- -

Resumen de Textos con Modelos Secuencia-a-Secuencia: Varias Aproximaciones

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

Resumen de Textos con Modelos Secuencia-a-Secuencia: Varias Aproximaciones

Show simple item record

Files in this item

dc.contributor.advisor Gómez Adrian, Jon Ander es_ES
dc.contributor.author Peirano, Matías Daniel es_ES
dc.date.accessioned 2020-09-17T07:37:39Z
dc.date.available 2020-09-17T07:37:39Z
dc.date.created 2020-07-13
dc.date.issued 2020-09-17 es_ES
dc.identifier.uri http://hdl.handle.net/10251/150240
dc.description.abstract [ES] En el ámbito del aprendizaje profundo, los modelos secuencia-a-secuencia basados en redes neuronales están demostrando obtener muy buenos resultados en la resolución de tareas de procesamiento del lenguaje natural. En este artículo nos centraremos específicamente en la resolución de un problema de este campo: resumir textos haciendo uso de estos modelos. Explicaremos qué dificultades encontramos en cada fase del proceso y como lidiar con ellas. Además mostraremos distintas aproximaciones para resolver el problema, tanto en el procesamiento de datos como en la construcción del modelo. Se compararán las distintas versiones entre sí y con el estado del arte haciendo uso de los criterios ROUGE y BLEU. es_ES
dc.description.abstract [EN] In the field of deep learning, sequence-to-sequence neural models have been shown to achieve very good results in solving natural language processing tasks. In this work we focus specifically on solving a problem in this field: summarizing texts using such models. It explains what difficulties we have encountered in each phase of the process and how to deal with them. In addition, different approaches to solve the problem are shown, both in data processing and model construction. Subsequently, the different versions are compared with each other and with the state of the art using the ROUGE and BLEU criteria. es_ES
dc.description.abstract [CA] En l’àmbit de l’aprenentatge automàtic profund, els models neuronals seqüència-a-seqüència han demostrat obtenir molt bons resultats en la resolució de tasques de processament del llenguatge natural. En aquest treball ens centrem específicament en la resolució d’un problema d’aquest camp: resumir textos fent servir aquests models. S’explica quines dificultats hem trobat en cada fase del procés i com bregar amb elles. A més es mostren diferents aproximacions per a resoldre el problema, tant en el processament de dades com en la construcció del model. Posteriorment es comparen les diferents versions entre sí i amb l’estat de l’art fent servir els criteris ROUGE i BLEU. es_ES
dc.format.extent 54 es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.rights Reconocimiento (by) es_ES
dc.subject Secuencia a secuencia es_ES
dc.subject Aprendizaje automático es_ES
dc.subject Aprendizaje profundo es_ES
dc.subject Resúmenes de textos es_ES
dc.subject Seq2seq es_ES
dc.subject Machine learning es_ES
dc.subject Deep learning es_ES
dc.subject Text summarization es_ES
dc.subject.classification LENGUAJES Y SISTEMAS INFORMATICOS es_ES
dc.subject.other Grado en Ingeniería Informática-Grau en Enginyeria Informàtica es_ES
dc.title Resumen de Textos con Modelos Secuencia-a-Secuencia: Varias Aproximaciones es_ES
dc.type Proyecto/Trabajo fin de carrera/grado es_ES
dc.rights.accessRights Abierto es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Sistemas Informáticos y Computación - Departament de Sistemes Informàtics i Computació es_ES
dc.contributor.affiliation Universitat Politècnica de València. Escola Tècnica Superior d'Enginyeria Informàtica es_ES
dc.description.bibliographicCitation Peirano, MD. (2020). Resumen de Textos con Modelos Secuencia-a-Secuencia: Varias Aproximaciones. http://hdl.handle.net/10251/150240 es_ES
dc.description.accrualMethod TFGM es_ES
dc.relation.pasarela TFGM\129344 es_ES


This item appears in the following Collection(s)

Show simple item record