Construcción de Grafos de Conocimiento mediante Deep Learning: Enfrentando los Desafíos de Textos Largos

Abstract

En la actualidad, el área del procesamiento del lenguaje natural (PLN) se encuentra en constante expansión, ampliando sus fronteras. Como todo proceso de expansión, esto conlleva nuevos avances y descubrimientos, a la par que nuevas problemáticas. Este estudio busca profundizar en uno de estos problemas, específicamente en el análisis de textos largos en el ámbito de la generación de grafos de conocimientos. Los textos largos plantean desafíos totalmente distintos a los que plantean los textos cortos, necesitando de nuevas técnicas para afrontarlos con éxito. En este estudio se mostrará el estado del arte actual en el área, así como el desarrollo de modelos y técnicas para sobreponerse a las dificultades que se presentan.

En sí, el objetivo principal es mostrar como diversas técnicas son aplicables para el análisis de textos largos y como estas afectan a la eficacia del propio análisis, resultando en un estudio comparativo. Para ello se hará uso de diversas métricas, entre las que destacan precisión y recall, similitud de Jaccard y Hit@N. Como resultado de este estudio se podrá observar como el uso de técnicas para reducir el tamaño del texto, como realizar un preprocesado mediante resúmenes, ofrece una mejora notable en la precisión, pero debido a la pérdida de información, se detectan considerablemente menos relaciones. También se destacará el uso de los modelos que se han desarrollado para el análisis de textos cortos, demostrando su ineficacia en ellos.