| Título: | Generación de textos adaptativa a partir de una elección léxica basada en emociones |
| Autores: | Bautista Blasco, Susana |
| Tipo de documento: | texto impreso |
| Fecha de publicación: | 2008 |
| Dimensiones: | application/pdf |
| Nota general: |
cc_by_nc info:eu-repo/semantics/openAccess |
| Idiomas: | |
| Palabras clave: | Estado = No publicado , Materia = Ciencias: Informática: Inteligencia artificial , Tipo = Trabajo Fin de Máster |
| Resumen: |
La generación automática de lenguaje natural es un tema muy amplio que abarca muchos sistemas, diferentes técnicas y diversos resultados. Cuando hablamos de generación de lenguaje natural nos referimos a la capacidad de traducir información no lingüística de entrada a la máquina, a un texto legible por humanos. Los sistemas desarrollados hasta el momento son capaces de generar dos tipos de textos. Los textos objetivos en los que se presenta información en un dominio concreto, por ejemplo, información metereológica, y los textos subjetivos en los que se generan historias donde la carga semántica aumenta mucho. En los textos objetivos, las connotaciones emocionales no influyen, ya que por ejemplo, para dar un informe sobre una máquina, la información es objetiva y no tiene carga emocional. Pero a la hora de generar historias, la carga emocional entra en juego e influye en la generación de los textos. No es lo mismo generar historias con carga emocional de tristeza que de euforia. Según el enfoque clásico, las etapas de un generador de textos son principalmente tres: la planificación del contenido, la planificación de las frases y la realización lingüística. La información emocional puede influir en distintas fases de las etapas de la generación de lenguaje, pero en la propuesta desarrollada en este trabajo, las connotaciones emocionales entran en juego en la fase de elección léxica, perteneciente a la etapa de planificación de frases de un generador. En este trabajo fin de máster, se presenta un nuevo módulo para la fase de elección léxica en el que a parte de recibir el término a lexicalizar, recibe información emocional. El módulo recibe como entrada el término y la información emocional, utilizando recursos léxicos y emocionales, genera como salida la opción léxica más apropiada. A la hora de elegir la opción léxica más apropiada para el término de entrada, se tiene en cuenta esa información emocional para conseguir una generación adaptativa. [ABSTRACT] Automatic Natural Language Generation is a very broad concept which covers many systems, different techniques and varying results. Natural Language Generation is a set of technologies and Artificial Intelligence models which try to translate non-liguistic information to human readable texts. Nowadays, NLG systems are able to generate two different kinds of texts: objective texts where information is presented in a specific scope and subjective texts from which stories are generated and semantic load is very important. Emotional connotations have no influence on objective texts. For example, to report about a machine, the information is objective and it has not semantic load. But when it is time to generate stories the semantic load has influence on the text generation. The main stages of a text generator are three: content planning, sentence planning and surface realizing. Emotional information can have influence on different phases of the Natural Language Generation but in the our approach, the semantic load has influence on the lexical choice phase belonging to the sentence planning stage of a generator. This work describes a new module for the lexical choice phase where inputs are the term and the semantic load. The inputs are the term and emotional information, using lexical and emotional resources, the module generates the most suitable lexical choice as output. When choosing the most suitable lexical choice to the input term, the semantic load is taken into account in order to achieve an adaptive generation. |
| En línea: | https://eprints.ucm.es/id/eprint/10061/1/ProyectoFinMaster.pdf |
Ejemplares
| Estado |
|---|
| ningún ejemplar |
