TRADUCCIÓN Y ANOTACIÓN DE CORPUS EN EL ÁMBITO MÉDICO PARA MINERÍA DE ARGUMENTACIÓN
dc.contributor.author | Andreu Gomez, Javier | |
dc.date.accessioned | 2024-07-17T16:00:07Z | |
dc.date.available | 2024-07-17T16:00:07Z | |
dc.date.issued | 2024-07-17 | |
dc.description | Trabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2023/2024. Directores/as: María Del Soto Montalvo Herranz | |
dc.description.abstract | Actualmente la minería de argumentos en el ámbito clínico ha cobrado mucha importancia, debido a la gran utilidad que se ha demostrado en la predicción y el tratamiento de enfermedades. Por este motivo, se pueden encontrar una gran cantidad de corpus con anotaciones de minería de argumentos, pero gran parte de estos corpus están en inglés mientras que en otros idiomas hay una menor presencia de estos corpus anotados. El objetivo de este trabajo es traducir e inferir las anotaciones de un corpus en inglés al español. Para ello, se ha desarrollado una herramienta que a partir de un corpus anotado en inglés se traduzca al español para luego hacer una inferencia de las anotaciones a otro corpus en español no anotado. Esto se ha realizado aplicando técnicas de transferencia de aprendizaje automático y de modelos de minería de argumentos. | |
dc.identifier.uri | https://hdl.handle.net/10115/38226 | |
dc.language.iso | spa | |
dc.publisher | Universidad Rey Juan Carlos | |
dc.rights | ||
dc.rights.accessRights | info:eu-repo/semantics/embargoedAccess | |
dc.rights.uri | ||
dc.subject | Python | |
dc.subject | Minería de Argumentos | |
dc.subject | Transferencia de Aprendizaje | |
dc.subject | Aprendizaje Profundo | |
dc.subject | Procesamiento del Lenguaje Natural | |
dc.title | TRADUCCIÓN Y ANOTACIÓN DE CORPUS EN EL ÁMBITO MÉDICO PARA MINERÍA DE ARGUMENTACIÓN | |
dc.type | info:eu-repo/semantics/studentThesis |
Archivos
Bloque original
1 - 2 de 2
No hay miniatura disponible
- Nombre:
- 2023-24-ETSII-A-2059-2059037-j.andreug-MEMORIA.pdf
- Tamaño:
- 832.96 KB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Memoria del TFG
No hay miniatura disponible
- Nombre:
- 2023-24-ETSII-A-2059-2059037-j.andreug-ANEXO.zip
- Tamaño:
- 5.38 MB
- Formato:
- Unknown data format
- Descripción:
- Anexo.zip