Métodos de Aprendizaje Automático aplicados a la Predicción de Palabras para el Portugués de Brasil
- Cruz Cavalieri, Daniel
- Filho, Teodiano Freire Bastos
- Palazuelos Cagigas, Sira Elena
- Macías Guarasa, Javier
- Martín Sánchez, José Luis
ISSN: 1135-5948
Año de publicación: 2010
Número: 45
Páginas: 87-94
Tipo: Artículo
Otras publicaciones en: Procesamiento del lenguaje natural
Resumen
Las personas con discapacidades físicas pueden tener serios problemas para utilizar el teclado de los ordenadores para escribir. Por esta razón suelen utilizar herramientas específicas que incluyen sistemas de ayuda a la escritura como la predicción de palabras para reducir el número de pulsaciones necesarias para escribir el texto. La predicción de palabras se puede basar en información estadística, gramatical, específica del tema y/o del usuario, etc. En este trabajo se trata de incrementar la calidad de la predicción de palabras en portugués de Brasil mejorando la predicción de la categoría de la palabra predicha. Para ello se proponen los siguientes métodos: redes neuronales artificiales, máquinas de soporte vectorial, modelos logísticos regularizados y un clasificador de Bayes. Al incorporarlos a la predicción de palabras se obtienen ahorros en el número de pulsaciones necesarias para escribir un texto entre 32,55 % y 34,58 %.
Referencias bibliográficas
- Bick, Eckhard. 2000. The Parsing Sys- tem \Palavras": Automatic Grammati- cal Analysis of Portuguese in a Cons- traint Grammar Framework. Ph.D. tesis, Aarhus University, Aarhus, Denmark, November.
- Burges, Christopher J. C. 1998. A tutorial on support vector machines for pattern recognition. Data Mining and Knowledge Discovery, 2:121–167.
- Cavalieri, Daniel C., Teodiano F. Bastos- Filho, M´ario Sarcinelli-Filho, y Sira Elena Palazuelos Cagigas. 2008. Redes neuronales artificiales para predicci´on de categorias de palabras en portugu´es de brasil. En V Congreso IBERDISCAP, Cartagena, Colombia.
- Christianini, N. y Shawe-Taylor. 2000. An introduction to Support Vector Machines and other kernel-based learning methods. Cambridge University Press.
- Elman, Jeffrey L. 1990. Finding structure in time. Cognitive Science 14, University of California, California, San Diego. Fan, Rong-En, Kai-Wei Chang, Cho-Jui Hsieh, Xiang-Rui Wang, y Chih-Jen Lin. 2008. LIBLINEAR: A library for large linear classification. Journal of Machine Learning Research, 9:1871–1874.
- Figueira, Cleonis Viater. 2006. Modelos de regressao logística. Master’s thesis, Universidade Federal do Rio Grande do Sul - UFRGS, Instituto de Matem´atica da UFRGS, Porto Alegre, Brasil, March.
- Garay-Vitoria, N. y J. González-Abascal. 1997. Intelligent word prediction to enhance text input rate (a syntactic analysis based word prediction aid for people with severe motor speech disability). En Annual International Conference on Inte- lligent User Interfaces, páginas 241-247.
- Joachims, Thorsten. 1998. Text categorization with support vector machines: Learning with many relevant features. p´aginas 137–142. Springer Verlag.
- Lin, Chih-jen, Ruby C. Weng, y S. Sathiya Keerthi. 2007. Trust region newton method for large-scale logistic regression. En An Interior-Point Method For Large- Scale l1-Regularized Logistic Regression.
- Nakamura, Masami, Katsuteru Maruyama F, Takeshi Kawabata F, y Kiyohiro Shikano Tit. 1990. Neural network approach to word category prediction for english texts. En Helsinki University, p´aginas 213–218. Ng, Andrew Y. 2004. Feature selection, l1 vs. l2 regularization, and rotational invariance. En In ICML.
- Osuna, Edgar, Robert Freund, y Federico Girosi. 1997. Training support vector machines: An application to face detection. p´aginas 130–136.
- Palazuelos, Sira Elena. 2001. Contribution to Word Prediction in Spanish and its In- tegration in Technical Aids for People with Physical Disabilities. Ph.D. tesis, Universidad Politécnica de Madrid, Madrid, España.
- Santos, Diana y Paulo Rocha. 2004. The key to the first clef in portuguese: Topics, questions and answers in chave. En 5th Workshop of the Cross-Language Evalua- tion Forum, CLEF 2004, p´aginas 821-832, Bath, UK, September 15-17.
- Sundarkantham, K. y S. M. Shalinie. 2007. Word preditor using natural language grammar induction technique. Journal of Theoretical and Applied Information Technology, 3(3):1–8.
- Vert, J. p. 2002. Support vector machine prediction of signal peptide cleavage site using a new class of kernels for strings. En Proceedings of the Paci c Symposium on Biocomputing, p´aginas 649-660. World Scientific.
- Zhang, Harry y Jiang Su. 2008. Naive bayes for optimal ranking. J. Exp. Theor. Artif. Intell., 20(2):79–93.