Generación automática de quizzes para museos empleando técnicas de Deep Learning
En este trabajo se presenta el diseño de un algoritmo que permite obtener respuestas incorrectas a preguntas de donde se conoce la contestación correcta, empleando tecnologías de Web Semántica y técnicas de Deep Learning. Se plantea como entorno de explotación un minijuego, que se encuentra desplega...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2021 |
| País: | España |
| Institución: | Universidad Complutense de Madrid (UCM) |
| Repositorio: | Docta Complutense |
| Idioma: | español |
| OAI Identifier: | oai:docta.ucm.es:20.500.14352/5128 |
| Acceso en línea: | https://hdl.handle.net/20.500.14352/5128 |
| Access Level: | acceso abierto |
| Palabra clave: | 004(043.3) Reconocimiento de entidades nombradas Word2Vect DBpedia DBpedia SpotLigh Yago Wikicats Museo Nacional de Ciencias Naturales Named entity recognition National Museum of Natural Sciences Informática (Informática) 1203.17 Informática |
| Sumario: | En este trabajo se presenta el diseño de un algoritmo que permite obtener respuestas incorrectas a preguntas de donde se conoce la contestación correcta, empleando tecnologías de Web Semántica y técnicas de Deep Learning. Se plantea como entorno de explotación un minijuego, que se encuentra desplegado en el Museo de Ciencias Naturales de Madrid. El juego se basa en las áreas de las exposiciones como la evolución de la vida en la Tierra, que abarcan desde los primeros microorganismos hasta el Homo Sapiens, por medio de colección de fósiles, esqueletos, reconstrucciones e ilustraciones que recrean la vida en la Tierra en sus diferentes eras o etapas. Sobre esta base, se plantea la posibilidad de ampliar la programación del juego, en cuanto a un algoritmo que permita definir cuestionarios de tipo pregunta de opción múltiple, en donde habrá una respuesta correcta y tres incorrectas, con posibilidad de establecer niveles de conocimiento. La experiencia irá dirigida a famosos paleontólogos y sitios paleontológicos. Para esto, se emplean tecnologías de la Web Semántica como DBpedia y su variante SpotLigh, Wikidata, Wikipedia, Yago y técnicas de Deep Learning como es el caso de Word2Vect. |
|---|