Please use this identifier to cite or link to this item:

http://hdl.handle.net/10609/99426
Full metadata record
DC FieldValueLanguage
dc.contributor.authorMartínez Valbuena, Francisco Javier-
dc.date.accessioned2019-07-18T09:42:50Z-
dc.date.available2019-07-18T09:42:50Z-
dc.date.issued2019-06-
dc.identifier.urihttp://hdl.handle.net/10609/99426-
dc.description.abstractEl aumento de los volúmenes de información desestructurada, como texto, video, imágenes o audio, ha sido seguida en los últimos años por un desarrollo en las técnicas de análisis para este tipo de datos. Las técnicas de machine learning y deep learning permiten a través del uso de métodos estadísticos y arquitectura complejas, desarrollar mecanismos de clasificación, recomendación o predicción sobre conjuntos de datos estructurados o no estructurados. El objetivo de este proyecto es la utilización y valoración de un conjunto de técnicas para obtener un modelo que permita la búsqueda precisa de información sobre grandes repositorios de texto no estructurado. Se pretende en este caso realizar un diseño de aplicación Question ¿ Answering (QA) que interprete la pregunta como entrada al sistema y ofrezca desde las fuentes originales de datos una respuesta lo más cercana posible a la intención del usuario. El origen de datos será procesado previamente por un sistema que permita el aprendizaje no supervisado, para que el sistema pueda ser agnóstico al conjunto de entradas, permitiendo así ser implementado para cualquier tipo de repositorio de datos. iEl estudio consistirá en un análisis de metodologías basado en el estado del arte, una propuesta técnica global basada tanto en experimentación como en las distintas propuestas que se han presentado los últimos años en el ámbito académico y profesional, y un conjunto de experimentos específicos sobre la implementación final consistente en una serie de técnicas concretas o algoritmos clasificados dentro del conjunto machine learning o deep learning.es
dc.description.abstractThe increase in the volume of unstructured information, such as text, video, images or audio, has been followed in recent years by a development in analysis techniques for this specific type of data. machine learning and deep learning techniques allow, through the use of statistical methods and complex architecture, to develop mechanisms of classification, recommendation or prediction on structured or unstructured data sets. The objective of this project is the use and valuation of a set of techniques to obtain a model that allows the precise search of information on large repositories of unstructured text. iiIn this case, the aim is to design a Question - Answering (QA) application that interprets the question as input to the system and offers an answer as close as possible to the user's intention from the original data sources. The data origin will be previously processed by a system that allows unsupervised learning, so that the system can be agnostic to the set of entries, allowing it to be implemented for any type of data repository. The study will consist of an analysis of methodologies based on the state of the art, a global technical proposal based on both experimentation and the different proposals that have been presented in recent years in the academic and professional fields, and a set of specific experiments on the final implementation.en
dc.language.isospa-
dc.publisherUniversitat Oberta de Catalunya (UOC)-
dc.rightsCC BY-NC-ND-
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/-
dc.subjectNLP, Machine Learning, Deep learningen
dc.titleAplicación combinada de técnicas deep learning y machine learning a sistemas NLP complejos-
dc.typeinfo:eu-repo/semantics/masterThesis-
dc.audience.educationlevelEstudis de Màsterca
dc.audience.educationlevelEstudios de Másteres
dc.audience.educationlevelMaster's degreesen
dc.contributor.directorKanaan Izquierdo, Samir-
dc.contributor.tutorVentura Royo, Carles-
dc.rights.accessRightsinfo:eu-repo/semantics/openAccess-
Appears in Collections:Bachelor thesis, research projects, etc.

Files in This Item:
File Description SizeFormat 
jmartinezvalbTFM0719.pdf838.49 kBAdobe PDFView/Open

This item is licensed under a Creative Commons License Creative Commons