El proceso de extraer conocimiento del texto del lenguaje natural plantea un problema complejo que requiere una combinación de técnicas de aprendizaje automático y una selección adecuada de características. Los avances recientes en el aprendizaje automático de máquinas (AutoML) proporcionan herramientas efectivas para explorar grandes conjuntos de algoritmos, hiperparámetros y características para encontrar la combinación más adecuada de ellos. Este artículo propone una nueva estrategia AutoML basada en la evolución gramatical probabilística, que se evalúa en el dominio de la salud al enfrentar el desafío de descubrimiento de conocimiento en documentos de texto en español. Nuestro enfoque logra resultados de vanguardia y proporciona información interesante sobre la mejor combinación de parámetros y algoritmos para usar cuando se enfrenta este desafío. El código fuente se proporciona para la comunidad de investigación.
Cita Bibliográfica: Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics, pages 4356–4365
Autores: Estevez-Velarde, Suilan | Gutiérrez, Yoan | Montoyo, Andrés | Almeida-Cruz, Yudivián