Procesamiento de Lenguaje Natural para la búsqueda de patrones en demencia
Los efectos en la capacidad lingüística de las personas con algún tipo de demencia se reflejan en el léxico (sus diccionarios mentales y su habilidad para entender palabras complejas) más que en su habilidad para formular enunciados completos y fluentes. Análisis indican que la riqueza del léxico y...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2020 |
| País: | México |
| Recursos: | Universidad Autónoma de Querétaro |
| Repositorio: | Repositorio Institucional de la Universidad Autónoma de Querétaro |
| OAI Identifier: | oai:ri-ng.uaq.mx:123456789/1942 |
| Acesso em linha: | http://ri-ng.uaq.mx/handle/123456789/1942 |
| Access Level: | acceso abierto |
| Palavra-chave: | Procesamiento de Lenguaje Natural Clasifiación de texto demencia red neuronal INGENIERÍA Y TECNOLOGÍA |
| Resumo: | Los efectos en la capacidad lingüística de las personas con algún tipo de demencia se reflejan en el léxico (sus diccionarios mentales y su habilidad para entender palabras complejas) más que en su habilidad para formular enunciados completos y fluentes. Análisis indican que la riqueza del léxico y la fluencia para hablar no son buenas cualidades en personas que padecen algún tipo de demencia (Bucks et al 2000). Existen estudios previos de las patologías del habla, las cuales incluyen el uso de pausas, palabras de relleno, palabras inventadas, reinicios, repeticiones, enunciados incompletos y difluencias (Guinn and Singer, 2014). Todos los factores anteriores se pueden presentar en individuos con algún tipo de demencia. A través de un análisis estadístico de métricas lingüísticas se buscan patrones para clasificar conversaciones de personas con demencia y personas sin demencia. Se usan dos algoritmos de aprendizaje automático para la clasificación binaria de la presencia o ausencia de demencia. El primero es una red neuronal de 3 capas la cual obtuvo una exactitud del 78.01 % en la clasificación de las conversaciones, y el segundo una máquina de soporte de vectores el cual obtuvo un 86.42% de exactitud. |
|---|