Matches in SemOpenAlex for { <https://semopenalex.org/work/W917731966> ?p ?o ?g. }
Showing items 1 to 59 of
59
with 100 items per page.
- W917731966 abstract "The objectives of this thesis are focused on research in machine learning for
 coreference resolution. Coreference resolution is a natural language processing
 task that consists of determining the expressions in a discourse that mention or
 refer to the same entity.
 The main contributions of this thesis are (i) a new approach to coreference
 resolution based on constraint satisfaction, using a hypergraph to represent
 the problem and solving it by relaxation labeling; and (ii) research towards
 improving coreference resolution performance using world knowledge extracted
 from Wikipedia.
 The developed approach is able to use entity-mention classi cation model
 with more expressiveness than the pair-based ones, and overcome the weaknesses
 of previous approaches in the state of the art such as linking contradictions,
 classi cations without context and lack of information evaluating pairs. Furthermore,
 the approach allows the incorporation of new information by adding
 constraints, and a research has been done in order to use world knowledge to
 improve performances.
 RelaxCor, the implementation of the approach, achieved results in the
 state of the art, and participated in international competitions: SemEval-2010
 and CoNLL-2011. RelaxCor achieved second position in CoNLL-2011. La resolució de correferències és una tasca de processament del llenguatge natural que consisteix en determinar les expressions
 d'un discurs que es refereixen a la mateixa entitat del mon real. La tasca té un efecte directe en la minería de textos així com en
 moltes tasques de llenguatge natural que requereixin interpretació del discurs com resumidors, responedors de preguntes o
 traducció automàtica. Resoldre les correferències és essencial si es vol poder “entendre” un text o un discurs.
 Els objectius d'aquesta tesi es centren en la recerca en resolució de correferències amb aprenentatge automàtic. Concretament,
 els objectius de la recerca es centren en els següents camps:
 + Models de classificació: Els models de classificació més comuns a l'estat de l'art estan basats en la classificació independent de
 parelles de mencions. Més recentment han aparegut models que classifiquen grups de mencions. Un dels objectius de la tesi és
 incorporar el model entity-mention a l'aproximació desenvolupada.
 + Representació del problema: Encara no hi ha una representació definitiva del problema. En aquesta tesi es presenta una
 representació en hypergraf.
 + Algorismes de resolució. Depenent de la representació del problema i del model de classificació, els algorismes de ressolució
 poden ser molt diversos. Un dels objectius d'aquesta tesi és trobar un algorisme de resolució capaç d'utilitzar els models de
 classificació en la representació d'hypergraf.
 + Representació del coneixement: Per poder administrar coneixement de diverses fonts, cal una representació simbòlica i
 expressiva d'aquest coneixement. En aquesta tesi es proposa l'ús de restriccions.
 + Incorporació de coneixement del mon: Algunes correferències no es poden resoldre només amb informació lingüística. Sovint
 cal sentit comú i coneixement del mon per poder resoldre coreferències. En aquesta tesi es proposa un mètode per extreure
 coneixement del mon de Wikipedia i incorporar-lo al sistem de resolució.
 Les contribucions principals d'aquesta tesi son (i) una nova aproximació al problema de resolució de correferències basada en
 satisfacció de restriccions, fent servir un hypergraf per representar el problema, i resolent-ho amb l'algorisme relaxation labeling; i
 (ii) una recerca per millorar els resultats afegint informació del mon extreta de la Wikipedia.
 L'aproximació presentada pot fer servir els models mention-pair i entity-mention de forma combinada evitant així els problemes
 que es troben moltes altres aproximacions de l'estat de l'art com per exemple: contradiccions de classificacions independents,
 falta de context i falta d'informació. A més a més, l'aproximació presentada permet incorporar informació afegint restriccions i s'ha
 fet recerca per aconseguir afegir informació del mon que millori els resultats.
 RelaxCor, el sistema que ha estat implementat durant la tesi per experimentar amb l'aproximació proposada, ha aconseguit uns
 resultats comparables als millors que hi ha a l'estat de l'art. S'ha participat a les competicions internacionals SemEval-2010 i
 CoNLL-2011. RelaxCor va obtenir la segona posició al CoNLL-2010." @default.
- W917731966 created "2016-06-24" @default.
- W917731966 creator A5026580613 @default.
- W917731966 date "2023-10-07" @default.
- W917731966 modified "2023-10-18" @default.
- W917731966 title "A constraint-based hypergraph partitioning approach to coreference resolution" @default.
- W917731966 doi "https://doi.org/10.5821/dissertation-2117-94627" @default.
- W917731966 hasPublicationYear "2023" @default.
- W917731966 type Work @default.
- W917731966 sameAs 917731966 @default.
- W917731966 citedByCount "0" @default.
- W917731966 crossrefType "dissertation" @default.
- W917731966 hasAuthorship W917731966A5026580613 @default.
- W917731966 hasBestOaLocation W9177319661 @default.
- W917731966 hasConcept C138268822 @default.
- W917731966 hasConcept C154945302 @default.
- W917731966 hasConcept C162324750 @default.
- W917731966 hasConcept C166957645 @default.
- W917731966 hasConcept C187736073 @default.
- W917731966 hasConcept C204321447 @default.
- W917731966 hasConcept C205649164 @default.
- W917731966 hasConcept C2524010 @default.
- W917731966 hasConcept C2776036281 @default.
- W917731966 hasConcept C2779343474 @default.
- W917731966 hasConcept C2780451532 @default.
- W917731966 hasConcept C28076734 @default.
- W917731966 hasConcept C33923547 @default.
- W917731966 hasConcept C41008148 @default.
- W917731966 hasConceptScore W917731966C138268822 @default.
- W917731966 hasConceptScore W917731966C154945302 @default.
- W917731966 hasConceptScore W917731966C162324750 @default.
- W917731966 hasConceptScore W917731966C166957645 @default.
- W917731966 hasConceptScore W917731966C187736073 @default.
- W917731966 hasConceptScore W917731966C204321447 @default.
- W917731966 hasConceptScore W917731966C205649164 @default.
- W917731966 hasConceptScore W917731966C2524010 @default.
- W917731966 hasConceptScore W917731966C2776036281 @default.
- W917731966 hasConceptScore W917731966C2779343474 @default.
- W917731966 hasConceptScore W917731966C2780451532 @default.
- W917731966 hasConceptScore W917731966C28076734 @default.
- W917731966 hasConceptScore W917731966C33923547 @default.
- W917731966 hasConceptScore W917731966C41008148 @default.
- W917731966 hasLocation W9177319661 @default.
- W917731966 hasOpenAccess W917731966 @default.
- W917731966 hasPrimaryLocation W9177319661 @default.
- W917731966 hasRelatedWork W1594011529 @default.
- W917731966 hasRelatedWork W2139373276 @default.
- W917731966 hasRelatedWork W2227889443 @default.
- W917731966 hasRelatedWork W2339319059 @default.
- W917731966 hasRelatedWork W2380610138 @default.
- W917731966 hasRelatedWork W3041549465 @default.
- W917731966 hasRelatedWork W3171444480 @default.
- W917731966 hasRelatedWork W3212412177 @default.
- W917731966 hasRelatedWork W4206648670 @default.
- W917731966 hasRelatedWork W2529509480 @default.
- W917731966 isParatext "false" @default.
- W917731966 isRetracted "false" @default.
- W917731966 magId "917731966" @default.
- W917731966 workType "dissertation" @default.