Publicação

Heurísticas para Data Augmentation en NLP: Aplicación a Revisiones de Artículos Científicos

Ver documento

Detalhes bibliográficos
Resumo:Las técnicas de data augmentation son esenciales para entrenar algoritmos de machine learning, donde el conjunto de datos inicial es más pequeño que lo requerido debido a la complejidad del modelo. En modelos de aprendizaje automático, la robustez del proceso de entrenamiento depende altamente de grandes volúmenes de datos etiquetados, los cuales son costosos de producir. Un enfoque eficaz para tratar con este problema es generar automáticamente nuevos ejemplos etiquetados usando técnicas de data augmentation. En el procesamiento del lenguaje natural, en particular en el idioma español, hay una falta de técnicas bien definidas que permitan incrementar un conjunto de datos. En este artículo, se proponen un conjunto de heurísticas para data augmentation en NLP, las cuales son aplicadas en el dominio de las revisiones de artículos científicos.
Autores principais:Acosta,Rubén Sánchez
Outros Autores:Villegas,Claudio Meneses; Norambuena,Brian Keith
Assunto:Data Augmentation NLP Revisiones de Artículos
Ano:2019
País:Portugal
Tipo de documento:artigo
Tipo de acesso:acesso aberto
Instituição associada:Fundação para a Ciência e Tecnologia
Idioma:espanhol
Origem:SciELO Portugal

Registos relacionados

Atividades financiadas

Não foram encontrados projetos financiados.

Registos relacionados