LATENT RELATIONAL ANALYSIS (LRA)

Latent Relational Analisis (LRA) se fija en 2 tipos de similitud semantica: atrubucional y relacional. Basicamente en similitud atribucional, dos palabras/terminos que tengan un alto grado de similitud atribucional son conocidos como sinonimos, y 2 pares de palabras con un alto grado de similitud relacional, son conocidos como analogias.

En cuanto a las aplicaciones, similitud atribucional puede ser utilizada para reconocer sinonimos, para propositos de IR, orientacion semantica de terminos, midiendo cohesion textual, generacion automatica de vocabularios y desambiguacion de palabras ente otros ejemplos. En cambio, similitud relacional puede ser utilizada para reconocer analogias de palabras, para clasificar relaciones semanticas, para traducciones, desambiguacion del significado de palabras, extraccion de informacion, proceso metaforico de texto, identificar roles semanticos, hacer analogias, y generacion de vocabularios o IR (information retrieval).

Hay muchas tecnicas para medir la similitud relacional. Una manera es la basada en recopilacion que requiere apredizaje sin supervision (ej: para aprender dos relaciones, como R1 y R2) desde una recopilacion muy grande. Hay algunas diferencias entre LRA y Vector Space Model (VSM), pero las primeros tres son que los patrones de union de LRA son aprendidos desde la recopilacion, en otras palabras, no son construidas a mano. Tambien, la aplicacion de Singular Value Decomposition (SVD) suaviza la informacion, y por ultimo LRA explora sinonimos de los pares de palabras.

Es sabido que LRA actua mejor que VSM segun tests, pero hay lugar para mejoras. Latent Relational Analysis es un nuevo metodo usado para calcular similitud relacional y producir analisis de palabras como humanos. Tambien extiende el metodo de VSM en tres maneras diferentes: generando patrones dinamicos, usandolos para suavizar la informacion, y reformulando los pares de palabras usando vocabularios. Esto permitira nuevas aplicaciones en el futuro.