Please use this identifier to cite or link to this item: https://hdl.handle.net/10953/1094
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorL. Alfonso, Ureña López-
dc.contributor.advisorMartín Valdivia, María Teresa-
dc.contributor.advisorDíaz Galiano, Manuel Carlos-
dc.contributor.authorLópez Úbeda, Pilar-
dc.contributor.otherUniversidad de Jaén. Departamento de Informáticaes_ES
dc.date.accessioned2021-05-16T19:05:51Z-
dc.date.available2021-05-16T19:05:51Z-
dc.date.submitted2021-04-22-
dc.identifier.citationp.[http://hdl.handle.net/10953/]es_ES
dc.identifier.isbn978849159es_ES
dc.identifier.urihttp://hdl.handle.net/10953/1094-
dc.description.abstractEl reconocimiento de entidades con nombre (NER) es una tarea importante en el campo del Procesamiento del Lenguaje Natural que se utiliza para extraer conocimiento significativo de los documentos textuales. El objetivo de NER es identificar trozos de texto que se refieran a entidades específicas. En esta tesis pretendemos abordar la tarea de NER en el dominio biomédico y en español. En este dominio las entidades pueden referirse a nombres de fármacos, síntomas y enfermedades y ofrecen un conocimiento valioso a los expertos sanitarios. Para ello, proponemos un modelo basado en redes neuronales y empleamos una combinación de word embeddings. Además, nosotros generamos unos nuevos embeddings específicos del dominio y del idioma para comprobar su eficacia. Finalmente, demostramos que la combinación de diferentes word embeddings como entrada a la red neuronal mejora los resultados del estado de la cuestión en los escenarios aplicados.es_ES
dc.description.abstractNamed Entity Recognition (NER) is an important task in the field of Natural Language Processing that is used to extract meaningful knowledge from textual documents. The goal of NER is to identify text fragments that refer to specific entities. In this thesis we aim to address the task of NER in the Spanish biomedical domain. In this domain entities can refer to drug, symptom and disease names and offer valuable knowledge to health experts. For this purpose, we propose a model based on neural networks and employ a combination of word embeddings. In addition, we generate new domain- and language-specific embeddings to test their effectiveness. Finally, we show that the combination of different word embeddings as input to the neural network improves the state-of-the-art results in the applied scenarios.es_ES
dc.description.sponsorshipTesis Univ. Jaén. Departamento de Informática. Leída el 22 abril de 2021.es_ES
dc.language.isospaes_ES
dc.publisherJaén : Universidad de Jaénes_ES
dc.rightsLicencia Reconocimiento-NoComercial-SinObraDerivada 3.0 Españaes_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 España*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/*
dc.subjectProcesamiento del Lenguaje Naturales_ES
dc.subjectaprendizaje profundoes_ES
dc.subjectrepresentación de palabrases_ES
dc.subjectcorpus en españoles_ES
dc.subjectreconocimiento de entidades biomédicases_ES
dc.subjectNatural Language Processinges_ES
dc.subjectdeep learninges_ES
dc.subjectSpanish corporaes_ES
dc.subjectbiomedical entity recognitiones_ES
dc.subjectword embeddingses_ES
dc.titleBiomedical entities recognition in Spanish combining word embeddingses_ES
dc.typeinfo:eu-repo/semantics/doctoralThesises_ES
europeana.type.TEXTTEXTes_ES
dc.subject.udc120304 Inteligencia Artificiales_ES
dc.subject.udc120317 Informáticaes_ES
europeana.dataProviderUniversidad de Jaén. Españaes_ES
europeana.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/es/es_ES
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses_ES
Appears in Collections:Tesis

Files in This Item:
File Description SizeFormat 
Thesis_plubeda.pdf1,99 MBAdobe PDFThumbnail
View/Open


This item is protected by original copyright