Post on 02-Mar-2015
VARIANTES A LA EXTRACCIÓN DE VECINOS SEMÁNTICOS Y AL ALGORITMO DE PREDICACIÓN EN CORPUS CIENTÍFICOS
Guillermo Jorge-Botana
Ricardo Olmos Albacete
José A. León
Francisco Molinero
•LSA puede:
+simular como puede estar representado el conocimiento
1. ¿Qué hace LSA?1. ¿Qué hace LSA?
• Pero:
+No es una teoría de procesamiento (Burguess, 2000)
+Es una representación estática de cómo se distribuye el conocimiento
+Para simular cualquier proceso:Como:
Juicios de semejanzas
Comprensión de estructuras textuales
Constricciones del contexto
+Es necesario formalizar algún tipo de operación sobre lo que LSA representa.
2. ¿Qué no hace LSA?2. ¿Qué no hace LSA?
3. Objetivos3. Objetivos
+Extraer términos vecinos de algunas palabras aisladas (estructura simple) y grupos de palabras (estructura compleja).
+Aplicar el algoritmo de predicación (Kintsch, 2001) a ciertas estructuras frecuentes en corpus científicos.
• Una forma:
+ Tomar el vector de una palabra y extraer una lista de sus n primeros vecinos semánticos.
+ Lista: se compara el vector de dicha palabra con todos los demás vectores-términos del espacio semántico.
+ Comparación: coseno del ángulo
µ Semejanza = Cos(A,I)
4. Extracción de contenidos4. Extracción de contenidos
A
I
• Un posible problema:
+ En ocasiones, los primeros términos de la lista son:
Términos de poca relevancia
Que sólo concurren con el término de referencia
Ejemplo: (A) Ciudad
(I) Deportiva(I)Condal(I) Real
(A)Ciudad
(I)País
(I)Transporte
(I)Alcalde
Y quizás también queremos
5. Extracción de contenidos5. Extracción de contenidos
• Una posible solución:
+ Ponderar el coseno del ángulo con la longitud de vector
Semejanza = Cos(A,I) x log (1 + longitudVector(I))
Longitud de Vector-término: puede denotar la importancia de un término dentro del dominio semántico.
6. Extracción de contenidos6. Extracción de contenidos
Nuestro corpus: psicopatología.
“Fobia”
Longitud de vector
Semejanza con “fobia”
7. Lista de “fobia”7. Lista de “fobia”
21 p
rim
eros
vec
inos
Coseno Coseno + long.vector
Longitud de vector
Semejanza con “tormentas”
8. Lista de “tormentas”8. Lista de “tormentas”21
pri
mer
os v
ecin
os
“Tormentas”
Coseno Coseno + long.vector
ESTRUCTURAS COMPLEJAS
(estructuras de dos términos)
+ Estructuras complejas: formadas por más de una palabra.
+ Estructuras predicativas: “Este partido es de centro”
+ Estructuras predicativas <<taxonómicas>>:
“Este pájaro es un pelícano”
9. Extracción del sentido de 9. Extracción del sentido de estructuras complejasestructuras complejas
“Fobia a las tormentas”
“Personalidad de la pistola”
+ Estructuras predicativas “taxonómicas” en corpus científicos:
10. Extracción del sentido de 10. Extracción del sentido de estructuras complejasestructuras complejas
P(A)
Personalidad (Pistola)
Fobia (Tormentas)
• Un forma: el centroide o la suma
Vector Predicado(Fobia) + Vector Argumento (tormentas)
11. Suma centroide11. Suma centroide
• Problema: el centroide
Gente
Social
Timidez
Precipicios
12. Suma centroide12. Suma centroide
• Necesitamos
13. Algoritmo de predicación13. Algoritmo de predicación
• LSA + Algoritmo de predicación (Kintsch, 2001)
14. Algoritmo de predicación14. Algoritmo de predicación
El sentido final de la predicación se forma sumando el predicado, el argumento y los n primeros vecinos del predicado pertinentes para el argumento.
(LSA + Algoritmo de predicación + Corrección con la longitud de vector)15. “Fobia a las tormentas”15. “Fobia a las tormentas”
Coseno + long.vectorCoseno
Con PredicaciónSin Predicación Sin Predicación Con Predicación
21 p
rim
eros
vec
inos
“fobia a las tormentas”: un fenómeno natural designa una fobia específica
Social
Público
Timidez
Precipicios
Serpientes
Específica
Social
SocialesEspecífica
Social
Serpientes
Subtipo
Específica
Timidez
“personalidad de la pistola”: un objeto designa personalidad antisocial
16. “Personalidad de la pistola”16. “Personalidad de la pistola”21
pri
mer
os v
ecin
os
Con PredicaciónSin Predicación Sin Predicación Con Predicación
(LSA + Algoritmo de predicación + Corrección con la longitud de vector)
Antisocial
Disocial
Navaja
Esquizoide
Esquizotípico
Límite
evitación
Antisocial
Esquizotípico
Esquizoide
Narcisista
Antisocial
Disocial
Robos
Violencia
Coseno + long.vectorCoseno
+LSA proporciona una representación objetiva y mensurable de conocimiento estático.
+LSA es una buena base para simular procesos mediante algoritmos que tengan en cuenta las constricciones del contexto.
+LSA y los algoritmos que provienen de la psicolingúística tiene muchas aplicaciones en el ámbito de la industria lingüística (buscadores, interpretadores de intenciones del usuario, web semántica, indexadores de información diagnóstica, visualización, etc) .
16. Conclusiones16. Conclusiones
18. Muchas gracias18. Muchas gracias
VARIANTES A LA EXTRACCIÓN DE VECINOS SEMÁNTICOS Y AL ALGORITMO DE PREDICACIÓN EN CORPUS CIENTÍFICOS
Guillermo Jorge-Botana
Ricardo Olmos Albacete
José A. León
Comparación de los listados con textos reales
Similitud de cada uno de los métodos con muestras de definiciones reales basados en DSM-IV ( Concepto general d fobia, Fobia social, Fobia específica Ansiedad generalizada)
"Fobia a las tormentas"
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
Fo
bia
F. S
oci
al
F.E
spec
ífic
a
A.G
ener
aliz
ada
Sin Corregir Corregido
PRE Sin Corregir PRE Corregido
Aux. Listados vs. definiciones Aux. Listados vs. definiciones realesreales
Comparación de los listados con textos reales
Similitud de cada uno de los métodos con muestras de definiciones reales basados en DSM-IV ( Concepto general d fobia, Fobia social, Fobia específica Ansiedad generalizada)
"Personalidad de la Pistola"
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
Per
son
alid
ad
P.E
squ
izo
ide
P.E
vita
ció
n
P.A
nti
soci
al
Sin Corregir Corregido
PRE Sin Corregir PRE Corregido
Aux. Listados vs. definiciones Aux. Listados vs. definiciones realesreales