Estudio de redes neuronales en escalera como método semi-supervisado para reconocimiento de entidades nombradas en textos legales
Abstract
En este trabajo se exploró el uso de un método de aprendizaje
automático semi-supervisado profundo, conocido como “Redes Neu-
ronales en Escalera”. Como caso de estudio, se decidió abordar la tarea
de reconocimiento y clasificación de entidades nombradas dentro del
dominio legal. Como baselines se establecieron el Stanford NER-CRF
y las redes recurrentes BiLSTM. El trabajo consistió en la exploración
de distintos aspectos y parámetros donde se buscó evaluar el impacto
de los datos no supervisados y su comparación con métodos puramente supervisados, en busca de mejorar desempeño y capacidad de
generalización.
This thesis explored the use of a semi-supervised deep learning method known as “Ladder Neural Networks”. As a case study, it was decided to address the task of recognizing and classifying na-
med entities within the legal domain. The Stanford NER-CRF and
the BiLSTM Recurrent Neural Networks were established as baseli-
nes. The work consisted in the exploration of different aspects and
parameters where it was sought to evaluate the impact of unsupervi-
sed data and its comparison with purely supervised methods, seeking
to improve performance and generalization capacity.
The following license files are associated with this item: