Aprendizaje semisupervisado de rasgos de temporalidad en el léxico del español

Abstract

Este proyecto surge como una colaboración entre el Grupo de Procesamiento del Lenguaje Natural de la Facultad de Ingeniería y el Departamento de Teoría del Lenguaje y Lingüística General de la Facultad de Humanidades y Ciencias de la Educación (DTLLG) en el marco del proyecto de Redes Temporales. Dicho proyecto definió una red de expresiones temporales agrupándolas en base a 15 rasgos semánticos definidos. Este proyecto se basa en la investigación, diseño e implementación de una herramienta que permite la asignación automática o semiautomática de rasgos temporales de la mencionada red a nuevas expresiones temporales. Para ello se dispone de un conjunto inicial de expresiones ya clasificadas (aproximadamente 100), la definición temporal asignada a cada expresión y un modelo vectorial de palabras (Word Embeddings) generado a partir de un corpus en español. En este contexto, la red temporal se convierte en un problema de clasificación semántica sobre el idioma en español. Considerando que se disponía de poco ejemplos ya clasificados, muchos de los enfoques tradicionales de clasificación automática no pudieron ser utilizados, siendo necesaria la investigación y definición, mediante la experimentación, de nuevos algoritmos de clasificación. El resultado del proyecto es una serie de algoritmos semisupervisados que asistirán a los integrantes del DTLLG en la definición de la red temporal. Dichos algoritmos se encuentran incorporados a una herramienta web de forma que su ejecución sea sencilla y amigable.