SciELO - Scientific Electronic Library Online

 
 número34Descubrimiento de Conocimiento en Historias Clínicas mediante Minería de TextoPlanificación estática para la transmisión de datos en tiempo real con WSN índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • No hay articulos similaresSimilares en SciELO

Compartir


RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação

versión impresa ISSN 1646-9895

Resumen

ACOSTA, Rubén Sánchez; VILLEGAS, Claudio Meneses  y  NORAMBUENA, Brian Keith. Heurísticas para Data Augmentation en NLP: Aplicación a Revisiones de Artículos Científicos. RISTI [online]. 2019, n.34, pp.44-53. ISSN 1646-9895.  https://doi.org/10.17013/risti.34.44-53.

Las técnicas de data augmentation son esenciales para entrenar algoritmos de machine learning, donde el conjunto de datos inicial es más pequeño que lo requerido debido a la complejidad del modelo. En modelos de aprendizaje automático, la robustez del proceso de entrenamiento depende altamente de grandes volúmenes de datos etiquetados, los cuales son costosos de producir. Un enfoque eficaz para tratar con este problema es generar automáticamente nuevos ejemplos etiquetados usando técnicas de data augmentation. En el procesamiento del lenguaje natural, en particular en el idioma español, hay una falta de técnicas bien definidas que permitan incrementar un conjunto de datos. En este artículo, se proponen un conjunto de heurísticas para data augmentation en NLP, las cuales son aplicadas en el dominio de las revisiones de artículos científicos.

Palabras clave : Data Augmentation; NLP; Revisiones de Artículos.

        · resumen en Inglés     · texto en Español     · Español ( pdf )

 

Creative Commons License Todo el contenido de esta revista, excepto dónde está identificado, está bajo una Licencia Creative Commons