Un enfoque para la detección de pares atributo-valor en descripciones en lenguaje natural en el contexto de la oferta inmobiliaria

Título:

Un enfoque para la detección de pares atributo-valor en descripciones en lenguaje natural en el contexto de la oferta inmobiliaria

Autor:

Bazzana Tanevitch, Luciana

Otros autores / Colaboradores:

 Torres, Diego; [ Director/a académico/a]  Del Río, Juan Pablo; [ Director/a profesional]  Fernández, Alejandro; [ Codirector/a] 

Temas:

LENGUAJE NATURAL; 

URL:

http://sedici.unlp.edu.ar/handle/10915/165523,

Palabras clave:

procesamiento de lenguaje natural, información estructurada, 

Nota de tesis:

Tesina (Licenciatura en Sistemas) - Universidad Nacional de La Plata. Facultad de Informática, 2024.

Extensión:

1 archivo (852,8 kB) : il. col.

Resumen:

La información estructurada es un recurso muy valioso para la construcción de sistemas de información. La transformación de datos no estructurados en datos estructurados puede ser automatizada, sin embargo, el procesamiento de textos humanos requiere el uso de técnicas de Procesamiento de Lenguaje Natural (NLP). Este estudio tiene como objetivo explorar y evaluar diversos enfoques para la extracción automática de pares atributo-valor a partir de descripciones de avisos inmobiliarios. El propósito final es enriquecer la base de datos del Observatorio de Valores del Suelo de la Provincia de Buenos Aires. El observatorio busca resolver la carencia de información en esta materia y facilitar la participación pública en la valorización de inmuebles.

Puede solicitar más fácilmente el ejemplar con: TES 24/06

1. Introducción

2. Trabajos realizados

3. El observatorio de valores del suelo

3.1 Lenguaje Natural en Avisos Inmobiliarios

4. Problema

5. El procesamiento del lenguaje natural 

6. Enfoques de extracción 
6.1 Matching Basado en Reglas
6.2 Modelo de Reconocimiento de Entidades (NER)
6.3 Transformadores

7. Aplicando los enfoques de extracción al OI
7.1 Matching Basado en Reglas
7.2  Modelo de reconocimiento de entidades (NER)
7.3 Transformadores

8. Metodología de Evaluación
8.1 Datos
8.2 Métricas

9. Resultados
9.1  Matching basado en reglas
9.2  Modelo de reconocimiento de entidades (NER)
9.3  Transformadores
9.4 Resultados generales

10. Conclusiones y trabajos futuros

Referencias