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

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 manualment...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Cardellino, Fernando, Cardellino, Cristian, Haag, Karen, Soto, Axel, Teruel, Milagro, Alonso i Alemany, Laura, Villata, Serena
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2018
Materias:
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/71805
http://47jaiio.sadio.org.ar/sites/default/files/SID-6.PDF
Aporte de:
id I19-R120-10915-71805
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
detección automática de entidades
InfoLeg
textos legales
spellingShingle Ciencias Informáticas
detección automática de entidades
InfoLeg
textos legales
Cardellino, Fernando
Cardellino, Cristian
Haag, Karen
Soto, Axel
Teruel, Milagro
Alonso i Alemany, Laura
Villata, Serena
Mejora del acceso a Infoleg mediante técnicas de procesamiento automático del lenguaje
topic_facet Ciencias Informáticas
detección automática de entidades
InfoLeg
textos legales
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.
format Objeto de conferencia
Objeto de conferencia
author Cardellino, Fernando
Cardellino, Cristian
Haag, Karen
Soto, Axel
Teruel, Milagro
Alonso i Alemany, Laura
Villata, Serena
author_facet Cardellino, Fernando
Cardellino, Cristian
Haag, Karen
Soto, Axel
Teruel, Milagro
Alonso i Alemany, Laura
Villata, Serena
author_sort Cardellino, Fernando
title Mejora del acceso a Infoleg mediante técnicas de procesamiento automático del lenguaje
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
publishDate 2018
url http://sedici.unlp.edu.ar/handle/10915/71805
http://47jaiio.sadio.org.ar/sites/default/files/SID-6.PDF
work_keys_str_mv AT cardellinofernando mejoradelaccesoainfolegmediantetecnicasdeprocesamientoautomaticodellenguaje
AT cardellinocristian mejoradelaccesoainfolegmediantetecnicasdeprocesamientoautomaticodellenguaje
AT haagkaren mejoradelaccesoainfolegmediantetecnicasdeprocesamientoautomaticodellenguaje
AT sotoaxel mejoradelaccesoainfolegmediantetecnicasdeprocesamientoautomaticodellenguaje
AT teruelmilagro mejoradelaccesoainfolegmediantetecnicasdeprocesamientoautomaticodellenguaje
AT alonsoialemanylaura mejoradelaccesoainfolegmediantetecnicasdeprocesamientoautomaticodellenguaje
AT villataserena mejoradelaccesoainfolegmediantetecnicasdeprocesamientoautomaticodellenguaje
bdutipo_str Repositorios
_version_ 1764820482912157698