Desarrollo de un modelo para encontrar la similitud semántica multilingüe

Resumen. En el presente trabajo se desarrollan dos modelos para detectar el grado de similitud semántica entre pares de sentencias. El primer modelo está basado en aprendizaje supervisado, este utiliza un vector compuesto por dieciséis características para la representación de cada par de sentencias, con el que se entrena un clasificador. El segundo es un modelo no supervisado, el cual, basa su funcionamiento en la reconstrucción de una de las sentencias por medio de la otra, apoyándose para esto en los sinónimos de las palabras que las componen. Los dos modelos fueron probados para los idiomas inglés y español, y presentan un desempeño aceptable para ambos idiomas.