Search

En este informe científico se identifican los principales retos científicos en los cuales está enmarcado el grupo de investigación en procesamiento del lenguaje y sistemas de información (GPLSI) de la Universidad de Alicante (UA). El objetivo de este informe es establecer un plan de investigación basado en la experiencia y participación en proyectos de investigación, y subrayar los principales retos de futuro que nos permitan definir nuevos proyectos de investigación y desarrollo en los próximos años. La Generación Automática de Lenguaje Natural (GLN) es una tarea compleja que se apoya en numerosos recursos y herramientas del Procesamiento del Lenguaje Natural (PLN). La GLN comienza a dar resultados satisfactorios, al menos para ciertos dominios y objetivos, como se puede ver de los resultados obtenidos por parte del GPLSI. No obstante, requiere un importante esfuerzo investigador. En este artículo planteamos, desde la perspectiva que da la investigación realizada hasta ahora en grupo de investigación Procesamiento Natural y Sistemas de Información (GPLSI), futuras líneas de investigación en GLN, incorporando diferentes disciplinas y metas. Ministerio de Ciencia, Innovación y Universidades del Gobierno de España, programa PROMETEO de la Generalitat Valenciana, COST Action Distant Reading for European Literary History (CA16204 - Distant-Reading)

This article describes the evolution of Advertising Control in Spain, both in terms of Advertising Investment and Creativity, based on the experience and memories of the author, who has worked for the last 46 years in the main companies in this sector and has developed some of the services currently provided, especially in Creativity Control, being responsible for it in Repress, Nielsen, TeleTeca and, currently, in InfoAdex. El presente artículo describe la evolución del Control de la Publicidad en España, tanto en lo referente a la Inversión Publicitaria, como a la Creatividad, basado en la experiencia y recuerdos del autor, que ha trabajado en los últimos 46 años en las principales empresas de este sector y ha desarrollado algunos de los servicios que actualmente se prestan, especialmente en el Control de creatividad, siendo el responsable del mismo en Repress, Nielsen, TeleTeca y, actualmente, en InfoAdex.

Tradicionalmente, la comunicación entre alumnos y profesores se ha basado en la comunicación presencial y tutoriales virtuales, dicha comunicación, en general, se retrasa en el tiempo. Recientemente, los agentes conversacionales, en forma de chatbots, se han convertido en una realidad en las redes sociales y aplicaciones de mensajería, gracias a los avances en inteligencia artificial. Con respecto a la aplicación de las TIC en un contexto educativo, y el caso particular de UACloud en la Universidad de Alicante, la aplicación de chatbots en la enseñanza facilitaría el trabajo de los profesores y proporcionando respuestas inmediatas a los alumnos. El prototipo del chatbot presentado en esta red ha sido entrenado a través de un conjunto de tutoriales facilitados por distintos profesores. Se ha realizado un análisis de las tutorías y se han diseñado distintos flujos de conversación. Las frases de entrenamiento han sido extraídas y clasificadas según el tipo de tutoría. Y finalmente, se han establecido las diferentes intenciones. El análisis del texto de las tutorías muestra que en un alto porcentaje se repiten las mismas preguntas, por diferentes alumnos. Finalmente, discutimos el potencial de los chatbots en un contexto educativo, identificando necesidades y líneas futuras de trabajo.

En esta memoria se describe el proyecto llevado a cabo para mejorar el seguimiento y la calidad de la docencia de las asignaturas del tercer curso del Grado en Ingeniería Informática. En concreto, en este proyecto, nos centramos en los mecanismos de evaluación y en su distribución a lo largo del curso, así como en los conceptos fundamentales que se asocian a las diferentes asignaturas que se imparten en tercer curso del Grado en Ingeniería Informática. Se realizaron diversas reuniones entre los coordinadores de las distintas asignaturas para poner en común problemas relacionados con la planificación de las asignaturas así como dudas sobre las actividades de evaluación. Las reuniones permitieron intercambiar diferentes planteamientos con los que se habían abordado la evaluación de las asignaturas participantes en la red y que posibilitaron resolver problemas comunes. De igual forma se plantearon cuestiones abiertas sobre la planificación y la evaluación de las asignaturas que se dirigieron desde la red a la coordinación de la titulación en la Escuela Politécnica Superior. Finalmente, también se discutieron diferentes propuestas junto con las redes de otros cursos de la titulación para abordarlas en futuras redes.

El objetivo de este proyecto se basa en la necesidad de replantearse la filosofía clásica del TLH para adecuarse tanto a las fuentes disponibles actualmente (datos no estructurados con multi-modalidad, multi-lingualidad y diferentes grados de formalidad) como a las necesidades reales de los usuarios finales. Para conseguir este objetivo es necesario integrar tanto la comprensión como la generación del lenguaje humano en un modelo único (modelo LEGOLANG) basado en técnicas de deconstrucción de la lengua, independiente de su aplicación final y de la variante de lenguaje humano elegida para expresar el conocimiento. The main objective of this project is based on the need to reconsider the clasical HLT philosophy to adapt it, not only to the currently available resources (unstructured data with multimodality, multilinguality and different levels of formality) but also to the real needs of the final users. In order to reach this objective it is necessary to include the understanding as well as the generation of human language in a unique model (LEGOLANG model) based on language deconstruction techniques, independently of the final application and the human language variant chosen to express the knowledge. El proyecto LEGOLANG está financiado por el Ministerio de Economía y Competitividad con número de referencia TIN2012-31224.

Las investigaciones sobre la evaluación de los sistemas de Búsqueda de Respuestas (BR) sólo se han centrado en la evaluación de la precisión de los mismos. En este trabajo se desarrolla un procedimiento matemático para explorar nuevas medidas de evaluación en sistemas de BR considerando el tiempo de respuesta. Además, hemos llevado a cabo un ejercicio para la evaluación de sistemas de BR en la campaña CLEF-2006 usando las medidas propuestas. La principal conclusión es que la evaluación del tiempo de respuesta puede ser un nuevo escenario para la evaluación de los sistemas de BR. Previous works on evaluating the performance of Question Answering (QA) systems are focused in the evaluation of the precision. Nevertheless, the importance of the answer time never has been evaluated. In this paper, we developed a mathematic procedure in order to explore new evaluation measures in QA systems considering the answer time. Also, we carried out an exercise for the evaluation of QA systems within a time constraint in the CLEF-2006 campaign, using the proposed measures. The main conclusion is that the evaluation of QA systems in realtime can be a new scenario for the evaluation of QA systems.

The application of the multilingual knowledge encoded in Wikipedia to an open–domain Cross–Lingual Question Answering system based on the Inter Lingual Index (ILI) module of EuroWordNet is proposed and evaluated. This strategy overcomes the problems due to ILI’s low coverage on proper nouns (Named Entities). Moreover, as these are open class words (highly changing), using a community–based up–to–date resource avoids the tedious maintenance of hand–coded bilingual dictionaries. A study reveals the importance to translate Named Entities in CL–QA and the advantages of relying on Wikipedia over ILI for doing this. Tests on questions from the Cross–Language Evaluation Forum (CLEF) justify our approach (20% of these are correctly answered thanks to Wikipedia’s Multilingual Knowledge). This work has been developed in the framework of the project QALL-ME, which is a 6th Framework Research Programme of the European Union (EU), contract number: FP6-IST-033860.

Este artículo presenta nuestro sistema de Búsqueda de Respuestas (BR) bilingüe, llamado BRILI. BRILI ha participado en la tarea de BR Inglés–Castellano de la edición del 2006 del “Cross-Language Evaluation Forum” (CLEF) quedando en primera posición. BRILI está basado en el uso del módulo ILI (“Inter Lingual Index”) de EuroWordNet. Además, se muestra una evaluación sobre el conjunto de preguntas oficiales del CLEF que justifica nuestra estrategia. This paper presents our Cross-lingual Question Answering (CL-QA) system, called BRILI. It has participated in the 2006 edition of the Cross-Language Evaluation Forum (CLEF) being ranked first at English–Spanish Question Answering task. BRILI is based on the Inter Lingual Index (ILI) Module of EuroWordNet. Besides, tests on official questions from the CLEF justify our strategy. Este trabajo ha sido llevado a cabo por el consorcio QALL-ME, el Sexto Programa Marco de Investigación de la Unión Europea (UE), referencia: FP6- IST-033860. Los autores agradecen a la UE su apoyo económico.

Previous works on evaluating the performance of Question Answering (QA) systems are focused on the evaluation of the precision. In this paper, we developed a mathematic procedure in order to explore new evaluation measures in QA systems considering the answer time. Also, we carried out an exercise for the evaluation of QA systems within a time constraint in the CLEF-2006 campaign, using the proposed measures. The main conclusion is that the evaluation of QA systems in realtime can be a new scenario for the evaluation of QA systems. This research has been partially supported by the framework of the project QALL-ME (FP6-IST-033860), which is a 6th Framenwork Research Programme of the European Union (EU), by the Spanish Government, project TEXT-MESS (TIN-2006-15265-C06-01) and by the Valencia Government under project number GV06-161.

This paper presents a study of the negative effect of Machine Translation (MT) on the precision of Cross–Lingual Question Answering (CL–QA). For this research, a English–Spanish Question Answering (QA) system is used. Also, the sets of 200 official questions from CLEF 2004 and 2006 are used. The CL experimental evaluation using MT reveals that the precision of the system drops around 30% with regard to the monolingual Spanish task. Our main contribution consists on a taxonomy of the identified errors caused by using MT and how the errors can be overcome by using our proposals. An experimental evaluation proves that our approach performs better than MT tools, at the same time contributing to this CL–QA system being ranked first at English–Spanish QA CLEF 2006. This research has been partially funded by the Spanish Government under project CICyT number TIC2003-07158-C04-01 and by the European Commission under FP6 project QALL-ME number 033860.

La complejidad de los sistemas de Búsqueda de Respuestas (BR) dificulta que sean aplicados a grandes colecciones de documentos. Por este mótivo, los sistemas de BR utilizan como paso previo un sistema de Recuperación de Información (RI), para detectar los documentos relevantes y disminuir de esta forma la información a procesar. En este artículo, presentamos un método para filtrar los documentos no relevantes en el contexto de BR. Concretamente, el método aplicado para filtrar información está basado en el teorema del valor medio. Hemos evaluado este método con tres medidas de similitud distintas: la medida del coseno, okapi y dfr. En los experimentos obtenemos una reducción de hasta el 89% de información sin apenas pérdida significativa en la precisión. Además, mediante este método, mejoramos un 7.05% la precisión global de un sistema de BR. The complexity of the Question Answering (QA) systems difficults their application to large collections of documents. For this reason, QA systems use Information Retrieval (IR) as preliminary stage in order to detect the relevant documents and decrease the processing data. This paper studies the problem of filtering information in the context of QA. Specifically, we have applied the Mean-Value Theorem in order to filtering data without loss precision in the results. This method has been tested with three similarity measures: cosine, okapi and dfr. In the experiments, we achieved a 89% data reduction without significant data loss. Moreover, this method improves a 7.05% the precision of the QA system. Esta investigación ha sido financiada por el Ministerio de Ciencia y Tecnología (MCYT) con el proyecto CICyT número TIC2003-07158-C04-01.

En este artículo se presenta un modelo innovador para la Recuperación de Información monolingüe en inglés y español. El modelo usa técnicas de Procesamiento de Lenguaje Natural (un etiquetador de categorías gramaticales –POS tagger–, un analizador sintáctico parcial y un módulo para la resolución de la anáfora) para mejorar la precisión de los sistemas tradicionales de Recuperación de Información; para ello, se realiza una indexación de las “entidades” y las “relaciones” entre estas entidades en los documentos. Para la evaluación del modelo se ha utilizado los corpus CLEF en español e inglés. Para las preguntas en inglés, se ha obtenido una mejora de 35,11% en la precisión media. Para las preguntas en español, el aumento máximo es de 37,18%. In this paper, a novel model for monolingual Information Retrieval in English and Spanish language is proposed. This model uses Natural Language Processing techniques (a POStagger, a Partial Parser, and an Anaphora Resolver) in order to improve the precision of traditional IR systems, by means of indexing the “entities” and the “relations” between these entities in the documents. This model is evaluated on the Spanish and English CLEF corpora. For the English queries, there is a maximum increase of 35.11% in the average precision. For the Spanish queries, the maximum increase is 37.18%.

El sistema presentado en este trabajo realiza la tarea de Búsqueda de Respuestas sobre dominios no restringidos (open domain Question Answering - QA) desde una perspectiva semántica. Para ello, se define un modelo semántico de representación de los conceptos referidos en las preguntas y una medida de relevancia que permite la localización y selección de aquellos fragmentos de documentos de los que se extraen respuestas a las preguntas formuladas. La evaluación del sistema demuestra que las medidas del rendimiento del sistema mejoran al aplicar este modelo de representación de conceptos.

La finalidad de este artículo consiste en analizar los efectos de aplicar técnicas de resolución de la anáfora pronominal en Sistemas de Búsqueda de Respuestas sobre dominios no restringidos (open domain Question Answering Systems - QA). Para ello, se ha implementado un sistema completo de QA y se analiza cómo varía su comportamiento al resolver la anáfora pronominal. Las pruebas se han efectuado sobre una colección de textos escritos en inglés. La evaluación del sistema demuestra que las medidas del rendimiento del sistema mejoran cuando se tiene en cuenta la información referida anafóricamente en los documentos.

En este trabajo presentamos aportaciones a la resolución de la extraposición a izquierdas que ocurre en las oraciones de relativo por medio de un formalismo lógico basado en restricciones, que es una extensión de las Gramáticas de Cláusulas Definidas (Definite Clause Grammar DCG), al cual llamamos Gramáticas de Unificación de Huecos (Slot Unification Grammar SUG), a causa de las estructuras de huecos o slot structures generados automáticamente por el analizador, donde se incluyen las restricciones necesarias para la resolución de la extraposición. Estas estructuras de huecos incluyen de forma automática toda la información morfológica, sintáctica y semántica necesaria para resolver la extraposición. En este artículo presentamos un trabajo complementario a los trabajos dentro del proyecto de resolución de fenómenos lingüísticos utilizando formalismos basados en restricciones para textos no restringidos.

En [9] estudiamos la formalización de la coordinación basada en la estructura de huecos. En este artículo presentamos un método de tratamiento, recuperación y resolución del fenómeno gramatical de la elipsis que se produce en oraciones coordinadas, donde presentamos una gramática, extensión de las DCG's, que nos permitirá recuperar los elementos elididos, lo que nos permitirá obtener la forma lógica en base a un formalismo, extensión del cálculo de predicados, definido en [8]. Para la obtención de la forma lógica de las oraciones coordinadas, presnetamos un estudio lingüístico de casos de elipsis, con su forma lógica correspondiente. Los mecanismos de recuperación de elementos y de obtención de la forma lógica están desarrollados en Sicstus Prolog.

Se propone una arquitectura modular y portable de componentes de refuerzo del aprendizaje de lengua de señas, empleando proximidad fonológica, para ayudar al estudiante a diferenciar con mayor facilidad señas que sean muy parecidas y que de ser reproducidas de manera incorrecta se puedan provocar errores de comunicación entre sordos y oyentes. Para lograr esto, ha sido necesario conocer en detalle el estado de la cuestión en lenguas de señas desde una perspectiva computacional, para tener una idea clara de los elementos involucrados en el tratamiento de estas lenguas, por medio de un mapeo sistemático y revisiones exhaustivas de literatura. Además, ha resultado indispensable comprender el concepto de proximidad fonológica en lenguas de señas, a fin de contar con una base teórica robusta, haciendo énfasis en la naturaleza visual de estas lenguas. También se ha escogido una medida de similitud que se adapte a los parámetros fonológicos de una lengua de señas, por medio de la recopilación y depuración del léxico que la constituye, con el propósito de que la forma de las manos en las señas sea comparable de manera formal. Por otra parte, se ha elaborado un diseño de arquitectura basada en el concepto de proximidad fonológica, mediante una agrupación en capas encargadas de atender distintas funciones en el flujo de sesiones de refuerzo del aprendizaje. Por último, se ha analizado el impacto del refuerzo en el aprendizaje, a fin de confirmar que existe una mejora, a través de la implementación de dicha arquitectura en una herramienta de software que incorpora la proximidad fonológica.