Tesis Doctoral Sistemas de clasificación de preguntas basados - gplsi

1.3. Metodología
Definir claramente la tarea de CP como una tarea en sí misma,
evaluable con independencia de los sistemas de BR.
Establecer el estado de la cuestión de una disciplina que ha evolucionado
notablemente en los últimos años.
Enumerar otras aplicaciones, más allá de la BR, donde los sistemas de
CP resultan de utilidad.
Desarrollar corpus de preguntas para el entrenamiento y evaluación de
sistemas basados en aprendizaje automático. Estos corpus abarcaran
diferentes idiomas y dominios para poder evaluar la capacidad de
adaptación de los sistemas aquí planteados.
Que este trabajo sirva como iniciación y acercamiento a la tarea general
de clasificación mediante aprendizaje automático, exponiendo los problemas,
algoritmos, metodologías y evaluaciones usadas habitualmente
en este campo.
1.3. Metodología
Vamos a describir a continuación la metodología seguida para la consecución
de los objetivos marcados en el punto anterior. Hemos estructurado
nuestro trabajo en tres aproximaciones diferentes, de forma que nos permita
abarcar la totalidad de los objetivos planteados en el punto anterior.
Primera aproximación: CP supervisada basada en n-gramas. En
este primera aproximación desarrollamos un sistema de CP que aprende
de forma automática a partir de información obtenida estrictamente de
un corpus de entrenamiento. Ningún otro tipo de herramienta o recurso
lingüístico es requerido, dando como resultado un sistema flexible. Este
estudio nos va a permitir establecer un sistema de referencia para aquellas
situaciones en que únicamente se dispone de un corpus para el aprendizaje.
Llevar a cabo esta aproximación implica la realización de diversas tareas:
Determinar cuál es el algoritmo más apropiado para la tarea de CP.
Analizar diferentes características de aprendizaje a nivel de palabra
obtenidas exclusivamente de los datos de entrenamiento.
Desarrollar corpus de entrenamiento y evaluación en diferentes idiomas
para la tarea de clasificación multilingüe.
Desarrollar corpus de entrenamiento y evaluación en diferentes dominios
para la tarea de clasificación en dominios abiertos y restringidos.
9