´Indice general

4
CAPÍTULO 1. EXTRACCIÓN DE INFORMACIÓN
tipo compa~nía
giro computadoras
localizada_en entidad 13
Estados Unidos
id entidad-13
tipo lugar
subtipo país
1.1.4. Construcción de Plantilla de Escenario (Scenario Template
construction)
La plantilla de escenario es el resultado típico de un sistema de extracción
de información. Esta tarea se encarga de relacionar las plantillas de
elementos con los eventos de interés, por ejemplo, se puede relacionar a dos
organizaciones A y B por medio del evento “creación de empresa conjunta
(joint venture)”.
creación de empresa conjunta
id evento-2
giro servidores
compa~nías entidad-2 entidad-4
1.2. Arquitectura de un Sistema de Extracción de
Información
Según Appelt and Israel (1999), los dos enfoques básicos para la construcción
de sistemas de extracción de información son el enfoque de ingeniería
del conocimiento y el de métodos empíricos (sistemas entrenados automáticamente):
- En el enfoque de ingeniería del conocimiento es necesario el uso de
expertos para analizar un corpus y construir gramáticas a partir de
él. El corpus consiste en un conjunto de textos representativos de los
que se desea extraer información. Las gramáticas son extraídas de ese
corpus descubriendo en él patrones estructurales.
- En los sistemas entrenados automáticamente se utilizan, en cambio,
métodos estadísticos y algoritmos que puedan generar reglas a partir de
un corpus anotado manualmente y “legible”para un sistema de PLN.