Corrección no supervisada de dependencias sintácticas de aposición mediante clases semánticas

Abstract

En este artículo exploramos de qué manera el conocimiento semántico adquirido de manera automática a partir de grandes colecciones de texto permite mejorar el resultado de un analizador sintáctico. Para ello proponemos un método no supervisado que corrige dependencias de aposición buscando en su contexto candidatos con mayor compatibilidad semántica que el proporcionado por el analizador sintáctico en primera instancia.

In this article we explore how automatic acquired semantic knowledge from large text collections allows to improve a syntactic parser. We propose an unsupervised method that corrects appositions dependencies by searching candidates in its context more semantically suitable than the one proposed by the syntactic parser in the first place.