Year: 2018
Type: dissertation
Abstract: [EU] Gaur egun, testu berriak etengabe sortzen doaz sare sozialetako mezu, osasun-txosten, \ndokumentu o zial eta halakoen ondorioz. Hala ere, testuok informazio pertsonala baldin \nbadute, ezin dira ikerkuntzarako edota beste helburutarako baliatu, baldin eta aldez \naurretik ez badira anonimizatzen. Anonimizatze hori automatikoki egitea erronka handia \nda eta askotan hutsetik anotatutako domeinukako datuak behar dira, ez baita arrunta \nhelburutzat ditugun testuinguruetarako anotatutako corpusak izatea. Hala, tesi honek bi \nhelburu ditu: (i) Gaztelaniazko elkarrizketa espontaneoz osatutako corpus anonimizatu \nberri bat konpilatu eta eskura jartzea, eta (ii) sortutako baliabide hau ustiatzea \ninformazio sentiberaren identi kazio-teknikak aztertzeko, helburu gisa dugun domeinuan \ntestu etiketaturik izan gabe. Hala, lehenengo helburuari lotuta, ES-Port izeneko corpusa \nsortu dugu. Telekomunikazio-ekoizle batek ahoz laguntza teknikoa ematen duenean sortu \ndiren 1170 elkarrizketa espontaneoek osatzen dute corpusa. Ordezkatze-tekniken bidez \nanonimizatu da, eta ondorioz emaitza testu irakurgarri eta naturala izan da. Hamaika \nanonimizazio-kategoria landu dira, eta baita hizkuntzakoak eta hizkuntzatik kanpokoak \ndiren beste zenbait anonimizazio-fenomeno ere, hala nola, kode-aldaketa, barrea, \nerrepikapena, ahoskatze okerrak, eta abar. Bigarren helburuari lotuta, berriz, \nanonimizatu beharreko informazio sentibera identi katzeko, gordailuan oinarritutako \nIkasketa Aktiboa erabili da, honek helburutzat baitu ahalik eta testu anotatu \ngutxienarekin sailkatzaile ahalik eta onena lortzea. Horretaz gain, emaitzak hobetzeko, \neta abiapuntuko hautaketarako eta galderen hautaketarako estrategiak aztertzeko, \nEzagutza Transferentzian oinarritutako teknikak ustiatu dira, aldez aurretik anotatuta \nzegoen corpus txiki bat oinarri hartuta. Emaitzek adierazi dute, lan honetan \naukeratutako metodoak egokienak izan direla abiapuntuko hautaketa egiteko eta \nkontsulta-estrategia gisa iturri eta helburu sailkapenen zalantzak konbinatzeak Ikasketa \nAktiboa hobetzen duela, ikaskuntza-kurba bizkorragoak eta sailkapen-errendimendu \nhandiagoak lortuz iterazio gutxiagotan.
Author: García-Sardiña, Laura
Language: English
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W2906446480