Mensaje de error

Deprecated function: implode(): Passing glue string after array is deprecated. Swap the parameters en drupal_get_feeds() (línea 394 de /servicios/web/docs/gplsi13/includes/common.inc).

De Oraciones a Documentos: extendiendo Abstract Meaning Representation para la comprensión de textos

La sobreabundancia de información y su heterogeneidad requieren nuevas formas de acceder, procesar y generar conocimiento de acuerdo con las necesidades del usuario. Por ello, definir un formalismo adecuado para representar la información textual capaz de permitir a los ordenadores comprender y generar el lenguaje, es crucial para lograr esta tarea. Abstract Meaning Representation (AMR) es una representación del conocimiento estándar que puede capturar la información codificada en una oración en varios niveles lingüísticos.

Social Analytics Process v2.0

Social Analytics Process v2.0 es un software informático que procesa, analiza y clasifica contenido usualmente procedente de las redes sociales a gran velocidad y lo almacena de forma optimizada para poder realizar posteriores análisis, agrupaciones y visualizaciones de datos en tiempo real. Entre los datos que se extraen podemos destacar aquellos proporcionados por las propias fuentes de información como son lugares, autores, likes (anotación colaborativa por los usuarios que gusta el contenido), número de seguidores de cada contenido y otros.

Social Analytics Listener v2.0

Social Analytics Listener v2.0 es una aplicación que permite la descarga de contenido de las redes sociales de modo organizado y estable. Esto es posible mediante el uso de las APIs (en inglés Application Program Interface) proporcionadas por redes sociales que permiten dos tipos de estrategias distintas de descarga. Una de ellas es enviar una consulta con ciertos términos para recuperar todo aquel contenido que contenga dichos términos y entonces recibir los contenidos pertinentes a medida que estos sean publicados en las redes. Este es el caso de Twitter.

Clase de la obra: 
Programa de ordenador

Social Analytics Web Interface v2.0

Social Analytics Web Interface v2.0 es una aplicación web que permite visualizar y gestionar gráficas estadísticas avanzadas sobre contenido de las redes sociales, tanto a nivel histórico como en tiempo real. Esto es posible gracias al consumo de servicios webs estándares que ofrecen metadatos en formato JSON sobre analítica social, como es el caso de Social Analytics Process v2.0 (ver publicación en RUA). Social Analytics Web Interface v2.0 ofrece a nivel general las siguientes funcionalidades:

Clase de la obra: 
Programa de ordenador

Social Analytics Database v2.0

Social Analytics Database v2.0 es una base de datos cuyo objetivo principal es el almacenamiento de mensajes encontrados en las redes sociales, para generar análisis e informes sobre esos mensajes en tiempo real. Además, también se almacenan los temas a seguir (organizados en colecciones y entidades) y los parámetros de búsqueda, mediante los cuales se han obtenido dichos mensajes, con el fin de tener una mejor visión y organización de los informes generados. Para este fin, se utilizan dos tecnologías de bases de datos diferentes.

Clase de la obra: 
Estructura y disposición de base de datos

GPLSI Wikipedia Characterisation V1.0: Descubrimiento y Vinculación de Entidades a Wikipedia

GPLSI Wikipedia Characterisation (Descubrimiento y vinculación de entidades a Wikipedia) constituye un servicio web con tecnología RESTful. Este servicio ofrece la funcionalidad de analizar contenidos textuales para descubrir menciones de entidades y enlazarlas a Wikipedia mediante el uso de DBpedia, su versión estructurada. Como resultado se obtiene una lista de sugerencias de URIs de DBpedia (cada URI se corresponde con una página de Wikipedia) por cada entidad, ordenadas por el grado de confianza (en el intervalo [0,1]).

Clase de la obra: 
Programa de ordenador

GPLSI Sentiment Analysis V1.0: Análisis de sentimientos en textos

GPLSI Sentiment Analysis v1.0 constituye un servicio web con tecnología RESTful que a su vez involucra librerías de programación útiles para sistemas de terceros. El objetivo de esta tecnología es analizar textos en idioma Inglés y detectar la polaridad de los sentimientos (estados de opinión) expresados. La funcionalidad para detectar la polaridad de los sentimientos implica dos niveles de granularidad: polaridad a nivel global (PNG) y polaridad a nivel de aspectos (PNA).

Clase de la obra: 
Programa de ordenador

GPLSI Emotion Analysis V1.0: Análisis de emociones en textos

GPLSI Emotion Analysis v1.0 constituye un servicio web con tecnología RESTful que a su vez involucra librerías de programación útiles para sistemas de terceros. El objetivo de esta tecnología es analizar textos en idioma Inglés para detectar y clasificar las emociones expresadas. La Detección y Clasificación de Emociones en textos permite identificar y clasificar las emociones expresadas en un texto. La herramienta aquí descrita es capaz de discriminar entre el siguiente conjunto de emociones: alegría, tristeza, disgusto, miedo y sorpresa.

Clase de la obra: 
Programa de ordenador

Estudio de un enfoque híbrido para la Generación del Lenguaje Natural

Este proyecto de tesis plantea una aproximación híbrida para la generación del lenguaje natural, la cual permitirá mejorar la calidad del texto producido, favoreciendo la independencia del dominio, del género textual y de la aplicación final donde se utilice. Con el fin de lograr este objetivo, se ha implementado un enfoque flexible de generación centrado en la fase de realización, el cual, apoyándose en conocimientos estadísticos y en lexicones, permite generar textos para diferentes dominios e idiomas guiados por la entrada.

Analysing the influence of semantic knowledge in natural language generation

This paper conducts an evaluation of several traditional Language Models for the task of Natural Language Generation, focusing on the surface realisation stage. Specifically, we analyse and compare the n-gram language models and the factored language models through the evaluation of automatically generated sentences. In this manner, factored language models have shown to be better, improving the coherence of the generated sentences compared with the ones generated with n-grams.

Páginas

Suscribirse a RESCATA RSS