Acceso usuarios
El artículo examina la extracción de conceptos y la simplificación léxica en el ámbito financiero en español. La extracción de conceptos implica identificar términos y frases relevantes utilizando modelos de lenguaje de inteligencia artificial, mientras que el objetivo de la simplificación léxica es hacer que los conceptos financieros complejos sean más accesibles. Se han anotado términos en el corpus financiero FinT-esp y se ha utilizado el modelo neuronal mT5 para una extracción precisa de términos, logrando resultados notables: el 96% de los términos detectados no habían sido previamente anotados de manera manual, lo que demuestra su capacidad generativa. Para la simplificación léxica, se proponen tres estrategias principales: parafraseo, sustitución de sinónimos y traducción, integradas en una interfaz interactiva que aborda el problema de la longitud de las oraciones. Esta investigación contribuye significativamente a la detección de conceptos financieros y ofrece un método efectivo para simplificar el lenguaje financiero en español
This paper delves into concept extraction and lexical simplification in the financial domain in Spanish. In our approach, concept extraction involves identifying relevant terms and phrases using AI language models, while lexical simplification aims to make complex financial concepts more accessible. For this study, terms were annotated in the FinT-esp financial corpus and the mT5 neural model was used for accurate term extraction. The model yielded remarkable results: 96% of the detected terms had not been manually annotated before, showcasing its noteworthy generative capability. For lexical simplification, the paper proposes three main strategies: paraphrasing, synonym substitution, and translation, all integrated into an interactive interface that addresses the issue of sentence length. This research significantly contributes to financial concept detection and offers an effective method for simplifying financial language in Spanish.
