Estudio de métodos semisupervisados para la desambiguación de sentidos verbales del español

Autores
Cardellino, Cristian Adrián
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
tesis doctoral
Estado
versión publicada
Colaborador/a o director/a de tesis
Alonso i Alemany, Laura
Descripción
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.
Materia
Computing methodologies-Semisupervised learning settings
Computing methodologies-Natural language processing
Computing methodologies-Artificial intelligence
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Repositorio
Repositorio Digital Universitario (UNC)
Institución
Universidad Nacional de Córdoba
OAI Identificador
oai:rdu.unc.edu.ar:11086/6601

id RDUUNC_211768a9b520214dee5104cfbad3e1d9
oai_identifier_str oai:rdu.unc.edu.ar:11086/6601
network_acronym_str RDUUNC
repository_id_str 2572
network_name_str Repositorio Digital Universitario (UNC)
spelling Estudio de métodos semisupervisados para la desambiguación de sentidos verbales del españolCardellino, Cristian AdriánComputing methodologies-Semisupervised learning settingsComputing methodologies-Natural language processingComputing methodologies-Artificial intelligenceEsta 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.Alonso i Alemany, Laura2018info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralapplication/pdfhttp://hdl.handle.net/11086/6601spainfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-09-04T12:34:49Zoai:rdu.unc.edu.ar:11086/6601Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-09-04 12:34:50.206Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse
dc.title.none.fl_str_mv Estudio de métodos semisupervisados para la desambiguación de sentidos verbales del español
title Estudio de métodos semisupervisados para la desambiguación de sentidos verbales del español
spellingShingle Estudio de métodos semisupervisados para la desambiguación de sentidos verbales del español
Cardellino, Cristian Adrián
Computing methodologies-Semisupervised learning settings
Computing methodologies-Natural language processing
Computing methodologies-Artificial intelligence
title_short Estudio de métodos semisupervisados para la desambiguación de sentidos verbales del español
title_full Estudio de métodos semisupervisados para la desambiguación de sentidos verbales del español
title_fullStr Estudio de métodos semisupervisados para la desambiguación de sentidos verbales del español
title_full_unstemmed Estudio de métodos semisupervisados para la desambiguación de sentidos verbales del español
title_sort Estudio de métodos semisupervisados para la desambiguación de sentidos verbales del español
dc.creator.none.fl_str_mv Cardellino, Cristian Adrián
author Cardellino, Cristian Adrián
author_facet Cardellino, Cristian Adrián
author_role author
dc.contributor.none.fl_str_mv Alonso i Alemany, Laura
dc.subject.none.fl_str_mv Computing methodologies-Semisupervised learning settings
Computing methodologies-Natural language processing
Computing methodologies-Artificial intelligence
topic Computing methodologies-Semisupervised learning settings
Computing methodologies-Natural language processing
Computing methodologies-Artificial intelligence
dc.description.none.fl_txt_mv 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.
description 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.
publishDate 2018
dc.date.none.fl_str_mv 2018
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_db06
info:ar-repo/semantics/tesisDoctoral
format doctoralThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11086/6601
url http://hdl.handle.net/11086/6601
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Digital Universitario (UNC)
instname:Universidad Nacional de Córdoba
instacron:UNC
reponame_str Repositorio Digital Universitario (UNC)
collection Repositorio Digital Universitario (UNC)
instname_str Universidad Nacional de Córdoba
instacron_str UNC
institution UNC
repository.name.fl_str_mv Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba
repository.mail.fl_str_mv oca.unc@gmail.com
_version_ 1842349685245739008
score 13.13397