Mostrar el registro sencillo del ítem
dc.contributor.advisor | Martínez Hinarejos, Carlos David![]() |
es_ES |
dc.contributor.advisor | Romero Gómez, Verónica![]() |
es_ES |
dc.contributor.author | Villanova Aparisi, David![]() |
es_ES |
dc.date.accessioned | 2021-10-19T08:10:45Z | |
dc.date.available | 2021-10-19T08:10:45Z | |
dc.date.created | 2021-09-24 | |
dc.date.issued | 2021-10-19 | es_ES |
dc.identifier.uri | http://hdl.handle.net/10251/174942 | |
dc.description.abstract | [ES] En nuestro trabajo presentamos un único modelo basado en aprendizaje profundo para la transcripción automática y el reconocimiento de entidades nombradas de textos manuscritos. Este modelo aprovecha las capacidades de generalización de sistemas de reconocimiento, combinando redes neuronales artificiales y n-gramas de caracteres. Se discute la evaluación de dicho sistema y, como consecuencia, se propone una nueva medida de evaluación. Con el fin de mejorar los resultados con respecto a dicha métrica, se evalúan diferentes estrategias de corrección de errores. | es_ES |
dc.description.abstract | [EN] In our work we present a single Deep Learning based model for the automatic transcription and Named Entity Recognition of handwritten texts. Such model leverages the generalization capabilities of recognition systems, combining Artificial Neural Networks and n-gram character models. The evaluation of said system is discussed and, as a consequence, a new evaluation metric is proposed. As a means to improve the results in regards to such metric, different error correction strategies are assessed. | es_ES |
dc.format.extent | 38 | es_ES |
dc.language | Inglés | es_ES |
dc.publisher | Universitat Politècnica de València | es_ES |
dc.rights | Reconocimiento (by) | es_ES |
dc.subject | Transcripción automatica | es_ES |
dc.subject | Reconocimiento de texto manuscrito | es_ES |
dc.subject | Reconocimiento de texto offline | es_ES |
dc.subject | Reconocimiento de entidades nombradas | es_ES |
dc.subject | Sistema de reconocimiento combinado | es_ES |
dc.subject | Handwritten text recognition | es_ES |
dc.subject | Offline text recognition | es_ES |
dc.subject | Named entity recognition | es_ES |
dc.subject | Combined recognition system | es_ES |
dc.subject | Automated transcription | es_ES |
dc.subject | Deep learning | es_ES |
dc.subject | Machine learning | es_ES |
dc.subject.classification | LENGUAJES Y SISTEMAS INFORMATICOS | es_ES |
dc.subject.classification | ESTADISTICA E INVESTIGACION OPERATIVA | es_ES |
dc.subject.other | Máster Universitario en Inteligencia Artificial, Reconocimiento de Formas e Imagen Digital-Màster Universitari en Intel·Ligència Artificial: Reconeixement de Formes i Imatge Digital | es_ES |
dc.title | Named Entity Recognition in multilingual handwritten texts | es_ES |
dc.type | Tesis de máster | 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.description.bibliographicCitation | Villanova Aparisi, D. (2021). Named Entity Recognition in multilingual handwritten texts. Universitat Politècnica de València. http://hdl.handle.net/10251/174942 | es_ES |
dc.description.accrualMethod | TFGM | es_ES |
dc.relation.pasarela | TFGM\144892 | es_ES |