Search

In this paper we present a system that automatically builds ordered timelines of events from different written texts in English. The system deals with problems such as automatic event extraction, cross-document temporal relation extraction and cross-document event coreference resolution. Its main characteristic is the application of three different types of knowledge: temporal knowledge, lexical-semantic knowledge and distributional-semantic knowledge, in order to anchor and order the events in the timeline. It has been evaluated within the framework of SemEval 2015. The proposed system improves the current state-of-the-art systems in all measures (up to eight points of F1-score over other systems) and shows a significant advance in the Cross-document event ordering task.

En el curso docente 2010-2011 se inició la implantación del grado en Ingeniería Multimedia, título próximo a la Ingeniería Informática, pero enfocada a formar a profesionales capaces de gestionar proyectos Multimedia tanto en el ámbito del ocio como en el de la gestión de contenidos en redes de información. Esta implantación ha sido progresiva, de manera que cada año se iniciaba un curso nuevo de esta titulación, motivo por el cual este año, 2014-2015, es el primer año en el que el título está completamente implantado desde el inicio del curso. Esto nos ha llevado a plantearnos realizar un estudio sobre como están interconectadas las asignaturas en los distintos cursos. Este estudio ha tenido como objetivo averiguar los problemas o carencias de conocimientos que, por un lado tienen los alumnos en 2º curso, y por otro los que se pueden encontrar en 3º, así como establecer las posibles vías de solución a estos problemas, con la finalidad de mejorar el rendimiento en el aprendizaje de los alumnos. También se ha realizado un seguimiento sobre la evaluación de los alumnos realizada en las asignaturas de 2º para contrastar su adecuación al sistema de evaluación continua promovido por el Plan Bolonia.

In order to analyze metrical and semantics aspects of poetry in Spanish with computational techniques, we have developed a large corpus annotated with metrical information. In this paper we will present and discuss the development of this corpus: the formal representation of metrical patterns, the semi-automatic annotation process based on a new automatic scansion system, the main annotation problems, and the evaluation, in which an inter-annotator agreement of 96% has been obtained. The corpus is open and available.

En este artículo se presenta un método para recomendar artículos científicos teniendo en cuenta su grado de generalidad o especificidad. Este enfoque se basa en la idea de que personas menos expertas en un tema preferirían leer artículos más generales para introducirse en el mismo, mientras que personas más expertas preferirían artículos más específicos. Frente a otras técnicas de recomendación que se centran en el análisis de perfiles de usuario, nuestra propuesta se basa puramente en el análisis del contenido. Presentamos dos aproximaciones para recomendar artículos basados en el modelado de tópicos (Topic Modelling). El primero de ellos se basa en la divergencia de tópicos que se dan en los documentos, mientras que el segundo se basa en la similitud que se dan entre estos tópicos. Con ambas medidas se consiguió determinar lo general o específico de un artículo para su recomendación, superando en ambos casos a un sistema de recuperación de información tradicional., This article presents a method for recommending scientific articles taking into consideration their degree of generality or specificity. This approach is based on the idea that less expert people in a specific topic prefer to read more general articles to be introduced into it, while people with more expertise prefer to read more specific articles. Compared to other recommendation techniques that focus on the analysis of user profiles, our proposal is purely based on content analysis. We present two methods for recommending articles, based on Topic Modelling. The first one is based on the divergence of topics given in the documents, while the second uses the similarities that exist between these topics. By using the proposed methods it was possible to determine the degree of specificity of an article, and the results obtained with them overcame those produced by an information retrieval traditional system.

En esta memoria se describe el proyecto llevado para establecer los mecanismos y procedimientos para el seguimiento y control de calidad de las asignaturas del segundo curso del Grado en Ingeniería Multimedia, curso 2013/2014. En concreto, los mecanismos de control se centran en la planificación de las sesiones docentes y las actividades de evaluación llevadas a cabo en cada una de dichas asignaturas.

Tema 5. Anotación de corpus literario. XML. El estándar TEI.

Tema 1. Introducción a las humanidades digitales.

Tema 2. Un nuevo enfoque: la literatura desde lejos.

Guía rápida de análisis de corpus (con AntConc).

Tema 3. Diseño y compilación de corpus.

Tema 6. Text Mining con Topic Modeling.

Materials docents de Fonaments d'Informàtica en Enginyeria de l'Edificació

This paper addresses the problem of the automatic recognition and classification of temporal expressions and events in human language. Efficacy in these tasks is crucial if the broader task of temporal information processing is to be successfully performed. We analyze whether the application of semantic knowledge to these tasks improves the performance of current approaches. We therefore present and evaluate a data-driven approach as part of a system: TIPSem. Our approach uses lexical semantics and semantic roles as additional information to extend classical approaches which are principally based on morphosyntax. The results obtained for English show that semantic knowledge aids in temporal expression and event recognition, achieving an error reduction of 59% and 21%, while in classification the contribution is limited. From the analysis of the results it may be concluded that the application of semantic knowledge leads to more general models and aids in the recognition of temporal entities that are ambiguous at shallower language analysis levels. We also discovered that lexical semantics and semantic roles have complementary advantages, and that it is useful to combine them. Finally, we carried out the same analysis for Spanish. The results obtained show comparable advantages. This supports the hypothesis that applying the proposed semantic knowledge may be useful for different languages.

Proyecto emergente centrado en la detección e interpretación de metáforas con métodos no supervisados. Se presenta la caracterización del problema metafórico en Procesamiento del Lenguaje Natural, los fundamentos teóricos del proyecto y los primeros resultados., The main objective of this project is the identification and interpretation of metaphors through unsupervised methods. We present the metaphor processing problem in Natural Language Processing, the project background and first results.

En este documento se describe la planificación docente, los contenidos, la metodología y la evaluación de la asignatura Fundamentos Informáticos que se imparte en el Grado de Ingeniería de la Edificación de la Universidad de Alicante.

En este trabajo presentamos AQA, un modelo multilingüe de anotación de expresiones anafóricas, ideado para ser utilizado en Aprendizaje Automático para mejorar los sistemas de Búsqueda de Repuestas. Con este modelo se ha anotado la colección de preguntas-respuestas del CLEF 2008, concretamente en los idiomas español, italiano e inglés. AQA está inspirado en el meta-modelo MATE, ajustado a nuestras necesidades. Con AQA se especifica la relación entre la anáfora y su antecedente (que puede ser directa o indirecta), las agrupaciones por tópico y cambios de subtópico, así como diferentes tipos de anáforas (pronominal, adverbial, superficial, descripciones definidas y elipsis). Se ha realizado una anotación ciega entre dos anotadores más un árbitro que decide en caso de desacuerdo. Los resultados de la evaluación muestran un 87% de acuerdo entre los anotadores. Algunos problemas de anotación serán expuestos en el trabajo. Nuestra finalidad es ampliar este modelo a otras lenguas y otros corpus, y aplicarlo finalmente en el desarrollo de un sistema de resolución de la anáfora en preguntas-respuestas multilingüe basado en técnicas de aprendizaje automático para mejorar la interacción hombre-máquina., This paper presents AQA, a multilingual anaphora annotation scheme that can be applied in Machine Learning for the improvement of Question Answering systems. It has been used to annotate the collection of CLEF 2008 in Spanish, Italian and English. AQA is inspired by the MATE meta-model, which has been adjusted to our needs. By using AQA we specify the relationship between the anaphora and its antecedent, cases of topic and subtopic, and we label different types of anaphoric expressions. A blind annotation was carried out by two annotators, and a referee for solving cases of disagreement. The results of the evaluation show an 87% level of inter-annotator agreement. Some annotation problems will be reported in this paper. Our aim is to extend this model to other languages, and to apply it to the development of an Anaphora Resolution system based on Machine Learning techniques in order to improve a real human machine-interaction.

Presentación de la asignatura: temario teórico, práctico, metodología, evaluación.

Análisis léxico superficial de textos. Tokenización y lematización. Procesos de stemming. Generación de léxicos computacionales. Análisis morfológico.

El problema de la ambigüedad semántica de las palabras. Principales técnicas de resolución automática.

Visión general del Procesamiento del Lenguaje Natural. Fases de análisis. La ambigüedad.

Práctica 1: Elaboración de un lugar web básico con capacidades multimedia. Objetivo de la práctica: componer, editar y publicar un lugar web. Éste debe ser capaz de albergar futuros proyectos multimedia pues será utilizado como plataforma de trabajo para el resto de las prácticas. Práctica 2: Elaboración de una galería fotográfica virtual. Objetivo de la práctica: es conocer el proceso completo de digitalización de imágenes, las características de los distintos formatos posibles y la elección de los más adecuados para según qué necesidades. Práctica 3: Elaboración de un cortometraje de vídeo digitalizado (max. 5 min). Objetivo de la práctica: conocer los principios básicos que determinan la producción de la imagen digital, su almacenamiento y los elementos básicos del lenguaje cinematográfico. Práctica 4: Montaje de un proyecto multimedia global basado en un lugar web orientado a la explotación comerical. (p.ej. un lugar web de una inmobiliaria, un periódico digital, web de un centro comercial discográfico...etc). Objetivo de la práctica: aplicación de los distintos elementos y de la teoría desarrollada en un proyecto integral. El lugar web debe ser susceptible de ser publicado en internet.

La interpretación semántica automática. Modelos de representación formal. Principio de composicionalidad. Técnicas de interpretración semántica.

Análisis sintáctico automático. La ambigüedad estructural. Gramáticas libres de contexto. Gramáticas de cláusulas definidas. Algoritmos de análisis.

Definición de los Sistema de Búsqueda de Respuestas. Módulos del sistema. Principales competiciones.

Ejercicios prácticos de cada tema de la asignatura Ingeniería del Lenguaje Natural: análisis de sistemas reales, procesamiento superficial de textos, tokenización y normalización, análisis de la tarea de resolución de la ambigüedad semántica de las palabras, gramáticas de cláusulas definidas, análisis de chunkers.

Aplicaciones de la Ingeniería Lingüística. La sociedad actual y el problema del acceso a la información. Sistemas de recuperación de información. El modelo vectorial. Sistemas de Extracción de Información. Reconocimiento de entidades. El problema de la anáfora.

Las categorías gramaticales. El análisis categorial o "PoS tagging". La ambigüedad categorial. Técnicas de resolución.

In this paper, an approach to semantic disambiguation based on machine learning and semantic classes for Spanish is presented. A critical issue in a corpus-based approach for Word Sense Disambiguation (WSD) is the lack of wide-coverage resources to automatically learn the linguistic information. In particular, all-words sense annotated corpora such as SemCor do not have enough examples for many senses when used in a machine learning method. Using semantic classes instead of senses allows to collect a larger number of examples for each class while polysemy is reduced, improving the accuracy of semantic disambiguation. Cast3LB, a SemCor-like corpus, manually annotated with Spanish WordNet 1.5 senses, has been used in this paper to perform semantic disambiguation based on several sets of classes: lexicographer files of WordNet, WordNet Domains, and SUMO ontology.