Contribuciones a la comprensión lectora: mecanismos de atención y alineamiento entre n-gramas para similitud e inferencia interpretable
ISSN: 1135-5948
Año de publicación: 2019
Número: 62
Páginas: 99-102
Tipo: Artículo
Otras publicaciones en: Procesamiento del lenguaje natural
Resumen
Tesis doctoral titulada “Hizkuntza-ulermenari Ekarpenak: N-gramen arteko Atentzio eta Lerrokatzeak Antzekotasun eta Inferentzia Interpretagarrirako / Contribuciones a la Comprensión Lectora: Mecanismos de Atención y Alineamiento entre N-gramas para Similitud e Inferencia Interpretable”, defendida por Iñigo Lopez-Gazpio en la Universidad del País Vasco (UPV/EHU) y elaborada bajo la dirección de los doctores Eneko Agirre (Departamento de Lenguajes y Sistemas Informáticos) y Montse Maritxalar (Departamento de Lenguajes y Sistemas Informáticos). La defensa tuvo lugar el 30 de octubre de 2018 ante el tribunal formado por los doctores Kepa Sarasola (Presidente, Universidad del País Vasco (UPV/EHU)), Gorka Azkune (Secretario, Universidad de Deusto) y David Martínez (Vocal, IBM). La tesis obtuvo la calificación de sobresaliente Cum Laude y mención internacional.
Información de financiación
Esta tesis doctoral se ha realizado en el gru-po Ixa de la Universidad del Páıs Vasco (UPV/EHU) y presenta contribuciones rela-cionadas con la comprensión lectora de siste-mas inteligentes por medio de las cuales es-tos sistemas incrementan su capacidad para entender el texto en entornos educacionales. Principalmente trata la línea de investigación de la composicionalidad de textos en vectores distribucionales, y la línea de investigación de la identificación e interpretación de similitudes y diferencias entre textos.Financiadores
-
- UPV/EHU
-
- UPV/EHU
Referencias bibliográficas
- Agirre, E., I. Aldabe, O. L. de Lacalle, I. Lopez-Gazpio, y M. Maritxalar. 2015a. Erantzunen kalifikazio automatikorako lehen urratsak. EKAIA Euskal Herriko Unibertsitateko Zientzia eta Teknologia Aldizkaria, (29).
- Agirre, E., C. Banea, C. Cardie, D. Cer, M. Diab, A. Gonzalez-Agirre, W. Guo, I. Lopez-Gazpio, M. Maritxalar, R. Mihalcea, G. Rigau, L. Uria, y J. Wiebe. 2015b. SemEval-2015 Task 2: Semantic Textual Similarity, English, Spanish and Pilot on Interpretability. En Proceedings of the 9th International Workshop on Semantic Evaluation (SemEval 2015), Denver, CO, June. Association for Computational Linguistics.
- Agirre, E., A. Gonzalez-Agirre, I. Lopez-Gazpio, M. Maritxalar, G. Rigau, y L. Uria. 2015c. Ubc: Cubes for english semantic textual similarity and supervised approaches for interpretable sts. En Proceedings of the 9th International Workshop on Semantic Evaluation (SemEval 2015), páginas 178-183, Denver, Colorado, June. Association for Computational Linguistics.
- Agirre, E., A. Gonzalez-Agirre, I. Lopez-Gazpio, M. Maritxalar, G. Rigau, y L. Uria. 2016. Semeval-2016 task 2: Interpretable semantic textual similarity. En Proceedings of the 10th International Workshop on Semantic Evaluation (SemEval-2016), páginas 512-524, San Diego, California, June. Association for Computational Linguistics.
- Artetxe, M., G. Labaka, I. Lopez-Gazpio, y E. Agirre. 2018. Uncovering divergent linguistic information in word embeddings with lessons for intrinsic and extrinsic evaluation. En Proceedings of the 22nd Conference on Computational Natural Language Learning, páginas 282-291.
- Cer, D., M. Diab, E. Agirre, I. Lopez-Gazpio, y L. Specia. 2017. Semeval-2017 task 1: Semantic textual similarity multilingual and crosslingual focused evaluation. En Proceedings of the 11th International Workshop on Semantic Evaluation (SemEval-2017), páginas 1-14. Association for Computational Linguistics.
- Lopez-Gazpio, I., E. Agirre, y M. Maritxalar. 2016. iubc at semeval-2016 task 2: Rnns and lstms for interpretable sts. En Proceedings of the 10th International Workshop on Semantic Evaluation (SemEval-2016), páginas 771-776, San Diego, California, June. Association for Computational Linguistics.
- Lopez-Gazpio, I., M. Maritxalar, A. Gonzalez-Agirre, G. Rigau, L. Uria, y E. Agirre. 2017. Interpretable semantic textual similarity: Finding and explaining differences between sentences. Knowledge-Based Systems, 119:186-199.