1 / 10

Uma abordagem baseada em densidade conceitual para a desambiguação de topônimos

Uma abordagem baseada em densidade conceitual para a desambiguação de topônimos. DAVIDE BUSCALDI PAULO ROSSO. Emilia Alves de Souza. Introdução. Topônimos Corpus Ambiguidade: com outra localidade: Campo Grande: cidade no RJ ou no MS com outro tipo de entidade não geográfica:

loe
Download Presentation

Uma abordagem baseada em densidade conceitual para a desambiguação de topônimos

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Uma abordagem baseada em densidade conceitual para a desambiguação de topônimos DAVIDE BUSCALDI PAULO ROSSO Emilia Alves de Souza

  2. Introdução • Topônimos • Corpus • Ambiguidade: • com outra localidade: • Campo Grande: cidade no RJ ou no MS • com outro tipo de entidade não geográfica: • Mariana: cidade ou nome de pessoa • com nomes sinônimos: • Brasil ou BR

  3. Introdução • WSD (Word SenseDisambiguation) • Resolução de topônimos • Mapa: coordenadas geográficas • Corpus: dados de treinamento • Conhecimento: ontologias, dicionários

  4. Introdução • Figura 1: RepresentaçãodaontologiaWordNetparaa localizaçãoLondon

  5. Densidade conceitual baseada em WSD • Figura2: sentidos de umapalavranaWordNet

  6. Densidade conceitual 2 • 1 • Figura3: exemplo de sub-hierarquiaspara a desambiguaçãodapalavraGeórgia

  7. Experimentos • 3 tipos de contextos • Sentença; • Parágrafo; • Documento. • Teste sobre um corpus (SemCor) composto por 352 textos • 1.210 topônimos • Comparação • Baseline MF • O algoritmo de Lesk

  8. Medidas • P = ws corretamente desambiguadas ws desambiguadas • R = ws corretamente desambiguadas ws na coleção • F = 2* P*R P + R

  9. Resultados • Tabela 1: Comparação dos melhores resultados obtidos • pelos sistemas baseados em conhecimento

  10. Referências • AGIRRE, E. and RIGAU, G., 1996, Word sense disambiguation using conceptual density. • BANERJEE, S. and PEDERSEN, T., 2002, AnadaptedLeskalgorithm for wordsensedisambiguationusingWordNet.

More Related