Publications

Advanced search

Abstract

Juan M. Vilar. Aprendizaje de Transductores Subsecuenciales para su empleo en tareas de Dominio Restringido. Universidad Politécnica de Valencia. 1998. Advisor: Dr. E.Vidal

En esta tesis nos planteamos el problema del aprendizaje de traducciones en dominios restringidos. Estudiamos cuatro aproximaciones distintas al concepto de aprendizaje: + Aprendizaje en el límite: se considera el aprendizaje como el perfeccionamiento continuo al ver nuevos ejemplos. + Aprendizaje mediante queries: se considera el aprendizaje como un proceso de interrogación a un profesor hasta encontrar el conocimiento buscado. + Aprendizaje PAC: se considera el aprendizaje como la búsqueda de una aproximación razonable al conocimiento deseado. + Aprendizaje probabilístico: se considera el aprendizaje como el proceso de encontrar los valores de los parámetros de un modelo estadístico previamente definido. Centramos el estudio de las tres primeros aproximaciones en los traductores subsecuenciales ---un modelo formal de traducción, básicamente autómatas de estados finitos con salida---; el estudio del aprendizaje estadístico lo hacemos mediante un modelo estadístico de traducción basado en un nuevo tipo de alineamiento propuesto en esta tesis. Además, desarrollamos una manera de integrar los resultados obtenidos mediante los modelos estadísticos en el proceso de aprendizaje en el límite. Los resultados experimentales que presentamos muestran el buen funcionamiento de esta integración.