Título: «Un modelo de redes neuronales artificiales inspirado en la semántica cognitivas»
Director: Enrique Carlos Segura
Jurados:
Dra. Irene Callejón – – Prof. Tit., Universitat Autònoma de Barcelona
Dra. Silvia Schiaffino – – Prof. Asoc., UNICEN – Inv. Ppal., CONICET
Dr. Agustín Gravano – – Inv. Indep., CONICET

Link de youtube para la transmisión: https://youtu.be/0lEjYqaeWQU

Resumen:
La extracción y representación eficiente de información a partir del conocimiento expresado en lenguajes naturales es de suma importancia teniendo en cuenta la gran cantidad de saber que existe en esta forma. Sin embargo, estos problemas han probado ser de difícil tratamiento a pesar de haber sido empleadas variadas estrategias a lo largo de los años.
Originalmente las técnicas de inteligencia artificial para el procesamiento del lenguaje natural estaban basadas en la semántica estructuralista, por lo que requerían del análisis sintáctico de las sentencias, y la clasificación en categorías semánticas de las palabras, entre otros. Actualmente los modelos basados en redes neuronales artificiales pueden obtener muy buenos resultados y no requieren del mismo tipo de preprocesamiento sintáctico pero tienden a poseer una alta complejidad y costo de entrenamiento.
En este trabajo se propone un nuevo tipo de modelo alternativo, también basado en redes neuronales artificiales e inspirado en la semántica cognitiva, para convertir información secuencial en vectores de dimensión fija.
Este modelo fue utilizado en la codificación de tanto palabras como sentencias. En el caso de las palabras se pudo demostrar su capacidad para representar información morfológica y robustez ante variaciones asociadas a distintos tipos de errores. Para las sentencias también se pudo verificar la correlación semántica entre representaciones obtenidas por el modelo y evaluaciones hechas por humanos sobre datos provenientes de fuentes reales, como también otras estimaciones realizadas para datos artificiales.
Así mismo, el modelo propuesto no solo brinda una alternativa más sencilla evitando las desventajas mencionadas inicialmente, sino que además permite superar algunos inconvenientes aún existentes en las técnicas más avanzadas y facilita la integración con otras estrategias de aprendizaje automático.

Palabras clave: Redes neuronales artificiales, procesamiento del lenguaje natural, aprendizaje profundo, semántica cognitiva