CATÁLOGO DE LA BIBLIOTECA DE LA FaMAF
Normal view MARC view ISBD view

Estudio de métodos semisupervisados para la desambiguación de sentidos verbales del español / Cristian Cardellino.

By: Cardellino, Cristian Adrián, 1989-.
Contributor(s): Alonso i Alemany, Laura, 1977- [dir.].
Material type: materialTypeLabelBookPublisher: [S.l. : s.n. ], 2018Description: xvi, 186 p. : il. ; 30 cm.Subject(s): Computing methodologies-Semisupervised learning settings | Computing methodologies-Natural language processing | Computing methodologies-Artificial intelligence | Inteligencia artificial | Procesamiento de lenguaje natural | Desambiguación de sentidos | Desambiguación de verbos del español | Aprendizaje automático | Aprendizaje semisupervisado | Aprendizaje profundoOnline resources: Acceso a RDU-UNC Disponible en línea.Dissertation note: Tesis (Doctor en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2018. Summary: Esta tesis explora el uso de técnicas semisupervisadas para la desambigación de sentidos verbales del español. El objetivo es el estudio de como la información de datos no etiquetados, que son mayores en tamaño, puede ayudar a un clasificador entrenado desde un conjunto de datos etiquetados pequeño. La tesis comienza desde la tarea completamente supervisada de desambiguación de sentidos verbales y estudia las siguientes técnicas semisupervisadas comparando su impacto en la tarea original: uso de vectores de palabras (o word embeddings), autoaprendizaje, aprendizaje activo y redes neuronales en escalera.Summary: This thesis explores the use of semi-supervised learning techniques for Spanish verb sense disambiguation. The objective is to study how information from unlabeled sources, which are larger, can help a classifier trained from a small labeled resource. The thesis starts off from a purely supervised task of verb sense disambiguation and studies the following semi-supervised techniques, comparing their impact on the original task: use of word embeddings (or word vectors), self-learning, active learning and ladder neural networks.
Tags from this library: No tags from this library for this title. Log in to add tags.
Item type Current location Call number URL Copy number Status Notes Date due Barcode Item holds
Tesis de Doctorado Tesis de Doctorado FaMAF
Vitrina
T C CAR http://hdl.handle.net/11086/6601 1 Available Disponible también en línea 23300
Total holds: 0

Tesis (Doctor en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2018.

Bibliografía: p. 179-186.

Esta tesis explora el uso de técnicas semisupervisadas para la desambigación de sentidos verbales del español. El objetivo es el estudio de como la información de datos no etiquetados, que son mayores en tamaño, puede ayudar a un clasificador entrenado desde un conjunto de datos etiquetados pequeño. La tesis comienza desde la tarea completamente supervisada de desambiguación de sentidos verbales y estudia las siguientes técnicas semisupervisadas comparando su impacto en la tarea original: uso de vectores de palabras (o word embeddings), autoaprendizaje, aprendizaje activo y redes neuronales en escalera.

This thesis explores the use of semi-supervised learning techniques for Spanish verb sense disambiguation. The objective is to study how information from unlabeled sources, which are larger, can help a classifier trained from a small labeled resource. The thesis starts off from a purely supervised task of verb sense disambiguation and studies the following semi-supervised techniques, comparing their impact on the original task: use of word embeddings (or word vectors), self-learning, active learning and ladder neural networks.

Disponible en línea.

Click on an image to view it in the image viewer

Horario de la Biblioteca: lunes a viernes de 8:30 a 18:00hs

Av. Medina Allende s/n , Ciudad Universitaria, Córdoba, Argentina

Tel: +54 351 5353701 int. 41127(Atención al Público) int. 41151(Dirección)

biblio@famaf.unc.edu.ar



//