Un enfoque para la detección automática de fallas en la construcción de argumentos

Definir un argumento como no válido suele ser más sencillo que explicar el por qué de su invalidez e incluso, cuando se refuta un argumento, el por qué no suele ser lo suficientemente sólido. El principal objetivo de este trabajo, es lograr el desarrollo de un enfoque que permita determinar, dado u...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Arbiza Miris, Julieta, Gareis, Carla
Formato: Artículo revista
Lenguaje:Español
Publicado: Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas 2018
Materias:
Ingeniería de sistemas
Procesamiento de lenguaje natural
PLN
Algoritmos
Proceso de extracción de conocimiento
KDD
Acceso en línea:https://www.ridaa.unicen.edu.ar/xmlui/handle/123456789/2051
Aporte de:
Repositorio Institucional de Acceso Abierto (RIDAA) de Universidad Nacional del Centro
id I21-R190-123456789-2051
record_format ojs
institution Universidad Nacional del Centro
institution_str I-21
repository_str R-190
container_title_str Repositorio Institucional de Acceso Abierto (RIDAA)
language Español
format Artículo revista
topic Ingeniería de sistemas
Procesamiento de lenguaje natural
PLN
Algoritmos
Proceso de extracción de conocimiento
KDD
spellingShingle Ingeniería de sistemas
Procesamiento de lenguaje natural
PLN
Algoritmos
Proceso de extracción de conocimiento
KDD
Arbiza Miris, Julieta
Gareis, Carla
Un enfoque para la detección automática de fallas en la construcción de argumentos
topic_facet Ingeniería de sistemas
Procesamiento de lenguaje natural
PLN
Algoritmos
Proceso de extracción de conocimiento
KDD
author Arbiza Miris, Julieta
Gareis, Carla
author_facet Arbiza Miris, Julieta
Gareis, Carla
author_sort Arbiza Miris, Julieta
title Un enfoque para la detección automática de fallas en la construcción de argumentos
title_short Un enfoque para la detección automática de fallas en la construcción de argumentos
title_full Un enfoque para la detección automática de fallas en la construcción de argumentos
title_fullStr Un enfoque para la detección automática de fallas en la construcción de argumentos
title_full_unstemmed Un enfoque para la detección automática de fallas en la construcción de argumentos
title_sort un enfoque para la detección automática de fallas en la construcción de argumentos
description Definir un argumento como no válido suele ser más sencillo que explicar el por qué de su invalidez e incluso, cuando se refuta un argumento, el por qué no suele ser lo suficientemente sólido. El principal objetivo de este trabajo, es lograr el desarrollo de un enfoque que permita determinar, dado una sentencia argumentativa expresada en lenguaje natural, las fallas por las cuales se considera inválida. Dicho enfoque brindará el soporte necesario para detectar los errores argumentativos en grandes volúmenes de datos de manera eficiente y con buen performance. Con el objetivo de profundizar el análisis, se va a realizar un estudio semántico de las sentencias argumentativas. La tarea de integrar la semántica a la sintaxis no es trivial, ya que es necesario adecuar “sentido común” a las máquinas. Para poder llevar a cabo este estudio se planteó la construcción de un proceso de extracción de conocimiento KDD, implementando cada una de las etapas que lo componen. Finalmente se obtendrán dos herramientas cuya finalidad es clasificar sentencias mediante la detección de errores en la construcción de las mismas. Para lograr esta clasificación se hará uso de distintos algoritmos con la finalidad de determinar cuál de ellos posee la mayor tasa de acierto.
publisher Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
publishDate 2018
url https://www.ridaa.unicen.edu.ar/xmlui/handle/123456789/2051
work_keys_str_mv AT arbizamirisjulieta unenfoqueparaladeteccionautomaticadefallasenlaconstrucciondeargumentos
AT gareiscarla unenfoqueparaladeteccionautomaticadefallasenlaconstrucciondeargumentos
first_indexed 2022-07-04T14:37:26Z
last_indexed 2022-07-04T14:37:26Z
bdutipo_str Revistas
_version_ 1764819786773037056

Ejemplares similares