Reconocimiento de entidades nombradas en texto de dominio legal

Mostrar todas las versiones(2)

Tesis (Lic. en Cs. de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2019.

Guardado en:
Detalles Bibliográficos
Autor principal: Haag, Karen Yanet
Otros Autores: Cardellino, Cristian Adrián
Formato: publishedVersion bachelorThesis
Lenguaje:Español
Publicado: 2020
Materias:
Aprendizaje automático
Entidades nombradas
Anotación semántica
Expresiones regulares
Documentos legales
Computing methodologies
Acceso en línea:http://hdl.handle.net/11086/15323
Aporte de:
Repositorio Digital Universitario (UNC) de Universidad Nacional de Córdoba
id I10-R141-11086-15323
record_format dspace
spelling I10-R141-11086-153232023-12-13T19:00:28Z Reconocimiento de entidades nombradas en texto de dominio legal Haag, Karen Yanet Cardellino, Cristian Adrián Aprendizaje automático Entidades nombradas Anotación semántica Expresiones regulares Documentos legales Computing methodologies Tesis (Lic. en Cs. de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2019. info:eu-repo/semantics/publishedVersion Fil: Haag, Karen Yanet. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina. Este trabajo se centra en la detección, clasificación y anotación de entidades nombradas (como Leyes, Resoluciones o Decretos, entre otros) para el corpus de InfoLEG, una base de datos que contiene los documentos de todas las leyes de la República Argentina. En primera instancia se hizo reconocimiento mediante patrones definidos por expresiones regulares. Luego, se entrenó y evaluó un modelo basado en aprendizaje automático para tratar entidades que no eran regulares y así poder ampliar la cantidad de instancias capturadas. Por último, se realizó una aproximación utilizando anotación semántica para cada entidad y obtener así el acceso a la fuente de información correspondiente. This work focuses on detection, classification and annotation of named entities (such as laws, resolutions or decrees, among others) for the corpus of InfoLEG, a database that contains the documents of all the laws of the Argentine Republic. In the first instance, recognition was done using patterns defined by regular expressions. Then, a model based on machine learning was trained and evaluated to deal with entities that were not regular and thus be able to expand the number of captured instances. Finally, an approximation was made using semantic annotation for each entity and thus obtain access to the corresponding information source. info:eu-repo/semantics/publishedVersion Fil: Haag, Karen Yanet. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina. 2020-06-03T16:15:09Z 2020-06-03T16:15:09Z 2019 bachelorThesis http://hdl.handle.net/11086/15323 spa Atribución 4.0 Internacional http://creativecommons.org/licenses/by/4.0/
institution Universidad Nacional de Córdoba
institution_str I-10
repository_str R-141
collection Repositorio Digital Universitario (UNC)
language Español
topic Aprendizaje automático
Entidades nombradas
Anotación semántica
Expresiones regulares
Documentos legales
Computing methodologies
spellingShingle Aprendizaje automático
Entidades nombradas
Anotación semántica
Expresiones regulares
Documentos legales
Computing methodologies
Haag, Karen Yanet
Reconocimiento de entidades nombradas en texto de dominio legal
topic_facet Aprendizaje automático
Entidades nombradas
Anotación semántica
Expresiones regulares
Documentos legales
Computing methodologies
description Tesis (Lic. en Cs. de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2019.
author2 Cardellino, Cristian Adrián
author_facet Cardellino, Cristian Adrián
Haag, Karen Yanet
format publishedVersion
bachelorThesis
author Haag, Karen Yanet
author_sort Haag, Karen Yanet
title Reconocimiento de entidades nombradas en texto de dominio legal
title_short Reconocimiento de entidades nombradas en texto de dominio legal
title_full Reconocimiento de entidades nombradas en texto de dominio legal
title_fullStr Reconocimiento de entidades nombradas en texto de dominio legal
title_full_unstemmed Reconocimiento de entidades nombradas en texto de dominio legal
title_sort reconocimiento de entidades nombradas en texto de dominio legal
publishDate 2020
url http://hdl.handle.net/11086/15323
work_keys_str_mv AT haagkarenyanet reconocimientodeentidadesnombradasentextodedominiolegal
_version_ 1806949237290696704

Ejemplares similares