Construcción de un corpus de gran escala en el idioma español cuyos documentos reflejen opiniones respecto a productos textiles
Actualmente, existe un auge en introducir modelos de Aprendizaje Automático a varios aspectos de la vida cotidiana. Un campo de relevancia consiste en el Procesamiento del Lenguaje Natural (NLP) que busca modelar al lenguaje humano. La dificultad de entrenar a modelos que aprendan del lenguaje, e...
Main Author: | |
---|---|
Other Authors: | |
Format: | bachelorThesis |
Language: | spa |
Published: |
Universidad de Cuenca
2021
|
Subjects: | |
Online Access: | http://dspace.ucuenca.edu.ec/handle/123456789/37303 |
_version_ | 1785802479188836352 |
---|---|
author | Santos León, David Enrique |
author2 | Auquilla Sangolquí, Andrés Vinicio |
author_facet | Auquilla Sangolquí, Andrés Vinicio Santos León, David Enrique |
author_sort | Santos León, David Enrique |
collection | DSpace |
description | Actualmente, existe un auge en introducir modelos de Aprendizaje Automático a varios aspectos
de la vida cotidiana. Un campo de relevancia consiste en el Procesamiento del Lenguaje Natural (NLP)
que busca modelar al lenguaje humano. La dificultad de entrenar a modelos que aprendan del lenguaje,
es alta. Un componente clave y básico para que estas inteligencias aprendan de forma adecuada consiste
en los datos, que para el caso de NLP, se encuentran mayoritariamente en inglés. El presente proyecto
de investigación surge de la problemática de encontrar insumos de gran escala, en idiomas diferentes al
inglés, para alimentar a modelos de Aprendizaje Profundo que produzcan textos de forma automática.
Se han generado cuatro resultados principales: 1) Una metodología para construir corpus de gran escala,
con facilidad de escalar a diferentes dominios e idiomas, 2) Un corpus en español, dentro del dominio
de comentarios de productos textiles, con más de 170 mil documentos que obtuvo buenos resultados de
evaluaciones humanas y automáticas, 3) Un sistema computacional que automatizó la construcción
del corpus desde el principio al fin, desde la recolección de los documentos hasta su evaluación, y 4)
resultados de línea base de un modelo generacional que sirven como punto de referencia para futuras
investigaciones dentro de la generación automática de textos dentro del dominio textil |
format | bachelorThesis |
id | oai:dspace.ucuenca.edu.ec:123456789-37303 |
institution | Universidad de Cuenca |
language | spa |
publishDate | 2021 |
publisher | Universidad de Cuenca |
record_format | dspace |
spelling | oai:dspace.ucuenca.edu.ec:123456789-373032021-11-15T08:01:01Z Construcción de un corpus de gran escala en el idioma español cuyos documentos reflejen opiniones respecto a productos textiles Santos León, David Enrique Auquilla Sangolquí, Andrés Vinicio Ingeniería en Sistemas Sistema informático Datos estadísticos Productos textiles Redes informaticas Actualmente, existe un auge en introducir modelos de Aprendizaje Automático a varios aspectos de la vida cotidiana. Un campo de relevancia consiste en el Procesamiento del Lenguaje Natural (NLP) que busca modelar al lenguaje humano. La dificultad de entrenar a modelos que aprendan del lenguaje, es alta. Un componente clave y básico para que estas inteligencias aprendan de forma adecuada consiste en los datos, que para el caso de NLP, se encuentran mayoritariamente en inglés. El presente proyecto de investigación surge de la problemática de encontrar insumos de gran escala, en idiomas diferentes al inglés, para alimentar a modelos de Aprendizaje Profundo que produzcan textos de forma automática. Se han generado cuatro resultados principales: 1) Una metodología para construir corpus de gran escala, con facilidad de escalar a diferentes dominios e idiomas, 2) Un corpus en español, dentro del dominio de comentarios de productos textiles, con más de 170 mil documentos que obtuvo buenos resultados de evaluaciones humanas y automáticas, 3) Un sistema computacional que automatizó la construcción del corpus desde el principio al fin, desde la recolección de los documentos hasta su evaluación, y 4) resultados de línea base de un modelo generacional que sirven como punto de referencia para futuras investigaciones dentro de la generación automática de textos dentro del dominio textil Currently, there is a boom in introducing Machine Learning models to various aspects of everyday life. A relevant field consists of Natural Language Processing (NLP) that seeks to model human language. The difficulty of training models to learn a language is high. A key and basic component for these intelligences to learn properly consists of the data, which in the case of NLP, is mostly in English. This research project arises from the problem of finding large-scale inputs, in languages other than English, to feed Deep Learning models that produce texts automatically. Four main results have been generated: 1) A methodology to build a large-scale corpus, easily scalable to different domains and languages, 2) A corpus in Spanish, within the domain of comments on textile products, with more than 170 thousand documents that obtained good results from human and automatic evaluations, 3) A computational system that automated the construction of the corpus from beginning to end, from the collection of documents to their evaluation, and 4) baseline results of a generational model that serve as a point of reference for future research within the automatic generation of texts within the textile domain Ingeniero de Sistemas Cuenca 2021-11-08T16:28:59Z 2021-11-08T16:28:59Z 2021-11-08 bachelorThesis http://dspace.ucuenca.edu.ec/handle/123456789/37303 spa TS;285 openAccess application/pdf 72 páginas application/pdf Universidad de Cuenca |
spellingShingle | Ingeniería en Sistemas Sistema informático Datos estadísticos Productos textiles Redes informaticas Santos León, David Enrique Construcción de un corpus de gran escala en el idioma español cuyos documentos reflejen opiniones respecto a productos textiles |
title | Construcción de un corpus de gran escala en el idioma español cuyos documentos reflejen opiniones respecto a productos textiles |
title_full | Construcción de un corpus de gran escala en el idioma español cuyos documentos reflejen opiniones respecto a productos textiles |
title_fullStr | Construcción de un corpus de gran escala en el idioma español cuyos documentos reflejen opiniones respecto a productos textiles |
title_full_unstemmed | Construcción de un corpus de gran escala en el idioma español cuyos documentos reflejen opiniones respecto a productos textiles |
title_short | Construcción de un corpus de gran escala en el idioma español cuyos documentos reflejen opiniones respecto a productos textiles |
title_sort | construcción de un corpus de gran escala en el idioma español cuyos documentos reflejen opiniones respecto a productos textiles |
topic | Ingeniería en Sistemas Sistema informático Datos estadísticos Productos textiles Redes informaticas |
url | http://dspace.ucuenca.edu.ec/handle/123456789/37303 |
work_keys_str_mv | AT santosleondavidenrique construcciondeuncorpusdegranescalaenelidiomaespanolcuyosdocumentosreflejenopinionesrespectoaproductostextiles |