Integración de métodos de descubrimiento de conocimiento embebido en fuentes de información desestructuradas

Título:

Integración de métodos de descubrimiento de conocimiento embebido en fuentes de información desestructuradas

Autor:

Rodríguez, J. M.

Otros autores / Colaboradores:

 Pesado, Patricia Mabel; [ Director/a]  Bertone, Rodolfo Alfredo; [ Director/a]  Merlino, Hernán; [ Asesor/a de tesis] 

Temas:

ALGORITMOS; 

URL:

https://doi.org/10.35537/10915/156636,

Palabras clave:

extracción de conocimiento, 

Nota de tesis:

Tesis (Doctorado en Ciencias Informáticas) - Universidad Nacional de La Plata. Facultad de Informática, 2023.

Extensión:

1 archivo (1,1 MB) : il. col.

Resumen:

Los métodos existentes de extracción de conocimiento para la Web (Open Information Extraction) tienen una precisión y una exhaustividad considerablemente baja, de alrededor del 60% y si bien tienen un gran potencial en cuanto a su aplicabilidad, es necesario mejorar su desempeño. Existen además otros problemas abiertos que están siendo abordados por varios autores como por ejemplo: la extracción de relaciones semánticas no informativas, la extracción de información subjetiva y el soporte para idiomas distintos del inglés. El principal aporte de esta tesis consiste en la publicación de 3 métodos novedosos de extracción de conocimiento para la Web, uno para idioma inglés: ATP-OIE y dos para idioma español: TP-OIE-ES y ECMes. Así mismo, se propone un marco de referencia único para la evaluación de los métodos, esto es la construcción de un conjunto de pruebas y una definición precisa de las métricas a utilizar y de cómo implementarlas. ATP-OIE es un algoritmo autónomo, capaz de aprender de ejemplos y capaz de aprender nuevos patrones de extracción mientras se está ejecutando de forma productiva. Por su parte, TP-OIE-ES replica el comportamiento de ATP-OIE para idioma español, con la salvedad de que no es capaz de aprender nuevos patrones mientras se ejecuta de forma productiva. Por último, ECMes es una versión reentrenada de TP-OIE-ES con otras mejoras adicionales. ECMes ha obtenido un mejor desempeño en idioma español, en los conjuntos evaluados, que otros métodos similares en el estado del arte.

Puede solicitar más fácilmente el ejemplar con: TES 23/07

1 Objetivos
1.1 Objetivo primario
1.2 Objetivos secundarios

2 Introducción
2.1 Extracción de conocimiento
2.1.1 Surgimiento de la extracción de conocimiento
2.1.2 Extracción de relaciones semánticas
2.1.2.1 Métodos basados en conocimiento
2.1.2.2 Métodos supervisados
2.1.2.3 Métodos auto-supervisados
2.1.3 Métodos de extracción de conocimiento para la Web (OIE)

3. Revisión sistemática de literatura
3.1 Revisión de la evolución de los métodos de extracción de conocimiento para la Web (2015)
3.2 Estudio de mapeo sistemático sobre métodos extracción de conocimiento para la Web (2018)
3.2.1 Revisión de los métodos de Open IE relevados por Glauber y Barreiro Claro
3.3 Revisión sistemática de literatura: nuevos métodos de Open IE (2021)
3.3.1 Revisión de los métodos de Open IE publicados a partir de 2018
3.4 Revisión de los métodos de Open IE, en idioma español

4. Conjunto de pruebas
4.1 Extracción manual de relaciones semánticas
4.2 Evaluación de las extracciones automáticas
4.2.1 Consideraciones sobre ClausIE
4.2.2 Consideraciones sobre MinIE
4.3 Resultados obtenidos
4.3.1 Consideraciones sobre los conjuntos de datos de entrada
4.4 ClausIE mejorado: identificador de oraciones
4.4.1 Nuevos resultados para ClausIE

5. Problemas abiertos
5.1 Precisión y exhaustividad
5.2 Relaciones semánticas poco informativas
5.3 Manejo de información subjetiva
5.4 Autonomía de los métodos
5.5 Métodos en lenguaje español

6. Soluciones propuestas
6.1 TP-OIE (Tree Pattern Open Information Extraction)
6.1.1 Proceso de aprendizaje
6.1.2 Conjunto de entrenamiento
6.1.3 Proceso de extracción
6.1.4 Problemas encontrados con este enfoque
6.2 ATP-OIE (Autonomous Tree Pattern Open Information Extraction)
6.2.1 Precisión y exhaustividad
6.2.1.1 Puntaje de las extracciones realizadas
6.2.1.2 Utilización de métodos auxiliares
6.2.1.3 Aprendizaje en línea
6.2.2 Extracciones poco informativas
6.2.3 Manejo de información subjetiva
6.2.4 Resultados de ATP-OIE
6.3 TP-OIE-ES (Tree Pattern Open Information Extraction Español)
6.3.1 Precisión y exhaustividad
6.3.2 Relaciones semánticas poco informativas
6.3.3 Manejo de información subjetiva
6.3.4 Resultados de TP-OIE-ES
6.4 ECMes (Extractor de Conocimiento Mejorado en Español)
6.4.1 Puntos de mejora sobre TP-OIE-ES
6.4.1.1 Mejorar la precisión
6.4.1.2 Mejorar la evidencia disponible
6.4.1.3 Mejorar las relaciones poco informativas
6.4.2 Evaluación y resultados de ECMes

7. Aportes y Conclusiones
7.1 Objetivo principal: creación de métodos de Open IE para idioma español
7.2 Objetivo secundario: creación de un marco de referencia para la evaluación de los métodos de Open IE
7.3 Objetivo secundario: creación de un método de Open IE novedoso
7.4 Aporte adicional: Mejoras en métodos existentes

8. Futuras líneas de investigación

Referencias