A neural network approach in tasks of natural language processing

• Autores: Analia Alegre Martha
• Directores de la Tesis: Josep Maria Sopena Sisquella (dir. tes.)
• Lectura: En la Universitat Politècnica de Catalunya (UPC) ( España ) en 2004
• Idioma: español
• Tribunal Calificador de la Tesis: Toni Badia Cardús (presid.), René Alquézar Mancho (secret.), Daniel Gildea (voc.), José Manuel Igoa González (voc.), Lluís Márquez Villodre (voc.)
• Texto completo no disponible (Saber más ...)
• Resumen

  • Existe un acuerdo general en que la estructura sintáctica de una oración proporciona una importante información para su interpretación semántica y esta es uno de las principales motivos por los que se investiga en parsing.

    Se supone que la agrupación jerárquica que subyace a la estructura sintáctica permite representar de una manera adecuada relaciones gramaticales entre frases y palabras. Roles sintácticos tales como sujeto u objeto se obtienen de estas relaciones y una vez que dichas relaciones sintácticas están identificadas, las relaciones predicado-argumento pueden ser 'leídas' directamente del árbol sintáctico. Revisando la literatura sobre analizadores de amplia cobertura, es fácil darse cuenta que los árboles, los grafos y otros objetos similares (característicos de los métodos de aprendizaje simbólico) no se pueden representar fácilmente mediante vectores de rasgos. Por esta razón, para poder utilizar métodos que operan con vectores (redes neuroanles, suport vector machines o determinados métodos estadísticos) para procesar lenguaje natural se necesitan complejos mecanismos para traducir la información contenida en estas clases de objetos (árboles, grafos) a vectores de rasgos.

    En esta tesis consideramos que para los métodos numéricos o estadísticos y especialmente para métodos que usan operaciones con vectores, como es el caso de redes neuronales o las support vector machines, el uso de árboles para representar información (estructuras sintagmáticas clásicas) es un obstáculo más que una solución para obtener sistemas eficientes y composicionales.

    Para obtener sistemas eficientes y composicionales, nos hemos centrado en los problemas de invariancia (en el sentido dado a esta palabra en los modelos de reconocimiento de objetos en visión artificial) mas que en encontrar una solución a como poder representar mediante vectores estructuras sintagmáticas.

    El sistema que proponemos está compue