Publicación: Detección de postura en conjuntos de datos multilingüe
Cargando...
Fecha
Autores
Editor/a
Director/a
Tutor/a
Coordinador/a
Prologuista
Revisor/a
Ilustrador/a
Derechos de acceso
Atribución-NoComercial-SinDerivadas 4.0 Internacional
info:eu-repo/semantics/openAccess
info:eu-repo/semantics/openAccess
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial
Resumen
La detección de postura en el aprendizaje automático es la tarea de identificar automáticamente la actitud expresada en un texto hacia una proposición específica. Esto es fundamental para el procesamiento del lenguaje natural, ya que proporciona informació n valiosa sobre las opiniones de las personas hacia diferentes propuestas. Puede tener aplicaciones importantes en diversos campos, desde la gestión de la reputación en línea hasta la toma de decisiones políticas. Esta tarea se lleva a cabo mediante algori tmos de minería de texto y aprendizaje automático, que analizan características clave en el texto para determinar su postura. Sin embargo, la mayoría de las investigaciones se han centrado en el inglés, lo que limita la aplicabilidad de los modelos a otros idiomas. Algunos estudios han abordado esta limitación mediante conjuntos de datos en diferentes idiomas, pero se han enfrentado a desafíos debido a desequilibrios en clases y a grandes diferencias entre los contextos de cada idioma. En esta línea, se pre sentó la tarea de evaluación Intra Multilingual Multi Target Stance Classification 2023 . Su objetivo es clasificar la postura de textos en varios idiomas y con respecto a múltiples objetivos. La tarea implica clasificar comentarios sobre propuestas políticas como de apoyo, oposición o neutralidad. El conjunto de datos se construyó utilizando la plataforma de la Conferencia sobre el Futuro de Europa (CoFE), que incluye propuestas políticas y comentarios en cualquiera de los 24 idiomas oficiales de la Unión E uropea. Este conjunto de datos presenta una oportunidad atractiva para estudiar la detección de postura en un entorno verdaderamente multilingüe. Este trabajo presenta los resultados obtenidos en esta tarea. El objetivo principal de este estudio fue desarrollar e investigar diversos modelos de aprendizaje automático y aprendizaje profundo para la clasificación de la postura. Se exploraron técnicas c omo el transfer learning , data augmentation y label spreading , para ampliar el conjunto de datos de entrenamiento y aprovechar modelos preentrenados. Los resultados muestran que las estrategias empleadas en este trabajo mejoran significativamente los resultados de referencia proporcionados por la tarea. Estos resultados, después de su presentación en la tarea, se han publicado como parte de las actas de CLEF 2023 (Avila et al., 2023)
Descripción
Categorías UNESCO
Palabras clave
Detección de postura, procesamiento del lenguaje natural, aprendizaje automático, multilingüe
Citación
Centro
Facultades y escuelas::E.T.S. de Ingeniería Informática
Departamento
Inteligencia Artificial