Debido a la revitalización lingüística en el Perú a lo largo de los últimos años, existe un
creciente interés por reforzar la educación bilingüe en el país y aumentar la investigación
enfocada en sus lenguas nativas. Asimismo, hay que considerar que en el Perú actualmente
alrededor de 4 millones de personas hablan alguna de las 47 lenguas nativas conservadas. Por
tanto, hay una gran variedad de lenguas con las cuales trabajar, por lo que sería de utilidad
contar con herramientas automáticas que permitan agilizar algunas tareas en el estudio e
investigación de dichas lenguas.
De este modo, y desde el punto de vista de la informática, una de las primeras y
principales tareas lingüísticas que incorporan métodos computacionales es la identificación
automática de lenguaje, la cual se refiere a determinar el lenguaje en el que está escrito un
texto dado, el cual puede ser un documento, un párrafo o incluso una oración. Este además es
un paso esencial en el procesamiento automático de los datos del mundo real, donde una
multitud de lenguajes pueden estar presentes, ya que las técnicas de procesamiento del
lenguaje natural típicamente presuponen que todos los documentos a ser procesados están
escritos en un lenguaje dado.
Por lo tanto, este trabajo se enfoca en tres pasos: (1) en construir desde cero un corpus
anotado digital para 49 lenguas y dialectos indígenas peruanos, (2) en adaptarse a los
enfoques de aprendizaje de máquina estándar y profundo para la identificación de lenguas, y
(3) en comparar estadísticamente los resultados obtenidos.
Los resultados obtenidos fueron prometedores, el modelo estándar superó al modelo de
aprendizaje profundo tal como se esperaba, con una precisión promedio de 95.9%. En el
futuro, se espera que se aproveche el corpus y el modelo para tareas más complejas. / Tesis
| Identifer | oai:union.ndltd.org:PUCP/oai:tesis.pucp.edu.pe:123456789/13482 |
| Date | 12 February 2019 |
| Creators | Espichán Linares, Alexandra Mercedes |
| Contributors | Oncevay Marcos, Félix Arturo |
| Publisher | Pontificia Universidad Católica del Perú |
| Source Sets | Pontificia Universidad Católica del Perú |
| Language | Spanish |
| Detected Language | Spanish |
| Type | info:eu-repo/semantics/bachelorThesis |
| Format | application/pdf |
| Source | Pontificia Universidad Católica del Perú, Repositorio de Tesis - PUCP |
| Rights | info:eu-repo/semantics/openAccess, Atribución-NoComercial-CompartirIgual 2.5 Perú, http://creativecommons.org/licenses/by-nc-sa/2.5/pe/ |
Page generated in 0.0021 seconds