Adquisición de restricciones selectivas adecuadas a partir de corpus usando una taxonomía semántica

Resumen

EL OBJETIVO PRINCIPAL DE ESTA TESIS ES EL DE INVESTIGAR TECNICAS Y ALGORITMOS COMPUTACIONALES PARA LA ADQUISICION DE RESTRICCIONES DE SELECCION BASADAS EN CLASES A PARTIR DE CO-OCURRENCIAS LEXICAS EXTRAIDAS DE GRANDES CORPUS TEXTUALES, LA TECNICA BASICA UTILIZA UNA TAXONOMIA SEMANTICA DE GRAN COBERTURA PARA REALIZAR LA GENERALIZACION DE LAS PALABRAS QUE APARECEN EN EL CORPUS AL NIVEL DE CLASES SEMANTICAS. APARTE, UTILIZA UNA MEDIDA ESTADISTICA DE ASOCIACION PARA ESCOGER ENTRE LAS MULTIPLES CLASES CANDIDATAS A EXPRESAR LA GENERALIZACION. EN LA TESIS ANALIZAMOS EXPERIMENTALMENTE ALGUNAS LIMITACIONES DE LA TECNICA BASICA Y DESARROLLAMOS DIVERSAS TECNICAS QUE NOS PERMITEN MEJORAR SUS RESULTADOS. ESPECIFICAMENTE: (1) INTRODUCIMOS VARIACIONES EN LOS COMPONENTES ESTADISTICOS DE LA TECNICA BASICA CON TAL DE MEJORAR LA ROBUSTEZ AL RUIDO; (2) DEMOSTRAMOS QUE LA ADQUISICION DE RESTRICCIONES DE SELECCION MEJORA AL HACERSE A PARTIR DE MATERIAL MARCADO CON LOS SENTIDOS NOMINAL Y/O VERBAL ADECUADOS, INTRODUCIENDO, ADEMAS METODOS DE DESAMBIGUACION DE SENTIDOS BASADOS EN LA INFORMACION TAXONOMICA; Y (3) ESTUDIAMOS LA RELACION ENTRE LA ESTRUCTURA PREDICATIVO-ARGUMENTAL Y LA ADQUISICION DE RESTRICCIONES DE SELECCION. EN TODOS LOS CASOS LAS TECNICAS HAN SIDO IMPLEMENTADAS Y EVALUADAS EN CORPUS TEXTUALES DE GRAN TAMAÑO, CONDUCIENDO EN LA MAYORIA DE LOS CASOS A MEJORAS APRECIABLES EN LA BONDAD DE LAS RESTRICCIONES DE SELECCION OBTENIDAS.