Mejora del acceso a Infoleg mediante técnicas de procesamiento automático del lenguaje

Autores
Cardellino, Fernando; Cardellino, Cristian; Haag, Karen; Soto, Axel; Teruel, Milagro; Alonso i Alemany, Laura; Villata, Serena
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En este artículo presentamos una aproximación para la detección Automática de Entidades en textos legales, y su aplicación al corpus InfoLeg. La aproximación se basa en diversas técnicas de Extracción de Información, entre ellas Aprendizaje Automático a partir de ejemplos y reglas creadas manualmente. Presentamos un análisis de los diferentes tipos de entidades que se encuentran en los textos, sus realizaciones lingüísticas y sus di ficultades para el análisis automático. El diseño de la solución se basa en las di ficultades propias de estas entidades. En la fase actual de desarrollo de la aproximación hemos anotado manualmente una porción del corpus y hemos desarrollado reglas para anotar casos sencillos automáticamente. Hemos entrenado y evaluado una aproximación basada en aprendizaje automático para casos sencillos, con resultados muy prometedores.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
detección automática de entidades
InfoLeg
textos legales
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-sa/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/71805
Acceder
id SEDICI_402061632529dab104f9cd1517139100
oai_identifier_str oai:sedici.unlp.edu.ar:10915/71805
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Mejora del acceso a Infoleg mediante técnicas de procesamiento automático del lenguajeCardellino, FernandoCardellino, CristianHaag, KarenSoto, AxelTeruel, MilagroAlonso i Alemany, LauraVillata, SerenaCiencias Informáticasdetección automática de entidadesInfoLegtextos legalesEn este artículo presentamos una aproximación para la detección Automática de Entidades en textos legales, y su aplicación al corpus InfoLeg. La aproximación se basa en diversas técnicas de Extracción de Información, entre ellas Aprendizaje Automático a partir de ejemplos y reglas creadas manualmente. Presentamos un análisis de los diferentes tipos de entidades que se encuentran en los textos, sus realizaciones lingüísticas y sus di ficultades para el análisis automático. El diseño de la solución se basa en las di ficultades propias de estas entidades. En la fase actual de desarrollo de la aproximación hemos anotado manualmente una porción del corpus y hemos desarrollado reglas para anotar casos sencillos automáticamente. Hemos entrenado y evaluado una aproximación basada en aprendizaje automático para casos sencillos, con resultados muy prometedores.Sociedad Argentina de Informática e Investigación Operativa2018-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf57-69http://sedici.unlp.edu.ar/handle/10915/71805spainfo:eu-repo/semantics/altIdentifier/url/http://47jaiio.sadio.org.ar/sites/default/files/SID-6.PDFinfo:eu-repo/semantics/altIdentifier/issn/2451-7526info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-sa/3.0/Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:11:40Zoai:sedici.unlp.edu.ar:10915/71805Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:11:40.35SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Mejora del acceso a Infoleg mediante técnicas de procesamiento automático del lenguaje
title Mejora del acceso a Infoleg mediante técnicas de procesamiento automático del lenguaje
spellingShingle Mejora del acceso a Infoleg mediante técnicas de procesamiento automático del lenguaje
Cardellino, Fernando
Ciencias Informáticas
detección automática de entidades
InfoLeg
textos legales
title_short Mejora del acceso a Infoleg mediante técnicas de procesamiento automático del lenguaje
title_full Mejora del acceso a Infoleg mediante técnicas de procesamiento automático del lenguaje
title_fullStr Mejora del acceso a Infoleg mediante técnicas de procesamiento automático del lenguaje
title_full_unstemmed Mejora del acceso a Infoleg mediante técnicas de procesamiento automático del lenguaje
title_sort Mejora del acceso a Infoleg mediante técnicas de procesamiento automático del lenguaje
dc.creator.none.fl_str_mv Cardellino, Fernando
Cardellino, Cristian
Haag, Karen
Soto, Axel
Teruel, Milagro
Alonso i Alemany, Laura
Villata, Serena
author Cardellino, Fernando
author_facet Cardellino, Fernando
Cardellino, Cristian
Haag, Karen
Soto, Axel
Teruel, Milagro
Alonso i Alemany, Laura
Villata, Serena
author_role author
author2 Cardellino, Cristian
Haag, Karen
Soto, Axel
Teruel, Milagro
Alonso i Alemany, Laura
Villata, Serena
author2_role author
author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
detección automática de entidades
InfoLeg
textos legales
topic Ciencias Informáticas
detección automática de entidades
InfoLeg
textos legales
dc.description.none.fl_txt_mv En este artículo presentamos una aproximación para la detección Automática de Entidades en textos legales, y su aplicación al corpus InfoLeg. La aproximación se basa en diversas técnicas de Extracción de Información, entre ellas Aprendizaje Automático a partir de ejemplos y reglas creadas manualmente. Presentamos un análisis de los diferentes tipos de entidades que se encuentran en los textos, sus realizaciones lingüísticas y sus di ficultades para el análisis automático. El diseño de la solución se basa en las di ficultades propias de estas entidades. En la fase actual de desarrollo de la aproximación hemos anotado manualmente una porción del corpus y hemos desarrollado reglas para anotar casos sencillos automáticamente. Hemos entrenado y evaluado una aproximación basada en aprendizaje automático para casos sencillos, con resultados muy prometedores.
Sociedad Argentina de Informática e Investigación Operativa
description En este artículo presentamos una aproximación para la detección Automática de Entidades en textos legales, y su aplicación al corpus InfoLeg. La aproximación se basa en diversas técnicas de Extracción de Información, entre ellas Aprendizaje Automático a partir de ejemplos y reglas creadas manualmente. Presentamos un análisis de los diferentes tipos de entidades que se encuentran en los textos, sus realizaciones lingüísticas y sus di ficultades para el análisis automático. El diseño de la solución se basa en las di ficultades propias de estas entidades. En la fase actual de desarrollo de la aproximación hemos anotado manualmente una porción del corpus y hemos desarrollado reglas para anotar casos sencillos automáticamente. Hemos entrenado y evaluado una aproximación basada en aprendizaje automático para casos sencillos, con resultados muy prometedores.
publishDate 2018
dc.date.none.fl_str_mv 2018-09
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/71805
url http://sedici.unlp.edu.ar/handle/10915/71805
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://47jaiio.sadio.org.ar/sites/default/files/SID-6.PDF
info:eu-repo/semantics/altIdentifier/issn/2451-7526
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-sa/3.0/
Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-sa/3.0/
Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
dc.format.none.fl_str_mv application/pdf
57-69
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844615987004964864
score 13.070432

Publicaciones similares