Estudio de redes neuronales en escalera como método semi-supervisado para reconocimiento de entidades nombradas en textos legales

Autores
Marro, Santiago
Año de publicación
2019
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión publicada
Colaborador/a o director/a de tesis
Cardellino, Cristian Adrián
Descripción
Tesis (Lic. en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2019.
Fil: Marro, Santiago. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
En este trabajo se exploró el uso de un método de aprendizaje automático semi-supervisado profundo, conocido como “Redes Neu- ronales en Escalera”. Como caso de estudio, se decidió abordar la tarea de reconocimiento y clasificación de entidades nombradas dentro del dominio legal. Como baselines se establecieron el Stanford NER-CRF y las redes recurrentes BiLSTM. El trabajo consistió en la exploración de distintos aspectos y parámetros donde se buscó evaluar el impacto de los datos no supervisados y su comparación con métodos puramente supervisados, en busca de mejorar desempeño y capacidad de generalización.
This thesis explored the use of a semi-supervised deep learning method known as “Ladder Neural Networks”. As a case study, it was decided to address the task of recognizing and classifying na- med entities within the legal domain. The Stanford NER-CRF and the BiLSTM Recurrent Neural Networks were established as baseli- nes. The work consisted in the exploration of different aspects and parameters where it was sought to evaluate the impact of unsupervi- sed data and its comparison with purely supervised methods, seeking to improve performance and generalization capacity.
info:eu-repo/semantics/publishedVersion
Fil: Marro, Santiago. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Materia
Redes neuronales
Redes neuronales en escalera
Procesamiento del lenguaje natural
Reconocimiento de entidades nombradas
Aprendizaje automático
Computing methodologies
Machine learning approaches
Neural networks
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:11086/14594

id RDUUNC_9c765a2d2b90dd9682d0883d4791710f
oai_identifier_str oai:rdu.unc.edu.ar:11086/14594
network_acronym_str RDUUNC
repository_id_str 2572
network_name_str Repositorio Digital Universitario (UNC)
spelling Estudio de redes neuronales en escalera como método semi-supervisado para reconocimiento de entidades nombradas en textos legalesMarro, SantiagoRedes neuronalesRedes neuronales en escaleraProcesamiento del lenguaje naturalReconocimiento de entidades nombradasAprendizaje automáticoComputing methodologiesMachine learning approachesNeural networksTesis (Lic. en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2019.Fil: Marro, Santiago. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.En este trabajo se exploró el uso de un método de aprendizaje automático semi-supervisado profundo, conocido como “Redes Neu- ronales en Escalera”. Como caso de estudio, se decidió abordar la tarea de reconocimiento y clasificación de entidades nombradas dentro del dominio legal. Como baselines se establecieron el Stanford NER-CRF y las redes recurrentes BiLSTM. El trabajo consistió en la exploración de distintos aspectos y parámetros donde se buscó evaluar el impacto de los datos no supervisados y su comparación con métodos puramente supervisados, en busca de mejorar desempeño y capacidad de generalización.This thesis explored the use of a semi-supervised deep learning method known as “Ladder Neural Networks”. As a case study, it was decided to address the task of recognizing and classifying na- med entities within the legal domain. The Stanford NER-CRF and the BiLSTM Recurrent Neural Networks were established as baseli- nes. The work consisted in the exploration of different aspects and parameters where it was sought to evaluate the impact of unsupervi- sed data and its comparison with purely supervised methods, seeking to improve performance and generalization capacity.info:eu-repo/semantics/publishedVersionFil: Marro, Santiago. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.Cardellino, Cristian Adrián2019info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttp://hdl.handle.net/11086/14594spainfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-09-04T12:31:34Zoai:rdu.unc.edu.ar:11086/14594Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-09-04 12:31:35.071Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse
dc.title.none.fl_str_mv Estudio de redes neuronales en escalera como método semi-supervisado para reconocimiento de entidades nombradas en textos legales
title Estudio de redes neuronales en escalera como método semi-supervisado para reconocimiento de entidades nombradas en textos legales
spellingShingle Estudio de redes neuronales en escalera como método semi-supervisado para reconocimiento de entidades nombradas en textos legales
Marro, Santiago
Redes neuronales
Redes neuronales en escalera
Procesamiento del lenguaje natural
Reconocimiento de entidades nombradas
Aprendizaje automático
Computing methodologies
Machine learning approaches
Neural networks
title_short Estudio de redes neuronales en escalera como método semi-supervisado para reconocimiento de entidades nombradas en textos legales
title_full Estudio de redes neuronales en escalera como método semi-supervisado para reconocimiento de entidades nombradas en textos legales
title_fullStr Estudio de redes neuronales en escalera como método semi-supervisado para reconocimiento de entidades nombradas en textos legales
title_full_unstemmed Estudio de redes neuronales en escalera como método semi-supervisado para reconocimiento de entidades nombradas en textos legales
title_sort Estudio de redes neuronales en escalera como método semi-supervisado para reconocimiento de entidades nombradas en textos legales
dc.creator.none.fl_str_mv Marro, Santiago
author Marro, Santiago
author_facet Marro, Santiago
author_role author
dc.contributor.none.fl_str_mv Cardellino, Cristian Adrián
dc.subject.none.fl_str_mv Redes neuronales
Redes neuronales en escalera
Procesamiento del lenguaje natural
Reconocimiento de entidades nombradas
Aprendizaje automático
Computing methodologies
Machine learning approaches
Neural networks
topic Redes neuronales
Redes neuronales en escalera
Procesamiento del lenguaje natural
Reconocimiento de entidades nombradas
Aprendizaje automático
Computing methodologies
Machine learning approaches
Neural networks
dc.description.none.fl_txt_mv Tesis (Lic. en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2019.
Fil: Marro, Santiago. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
En este trabajo se exploró el uso de un método de aprendizaje automático semi-supervisado profundo, conocido como “Redes Neu- ronales en Escalera”. Como caso de estudio, se decidió abordar la tarea de reconocimiento y clasificación de entidades nombradas dentro del dominio legal. Como baselines se establecieron el Stanford NER-CRF y las redes recurrentes BiLSTM. El trabajo consistió en la exploración de distintos aspectos y parámetros donde se buscó evaluar el impacto de los datos no supervisados y su comparación con métodos puramente supervisados, en busca de mejorar desempeño y capacidad de generalización.
This thesis explored the use of a semi-supervised deep learning method known as “Ladder Neural Networks”. As a case study, it was decided to address the task of recognizing and classifying na- med entities within the legal domain. The Stanford NER-CRF and the BiLSTM Recurrent Neural Networks were established as baseli- nes. The work consisted in the exploration of different aspects and parameters where it was sought to evaluate the impact of unsupervi- sed data and its comparison with purely supervised methods, seeking to improve performance and generalization capacity.
info:eu-repo/semantics/publishedVersion
Fil: Marro, Santiago. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
description Tesis (Lic. en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2019.
publishDate 2019
dc.date.none.fl_str_mv 2019
dc.type.none.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/bachelorThesis
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
status_str publishedVersion
format bachelorThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/11086/14594
url http://hdl.handle.net/11086/14594
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_ 1842349618629705728
score 13.13397