El trabajo realizado consiste en estudiar un conjunto de problemas relacionados con el tratamiento del lenguaje escrito (textos narrativos). se ha tomado, como punto central de la investigación, la información temporal:Como se expresa en el texto, como se interpreta, como ayuda al proceso de comprensión del texto y como se representa en un sistema de conocimiento.Se ha diseñado un prototipo (COTEM), basado en la investigación realizada. Escogiendo las noticias de periódico como muestra de textos narrativos.Utilizando un formalismo basado en francés, se ha implementado una base de conocimiento en la que se representan los elementos del dominio, el conocimiento lingüístico y el conocimiento general, con la inclusión de un modelo del tiempo. las instancias de elementos temporales y las relaciones entre ellas se crean y mantienen aparte en el sistema temporal.La expresión lingüística del tiempo se ha estudiado a dos niveles. a nivel de frase, proponemos una clasificación de las expresiones temporales, los patrones E-R-S para los tiempos verbales en castellano y la combinación de las expresiones temporales con los patrones verbales. a nivel de discurso, las noticias son clasificadas según su estructura narrativa y hemos definido relaciones entre estos tipos estructurales, los lexemas verbales y los tiempos verbales.El sistema temporal diseñado es independiente del dominio y consta de una red de elementos temporales de diferentes tipos (punto, intervalo cadena) conectada con un calendario. Aporta la novedad, entre otras, de distinguir entre elementos temporales cerrados y abiertos según si tienen o no, respectivamente, relación con elementos de calendario. Ello permite que el algoritmo de propagación de relaciones temporales sea más eficiente.El prototipo implementado trata las noticias a partir de una representación semántica del texto. Las noticias son interpretadas y su información es incorporada a todo el sistema.

Material addicional: http://hdl.handle.net/10230/6323 / Aquesta tesi doctoral té com a objectiu principal establir les bases per a un sistema de detecció semiautomàtica de relacions conceptuals a partir de textos especialitzats. Per arribar a aquest objectiu, la tesi presenta una definició de relació conceptual en el marc d'un enfocament comunicatiu de la terminologia i, a partir d'aquesta definició, l'autora detecta i aplica diversos marcadors lingüístics verbals per aïllar fragments textuals que continguin unitats de coneixement especialitzat, vehiculades mitjançant termes i relacions conceptuals. D'aquesta manera es pretén recuperar fragments de coneixement especialitzat a partir dels nusos de coneixement i de les seves relacions en textos de l'àmbit del genoma humà.Una de les aportacions principals d'aquesta tesi és l'aplicació d'una tipologia de relacions conceptuals validada empíricament a partir de textos especialitzats a la creació i alimentació d'una ontologia sobre el genoma humà. I orientat a complir l'objectiu general d'aquest treball, la detecció semiautomàtica de relacions conceptuals, l'autora proposa estratègies sintàctiques i semàntiques que permetin refinar al màxim aquests elements clau en l'organització de la informació especialitzada, combinant aquestes estratègies amb un detector i un extractor de terminologia. / The main goal of this Ph. dissertation is to establish the ground basis for a semiautomatic conceptual relations detector on the basis of specialised texts. In order to attain this goal, the Ph. dissertation includes a new definition of conceptual relations in a communicative approach to terminology. From this definition, the author detects and applies different linguistic verbal markers to isolate textual fragments containing specialised knowledge units expressed by terms and conceptual relations. The aim is to retrieve specialised knowledge fragments from knowledge nodes and the relations they establish among them in the human genome domain.One of the main contributions of this work is the application of a typology of conceptual relations empirically validated on the basis of specialised texts on the construction and updating of an ontology about the human genome domain. As for the general goal, the semiautomatic detection of conceptual relations, the author proposes syntactic and semantic strategies for the maximum refinement of the detection of these key elements in the specialised information organisation, together with the use of a term detector and extractor.Podeu consultar material addicional a http://repositori.upf.edu/handle/10230/6323

L'extracció d'informació és l'àrea del processament de llenguatge natural l'objectiu de la qual és l'obtenir dades estructurades a partir de la informació rellevant continguda en fragments textuals. L'extracció d'informació requereix una quantitat considerable de coneixement lingüístic. La especificitat d'aquest coneixement suposa un inconvenient de cara a la portabilitat dels sistemes, ja que un canvi d'idioma, domini o estil té un cost en termes d'esforç humà. Durant dècades, s'han aplicat tècniques d'aprenentatge automàtic per tal de superar aquest coll d'ampolla de portabilitat, reduint progressivament la supervisió humana involucrada. Tanmateix, a mida que augmenta la disponibilitat de grans col·leccions de documents, esdevenen necessàries aproximacions completament nosupervisades per tal d'explotar el coneixement que hi ha en elles. La proposta d'aquesta tesi és la d'incorporar tècniques de clustering a l'adquisició de patrons per a extracció d'informació, per tal de reduir encara més els elements de supervisió involucrats en el procés En particular, el treball se centra en el problema de la detecció de relacions. L'assoliment d'aquest objectiu final ha requerit, en primer lloc, el considerar les diferents estratègies en què aquesta combinació es podia dur a terme; en segon lloc, el desenvolupar o adaptar algorismes de clustering adequats a les nostres necessitats; i en tercer lloc, el disseny de procediments d'adquisició de patrons que incorporessin la informació de clustering. Al final d'aquesta tesi, havíem estat capaços de desenvolupar i implementar una aproximació per a l'aprenentatge de patrons per a detecció de relacions que, utilitzant tècniques de clustering i un mínim de supervisió humana, és competitiu i fins i tot supera altres aproximacions comparables en l'estat de l'art. / Information extraction is the natural language processing area whose goal is to obtain structured data from the relevant information contained in textual fragments. Information extraction requires a significant amount of linguistic knowledge. The specificity of such knowledge supposes a drawback on the portability of the systems, as a change of language, domain or style demands a costly human effort. Machine learning techniques have been applied for decades so as to overcome this portability bottleneck¿progressively reducing the amount of involved human supervision. However, as the availability of large document collections increases, completely unsupervised approaches become necessary in order to mine the knowledge contained in them. The proposal of this thesis is to incorporate clustering techniques into pattern learning for information extraction, in order to further reduce the elements of supervision involved in the process. In particular, the work focuses on the problem of relation detection. The achievement of this ultimate goal has required, first, considering the different strategies in which this combination could be carried out; second, developing or adapting clustering algorithms suitable to our needs; and third, devising pattern learning procedures which incorporated clustering information. By the end of this thesis, we had been able to develop and implement an approach for learning of relation detection patterns which, using clustering techniques and minimal human supervision, is competitive and even outperforms other comparable approaches in the state of the art.