JBeaver: análisis y generación de analizadores de dependencias

Abstract

JBeaver es un sistema de análisis y generación de analizadores de dependencias.
Podemos crear corpora de entrenamiento, entrenar a un sistema automático de
aprendizaje y por último realizar análisis y evaluarlos tanto gráfica como estadísticamente.
Todo ello siendo éste un sistema autónomo, fácil de usar, portable,
con un alto rendimiento y por supuesto, debido a su carácter didáctico y de
investigación, público y gratuito. El sistema consta de tres módulos funcionales:
Entrenamiento: Crea corpora de dependencias a partir de árboles de constituyentes
mediante la transformación del algoritmo de Gelbukh (Universidad
Autónoma de México). Realiza el entrenamiento de la herramienta de aprendizaje
automático Maltparser_0.4 por medio del corpus de dependencias, generando
un modelo.Evalúa los resultados para garantizar la calidad del entrenamiento,
usando las métricas: Label attachment score (LAS), Unlabel attachment score
(UAS) y Label accuracy.
Análisis : Etiqueta cada token de un texto con sus part-of-speach (categorías
gramaticales). Analiza el texto de entrada, ya etiquetado, gracias al modelo
creado en el entrenamiento. Evalúa los resultados para garantizar la calidad del
análisis, usando las métricas: Label attachment score (LAS), Unlabel attachment
score (UAS) y Label accuracy.
Gráco: Muestra en forma de árbol todas las frases que seleccionemos tanto
del análisis como del entrenamiento. Existen dos formas de visualización: Por
pasos (para observar su creación) Directamente.