etica

Página 1
U
NIVERSIDAD DE
La
Libertà
La agrupación por el Comité
por
Patrick André Pantel
Una tesis presentada a la Facultad de Estudios de Posgrado e Investigación
en cumplimiento parcial de los requisitos para el grado de Doctor en Filosofía
Departamento de Ciencias de la Computación
Edmonton, Alberta
Primavera 2003
Página 2
Página 3
Universidad de Alberta
Facultad de EstudiosGraduados e Investigación
Los abajo firmantes certifican que han leído, y recomiendan a la Facultad de Estudios de
Posgrado y
Investigación para la aceptación, una tesis titulada La agrupación por el Comité presentado
por Patrick André Pantel
en cumplimiento parcial de los requisitos para el grado de Doctor en Filosofía.
________________________________
Dr. Dekang Lin
Supervisor________________________________
Dr. Russell Greiner
________________________________
Dr. Francis Jeffry Pelletier
________________________________
Dr. Greg Kondrak
________________________________
Dr. Peter Hooper
________________________________
Dr. Dan Roth
Lector externo
Fecha: ___________________________
Página 4
Página 5
vierta mes parents ...

Página 6
Página 7
Abstracto
Textocontiene una gran cantidad de conocimientos acerca de lo que somos, lo que
sabemos, cómo pensamos y cómo nos
comunicar. Apenas estamos empezando a aprovechar la información que está disponible
en los cuentos que leemos en nuestro
los niños, los relatos que captan nuestros pensamientos, y las historias que dan forma a
nuestro mundo. En este trabajo,
presentar algunos avances recientes en laadquisición de conocimientos de forma
automática a partir del texto. Proponemos un generalalgoritmo de agrupamiento propósito llamado CBC (Clustering Comité By) de la que
vamos a organizar
documentos de acuerdo con los temas, así como descubrir los conceptos y sentidos de la
palabra. Vamos a explorar el valor de
estos sistemas mediante la experimentación con dos metodologías de evaluaciónnovedosos que tratan de definir lo que es un
sentido de las palabras es y definen la calidad de una agrupación particular.
CBC responde al objetivo general de la agrupación, que consiste en elementos de datos de
grupos de tal manera que el intrasimilitudes grupales son altos y las similitudes entre los grupos son bajos. El uso de
conjuntos de elementos representativos
llamado comités, CBC intentadescubrir centroides de grupo que describen de forma
inequívoca los miembros
de una posible clase. CBC se mostrará a superar varios algoritmos de agrupación común
en el documento
tareas de descubrimiento de clustering y concepto. Clustering de documentos es práctica
en muchos de recuperación de información
tareas como la navegación de documentos y la organización y visualización de losresultados de la recuperación. -Amplia cobertura
recursos léxicos como WordNet son muy útiles, pero son en su mayoría mano generados.
A menudo
incluir muchos sentidos raros, mientras que faltan sentidos específicos de dominio.
Generación automática de las mismas es útil
Página 8
para muchas aplicaciones tales como la desambiguación del sentido de la palabra, una
pregunta de respuesta y laconstrucción de ontologías.
Conceptos de muestra descubiertos por CBC incluyen ingredientes para hornear, síntomas,
departamentos académicos,
Impresionistas, provincias canadienses, instrumentos musicales, y emociones.
Se presentan dos metodologías de evaluación novedosas. La primera se basa en la
distancia de edición entre
racimos de salida y una clave de respuestas construidas manualmente. Definecómo es
necesario mucho trabajo con el fin de

convertir de una a la otra. Para el sistema de la palabra sentido de descubrimiento, se
presenta una evaluación
metodología para la medición de la precisión y la recuperación de los sentidos
descubiertos. El uso de WordNet, formulamos
¿qué es un recto sentido de la palabra.
Página 9
Agradecimientos
He tenido el privilegio de trabajar muy...