Named entity recognition in handwritten text images from the k best transcripts
[ES] El reconocimiento de entidades nombradas es un problema relevante en tareas de Procesamiento de Lenguaje Natural. Por lo que resulta de especial relevancia en el reconocimiento de imágenes de textos manuscritos. Este problema se aborda usualmente en textos electrónicos planos que no suelen pres...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2023 |
| País: | España |
| Institución: | Universitat Politècnica de València (UPV) |
| Repositorio: | RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia |
| Idioma: | inglés |
| OAI Identifier: | oai:riunet.upv.es:10251/202314 |
| Acceso en línea: | https://riunet.upv.es/handle/10251/202314 |
| Access Level: | acceso abierto |
| Palabra clave: | Campo aleatorio condicional (CRF) Bi-LSTM Módulos de memoria bidireccionales Reconocimiento de entidades nombradas Aprendizaje profundo, k-mejores transcripciones Estidades nombradas Texto manuscrito antiguo K-best transcriptions Deep learning Named entity recognition LENGUAJES Y SISTEMAS INFORMATICOS Máster Universitario en Inteligencia Artificial, Reconocimiento de Formas e Imagen Digital-Màster Universitari en Intel·ligència Artificial, Reconeixement de Formes i Imatge Digital |
| Sumario: | [ES] El reconocimiento de entidades nombradas es un problema relevante en tareas de Procesamiento de Lenguaje Natural. Por lo que resulta de especial relevancia en el reconocimiento de imágenes de textos manuscritos. Este problema se aborda usualmente en textos electrónicos planos que no suelen presentar problemas de ruido. En el caso de que el texto a tratar sea el resultado de un proceso previo de reconocimiento de texto manuscrito es de esperar que este texto presente problemas de rurido (palabras mal reconocidas, variantes de la misma palabra, etc.). En reconocimiento de texto manuscrito es posible obtener la k mejores transcripcciones a partir de un modelo entrenado. Estas k mejores transcripciones pueden obtenerse tanto en el test como en el training. En este trabajo se pretende estudiar cómo fortalece el problema del reconocimiento de entidades nombradas haciendo uso de las k mejores transcripciones. Los resultados obtendos se evaluarán con medidas estándar y la experimentación se realizará con una base de datos de documentos antiguos del Archivos General de Simancas. |
|---|