El proyecto REDES (Reconocimiento de Entidades Digitales: Enriquecimiento y Seguimiento mediante Tecnologías del Lenguaje) con referencia a sus subproyectos TIN2015-65136-C2-1-R, TIN2015-65136-C2-2-R, está parcialmente financiado por la Universidad de Alicante, Universidad de Jaen y el gobierno de España a través del programa Programa Estatal de I+D+i Orientada a los Retos de la Sociedad (Proyectos I+D+i 2015) del Ministerio de Economía, Industria y Competitividad.
Acknowledgements
The REDES project (Reconocimiento de Entidades Digitales: Enriquecimiento y Seguimiento mediante Tecnologías del Lenguaje) with reference to its subprojects TIN2015-65136-C2-1-R, TIN2015-65136-C2-2-R, is partially funded by the University of Alicante, University of Jaen and the Spanish Government through the program National Programme for Research Aimed at the Challenges of Society (Projects I+D+i 2015) of the Ministry of Economy, Industry and Competitiveness.
Resumen de la aplicación: 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).
Resumen de la aplicación: 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.
Resumen de la aplicación: 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]).
This ontology aims to capture the semantics of documents through a set of key aspects in texts, such as the temporal dimension, presence of named entities, detection of opinionated information, or conceptual classifications. In addition, the ontology provides a lexical dimension, where the sentence of each document, and a possible summary derived from it, are taken into account. These are determining factors for setting up our own interpretation of possible scenarios (a meta-level specification) and vocabulary. Since our ontology aims to be reused by a large community, we tried to establish basic NLP terminology that was hierarchized by experts in this research field.
Social Analytics Listener 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.
Social Analytics Process es un software informático que procesa, analiza y clasifica contenido 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 la propias fuentes de información como son lugares, autores, likes (anotación colaborativa por los usuario que gusta el contenido), número de seguidores de cada contenido y otros.