Domain-specific word sense disambiguation

  1. López de Lacalle Lecuona, Oier
Dirigée par:
  1. Eneko Agirre Bengoa Directeur/trice

Université de défendre: Universidad del País Vasco - Euskal Herriko Unibertsitatea

Fecha de defensa: 14 décembre 2009

Jury:
  1. Manuel Palomar Sanz President
  2. Olatz Arregi Uriarte Secrétaire
  3. Basilio Sierra Araujo Rapporteur
  4. Walter Dealemans Rapporteur
  5. Lluís Márquez Villodre Rapporteur
Département:
  1. Lenguajes y Sistemas Informáticos

Type: Thèses

Teseo: 285048 DIALNET

Résumé

Hitzaren adiera-desanbiguazioa, ataza bezala, hitz polisemikoak testuinguru baten hartzen duen adiera automatikoki zehaztea da, Adimen artifizial osorako bidean giltzarri den eginbeharra dugu. Hitzen adiera desanbiguazioa Hizkuntza Naturalaren Ulermenarako beharrezkoa den ataza bat da. Hizkuntza naturala lanabes duten hainbat aplikazioetan erabilgarria eta beharrezkoa dela defendatzen dute Hizkuntzaren Azterketa eta Prozesamendu barruan dauden ikertzaile askok. Erraz nabari daiteke Itzulpen Automatikoari, adibidez, ekar dakioken onurak zein izan daitezkeen (lexiko hautapena) ala Informazio Erauzketan eragin ditzakeen aurrerapenak (hitz baten erabilera esanguratsua den ala ez). Hala ere, hitzaren adiera automatikoki zehazteak zailtasun ugari dakar. Esanguratsuenen artean ikasketa automatiko gainbegiraturako datuen falta eta sakabanaketa eta domeinu aldaketak sortzen dituzten eranginkortasun galera aipa ditzakegu. Datuen sakabanaketa eta domeinu aldaketaren arazoak ardatz hartuta ikerketan murgildu gara. Tesi-lan honen helburua ikasketa automatiko hainbat metodo esku artean izanik datu-sakabaneta eta, batipat, domeinuaren arazoei aurre egiteko proposamen bat plazaratzea izan da. Horretarako ikasketarako ezaugarriak maneiatzen duten informazioa irudiketzeko modu berriak proposatu ditugu. Algebraren ikuspegitik Balio Singularretan Deskonposatzen duen teknikan oinarritu gara informazioa modu trinko baten maneiatzeko eta hitz-adierien eredu hobeak lortzeko. Lortutako ezaugarri berriak hainbat domeinutan erabili ditugu (domeinu orokorra, kiroletako domeinua eta finantzei buruzkoa), eta domeinura egokitzeko bi aukera nagusi definitu ditugu: Modu gainbegiratua (ikasketa prozesuan domeinu orokorreko eta konkretuko adibideak ditugu) eta erdi-gainbegiratua (ikasketarako domeinu orokorrekoak izanik, domeinu konkretuko adibide ez-etiketatuak ditugunean). Esperimentuak aurrera eramateko ezagunak diren ikasketa automatikoko algoritmoak erabili ditugu. Adibidez, k-NN edota SVM metodoak. Burututako esperimentuek ezaugarri hauen eraginkortasuna erakutsi digute domeinu berri baten aurrean gaudenean. Beste modu batera esanda sistema trinkoak eta egokigarriak sortzeko gai izan gara.