Extensión del enfoque basado en perfiles con nuevos métodos de aprendizaje de representaciones
Los Enfoques Basados en Perfiles (EBP’s) han mostrado muy buen comportamiento específicamente en la tarea de atribución de autoría. En un trabajo previo, quedó demostrada la viabilidad de extender los EBPs empleando aprendizaje de representaciones dada la gran flexibilidad de los mecanismos de coinc...
Guardado en:
| Autores principales: | , , |
|---|---|
| Formato: | Objeto de conferencia |
| Lenguaje: | Español |
| Publicado: |
2024
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/176461 |
| Aporte de: |
| Sumario: | Los Enfoques Basados en Perfiles (EBP’s) han mostrado muy buen comportamiento específicamente en la tarea de atribución de autoría. En un trabajo previo, quedó demostrada la viabilidad de extender los EBPs empleando aprendizaje de representaciones dada la gran flexibilidad de los mecanismos de coincidencia (matching) que proveen los embeddings. Este trabajo comprende un estudio complementario empleando las mismas colecciones Enron y CIAPPA utilizadas anteriormente, pero utilizando distintos métodos de obtención de embeddings. Existen 3 enfoques principales para el aprendizaje de embeddings estáticos que son: Aprendizaje de embeddings con datos externos, Aprendizaje de embeddings con los datos de entrenamiento y Aprendizaje de embeddings con el modelo de clasificación. En este trabajo se probará cuál/es son los mejores enfoques para resolver las dos tareas evaluadas previamente: identificación de autoría (colección Enron) y perfilado de autor (colección CIAPPA). |
|---|