma información. A veces las variaciones son simples reordenaciones de palabras de la pregunta y en otros casos las variaciones pueden depender del contexto en el que se formula la pregunta o del conocimiento del que pregunta. En los sistemas de BR, un primer paso para poder devolver la respuesta solicitada por el usuario es analizar la pregunta y comprenderla, saber por qué se nos está preguntando: ¿por una persona?, ¿por una fecha?, ¿por una cifra?, ¿por algún tipo de objeto o evento? En el ejemplo anterior de la consulta formulada a Google, saber que se está preguntando por una persona, y no por ninguna otra entidad, permitiría al sistema descartar algunos de los resultados incorrectamente devueltos. La clasificación de preguntas (CP) o question classification se ha desmarcado como una tarea en sí misma dentro del mundo del procesamiento del lenguaje natural y de la BR. Su objetivo es identificar de forma automática qué se nos está preguntando, categorizando las preguntas en diferentes clases semánticas en función del tipo de respuesta esperada. Así, ante una pregunta como “¿Quién es el presidente de los Estados Unidos?”, un sistema de CP diría que nos están preguntando por una persona; ante una petición como “¿Dónde está la Torre Eiffel?” identificaría que se está preguntando por un lugar; finalmente, la pregunta “¿Cuándo nación Mozart?” esperaría como respuesta una fecha. En estos ejemplos, persona, lugar o fecha representan la clase semántica de la respuesta esperada. Conocerla nos permite acotar el conjunto de respuestas posibles: nadie quiere preguntar “¿Quién protagonizó Toro Salvaje?” y obtener por respuesta “25 de diciembre”. La CP se ha convertido en un área de fuerte interés en los últimos tiempos, primordialmente debido a su aplicación en los sistemas de BR. Nuestro trabajo de tesis se centra en este marco, en el de la CP aplicada a los sistemas de BR. Vamos a presentar una serie de aproximaciones al desarrollo de sistemas de CP flexibles. El concepto de flexibilidad se entiende aquí como la capacidad del sistema para adaptarse de forma sencilla a 4 Un lenguaje formal es un lenguaje artificial creado por el hombre y que esta formado por símbolos y formulas. Su objetivo fundamental es formalizar la programación de computadoras o representar simbólicamente el conocimiento. Los lenguajes de programación o el lenguaje de la lógica matemática son ejemplos de lenguajes formales. 4
1.1. Motivaciones diferentes idiomas y dominios. Para ello, basaremos nuestros desarrollos en técnicas de aprendizaje automático sobre corpus, que permitan a nuestros sistemas aprender a través de la experiencia. En lo que resta de capítulo, hablaremos de las motivaciones que impulsan esta tesis y de los objetivos planteados, así como de la metodología seguida y la estructura de este trabajo. 1.1. Motivaciones Los sistemas de BR se han convertido en objeto de amplio estudio en la última década, gracias en parte a los distintos foros internacionales en este campo: TREC 5 (Voorhees, 2001b), CLEF 6 (Vallin et al., 2006) y NTCIR 7 (Kando, 2005). Estos foros han marcado las pautas de desarrollo de la BR, estableciendo los retos a superar y el marco de evaluación y comparación de las diferentes aproximaciones entre sí. El interés en este campo no ha parado de crecer, abriéndose paso en la sociedad a través de numerosas proyectos e iniciativas, tanto públicas como privadas. Los sistemas de CP, como parte fundamental de la tarea de BR, resultan de vital importancia en las tecnologías actuales de recuperación de información. En los últimos años, la CP ha adquirido suficiente relevancia como para ser considerada una tarea independiente de los sistemas de BR y evaluable en sí misma. Trabajos como el de Li y Roth (2002) han permitido establecer un marco de trabajo en el que evaluar y comparar estos sistemas entre sí. Aunque aparentemente la tarea de clasificar preguntas resulte sencilla e intuitiva para un humano, hay diversos factores que afectan al funcionamiento de los sistemas de clasificación automáticos y a su robustez. La superación de las dificultades que enumeraremos en los siguientes párrafos, así como la ya comentada importancia adquirida por los sistemas de CP, han motivado el trabajo desarrollado en esta tesis. En los siguientes párrafos vamos a plantear las dificultades que deben afrontar los sistemas actuales de CP, cuya superación ha motivado este trabajo: Procesamiento del lenguaje natural. Los sistemas de CP trabajan con peticiones en lenguaje natural, por lo que deben afrontar los problemas derivados de la variación y la ambigüedad del lenguaje humano. La ambigüedad lingüística lleva a que algunas palabras tomen distinto significado dependiendo del contexto en el que tengan lugar. Un 5 Text REtrieval Conference: http://trec.nist.org. 6 Cross Language Evaluation Forum: http://clef-campaign.org. 7 NII-NACSIS Test Collection for IR Systems: http://research.nii.ac.jp/ntcir/. 5
Page 1: Tesis Doctoral Sistemas de clasific
Page 5 and 6: Índice general 1. Introducción 1
Page 7: Índice general 6.3.2. Resultados e
Page 10 and 11: Índice de figuras VIII 4.8. Precis
Page 12 and 13: Índice de tablas X 6.5. Resultados
Page 14 and 15: Capítulo 1. Introducción ¿Cómo
Page 18 and 19: Capítulo 1. Introducción ejemplo
Page 20 and 21: Capítulo 1. Introducción Para cum
Page 22 and 23: Capítulo 1. Introducción Evaluar
Page 24 and 25: Capítulo 1. Introducción 12 En el
Page 26 and 27: Capítulo 2. La clasificación de p
Page 53 and 54: 3 Los sistemas de clasificación de
Page 55 and 56: Según las características de apre
Page 57 and 58: 3.1. Taxonomías Animal Game Person
Page 59 and 60: 3.1. Taxonomías algunas clases muy
Page 61 and 62: 3.1. Taxonomías Causal Antecedent
Page 63 and 64: 3.2. Corpus Pese a que se han defin
Page 65 and 66: 3.2. Corpus de responder. Las pregu
Page 67 and 68:
zip. 3.2. Corpus Multieight-04. Est
Page 69 and 70:
3.3. Características de aprendizaj
Page 71 and 72:
3.3.2. Características léxicas 3.
Page 73 and 74:
3.3.4. Características semánticas
Page 75 and 76:
3.3. Características de aprendizaj
Page 77 and 78:
3.4. Algoritmos de aprendizaje de d
Page 79 and 80:
3.4. Algoritmos de aprendizaje que
Page 81 and 82:
3.4. Algoritmos de aprendizaje mode
Page 83 and 84:
3.4. Algoritmos de aprendizaje de c
Page 85 and 86:
3.4.6. k-nearest neighbors 3.4. Alg
Page 87 and 88:
3.4. Algoritmos de aprendizaje a ot
Page 89 and 90:
3.6. Conclusiones componente de ext
Page 91:
3.6. Conclusiones encontrar en todo
Page 94 and 95:
Capítulo 4. CP supervisada basada
Page 96 and 97:
Page 98 and 99:
Page 100 and 101:
Page 102 and 103:
Page 104 and 105:
Page 106 and 107:
Page 108 and 109:
Page 110 and 111:
Page 112 and 113:
Page 114 and 115:
Page 116 and 117:
Page 118 and 119:
Page 120 and 121:
Page 122 and 123:
Page 124 and 125:
Page 126 and 127:
Page 128 and 129:
Capítulo 5. CP semisupervisada exp
Page 130 and 131:
Page 132 and 133:
Page 134 and 135:
Page 136 and 137:
Page 138 and 139:
Page 140 and 141:
Page 142 and 143:
Page 144 and 145:
Page 146 and 147:
Page 149 and 150:
6 Clasificación de preguntas míni
Page 151 and 152:
6.1.2. Divergencia de Jensen-Shanno
Page 153 and 154:
6.2. Descripción del sistema wiki
Page 155 and 156:
X1movie,actor = X1martin,actor = 6.
Page 157 and 158:
Paso 2 6.2. Descripción del sistem
Page 159 and 160:
6.2. Descripción del sistema asesi
Page 161 and 162:
Clase what actress starred in the l
Page 163 and 164:
6.3. Experimentos y evaluación cue
Page 165 and 166:
Experimento Inglés Español DC2 1-
Page 167 and 168:
Precisión Precisión 95 90 85 80 7
Page 169:
6.5. Conclusiones 6.5. Conclusiones
Page 172 and 173:
Capítulo 7. Conclusiones y trabajo
Page 174 and 175:
Page 176 and 177:
Page 178 and 179:
Page 180 and 181:
Page 183:
Glosario de acrónimos BOW Bolsa de
Page 186 and 187:
Apéndice A. Corpus de preguntas DC
Page 188 and 189:
Apéndice A. Corpus de preguntas DC
Page 191:
B Conjunto de semillas DC2 actor To
Page 194 and 195:
Bibliografía Beitzel, S. M., Jense
Page 196 and 197:
Bibliografía Church, K. W. y Gale,
Page 198 and 199:
Bibliografía Dietterich, T. G. (19
Page 200 and 201:
Bibliografía Association for Compu
Page 202 and 203:
Bibliografía the Association for C
Page 204 and 205:
Bibliografía Li, X. y Roth, D. (20
Page 206 and 207:
Bibliografía Moschitti, A. y Harab
Page 208 and 209:
Bibliografía Pinchak, C. y Lin, D.
Page 210 and 211:
Bibliografía Roget, P. (1987). Rog
Page 212 and 213:
Bibliografía Suzuki, J., Taira, H.
Page 214 and 215:
Bibliografía Repositories, volume
Page 216:
Bibliografía Zhang, D. y Lee, W. S
show all

Tesis Doctoral Sistemas de clasificación de preguntas basados - gplsi

Create successful ePaper yourself

Delete template?

Save as template?