Naiara Pérez Miguel: "Contributions to Information Extraction for

Spanish Written Biomedical Text".

Zuzendariak_Directores: German Rigau Claramunt/ Montserrat Cuadros Oller.

2023_03_28, 10:00  Sala Ada Lovelace aretoa.

Abstract:

"Osasun zerbitzuen eta ikerketa klinikoaren ondorioz, egituratu gabeko datu digitalizatu kopuru handiak sortzen dira hizkuntza askotan, gaur egun azpiustiatuta daudenak, nahiz eta asistentzia-esperientzia hobetzeko, prestakuntzan eta heziketan laguntzeko, edota ikerketa biomedikoa ahalbidetzeko erabili litezkeen, besteak beste. Eduki horiek informazio esanguratsu eta egituratu bihurtzeko, Hizkuntza Naturalaren Prozesamenduan (ingelesez NLP, Natural Language Processing) oinarritutako mekanismo aurreratuak behar dira. NLP arloan, zeregin horri Informazio Erauzketa esaten zaio. Lan hau eremu honen barruan kokatzen da, zehazki, gazteleraz idatzitako testuei bideratuta. Ildo honetan, hainbat ekarpen egin ditugu ondorengo hiru ikerketa lerroen inguruan. Lehenik, gainbegiratutako ikasketa automatikoan oinarritutako hainbat teknika konparatu ditugu datu sentsibleen ezagutza eta sailkapenerako. Zehazki, teknika horiek eta haien transferentzia gaitasuna aztertu ditugu bi corpus desberdinetan: bata sintetikoa, eta egiazkoa bestea.  Bigarrenez, termino biomedikoak identifikatzeko sistema bat aurkeztu eta ebaluatu dugu: UMLSmapper. Sistema hori gai da terminoak ezagutu eta kodifikatzeko etiketatutako datuen edota entitate izendunen ezagutzarako (ingelesez NER, Named Entity Recognition) tresnen beharrik gabe. Gure esperimentuetan, teknikoki konplexuagoak diren beste sistema batzuk berdindu edo gainditu ditu. Azkenik, NUBes aurkeztu dugu, ezeztapen eta duda adierazpenekin eskuz etiketatutako corpusa. Bi esperimentutan erabili dugu corpus hori: batetik, marka eta irismenaren detekzioan, eta bestetik, asertzioen sailkapenean. Tesian zehar, sofistikazio eta berritasun maila desberdinetako teknikak aplikatu eta konparatu ditugu, lan hau burutu den urteetan NLP alorrak izan duen aurrerapen azkarraren isla".