Search

Sentiment Analysis is a well-known task of Natural Language Processing that has been studied in different domains such as movies, phones or hotels. However, other areas like medical domain remain yet unexplored. In this paper we study different polarity classification techniques applied on health domain. We present a corpus of patient reviews composed by a Dutch part (COPOD: Corpus of Patient Opinions in Dutch) and a Spanish part (COPOS: Corpus of Patient Opinions in Spanish). Experiments have been carried out using a supervised method (SVM), a cross-domain method (OpeNER) and a dictionary lookup method for both languages. Obtained results overcome the baseline in almost all the cases and are higher than other polarity classifiers in patient domain. Regarding the bilingualism, the developed systems for Dutch and Spanish have a similar performance for F1-measure and Accuracy., El Análisis de Sentimientos es una tarea del Procesamiento del Lenguaje Natural que ha sido estudiada en diferentes dominios como el de películas, teléfonos móviles u hoteles. Sin embargo, otras áreas como el dominio médico no han sido exploradas todavía. En este trabajo presentamos un corpus de opiniones de pacientes formado por una parte en holandés (COPOD: Corpus of Patient Opinions in Dutch) y por otra parte en español (COPOS: Corpus of Patient Opinions in Spanish). Además, se han realizado diferentes experimentos en ambas lenguas utilizando un método supervisado (SVM), una aproximación basada en cross-domain y un método basado en diccionario. Los resultados obtenidos superan el método base en casi todos los casos e incluso los resultados de otros clasificadores de polaridad en el dominio del paciente. Con respecto al bilingüismo, los sistemas desarrollados para holandés y español proporcionan resultados similares para las medidas F1 y Accuracy.

As empirically demonstrated by the Word Sense Disambiguation (WSD) tasks of the last SensEval/SemEval exercises, assigning the appropriate meaning to words in context has resisted all attempts to be successfully addressed. Many authors argue that one possible reason could be the use of inappropriate sets of word meanings. In particular, WordNet has been used as a de-facto standard repository of word meanings in most of these tasks. Thus, instead of using the word senses defined in WordNet, some approaches have derived semantic classes representing groups of word senses. However, the meanings represented by WordNet have been only used for WSD at a very fine-grained sense level or at a very coarse-grained semantic class level (also called SuperSenses). We suspect that an appropriate level of abstraction could be on between both levels. The contributions of this paper are manifold. First, we propose a simple method to automatically derive semantic classes at intermediate levels of abstraction covering all nominal and verbal WordNet meanings. Second, we empirically demonstrate that our automatically derived semantic classes outperform classical approaches based on word senses and more coarse-grained sense groupings. Third, we also demonstrate that our supervised WSD system benefits from using these new semantic classes as additional semantic features while reducing the amount of training examples. Finally, we also demonstrate the robustness of our supervised semantic class-based WSD system when tested on out of domain corpus.

In this paper we present an approach to Word Sense Disambiguation based on Topic Modeling (LDA). Our approach consists of two different steps, where first a binary classifier is applied to decide whether the most frequent sense applies or not, and then another classifier deals with the non most frequent sense cases. An exhaustive evaluation is performed on the Spanish corpus Ancora, to analyze the performance of our two-step system and the impact of the context and the different parameters in the system. Our best experiment reaches an accuracy of 74.53, which is 6 points over the highest baseline. All the software developed for these experiments has been made freely available, to enable reproducibility and allow the re-usage of the software., En este artículo se presenta una aproximación a la Desambiguación del Sentido de las Palabras basada en Modelado de Categorías (LDA). Nuestra aproximación consiste en dos pasos diferenciados, donde primero un clasificador binario se ejecuta para decidir si la heurística del sentido más frecuente se debe aplicar, y posteriormente otro clasificador se encarga del resto de sentidos donde esta heurística no corresponde. Se ha realizado una evaluación exhaustiva en el corpus en español Ancora, para analizar el funcionamiento de nuestro sistema de dos pasos y el impacto del contexto y de diferentes parámetros en dicho sistema. Nuestro mejor experimento alcanza un acierto de 74.53, lo cual es 6 puntos superior al baseline más alto. Todo el software desarrollado para estos experimentos se ha puesto disponible libremente para permitir la reprodubilidad de los experimentos y la reutilización del software.

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

Estudiar la creación de comunidades virtuales de aprendizaje para que los estudiantes adquieran conocimiento sobre temas complementarios a los expuestos en clases docentes. Combinar el poder de comunicación en tiempo real que proporciona Twitter junto con la creación de blogs de estudio.

Proyecto emergente centrado en la desambiguación de topónimos y la detección del foco geográfico en el texto. La finalidad es mejorar el rendimiento de los sistemas de recuperación de información geográfica. Se describen los problemas abordados, la hipótesis de trabajo, las tareas a realizar y los objetivos parciales alcanzados., This project is focused on toponym disambiguation and geographical focus identification in text. The goal is to improve the performance of geographic information retrieval systems. This paper describes the problems faced, working hypothesis, tasks proposed and goals currently achieved.

Las comunidades virtuales de aprendizaje pueden representar un concepto fundamental a implantar dentro del marco del Espacio Europeo de Educación Superior con la finalidad de potenciar el trabajo autónomo. Resulta necesario dotar a los estudiantes de herramientas que posibiliten la creación de comunidades virtuales de aprendizaje. En esta red, se ha estudiado el grado en que los estudiantes adquieren nuevo conocimiento sobre temas complementarios a través de la creación de comunidades virtuales de aprendizaje por medio de herramientas de la Web 2.0 como los blogs y los microblogs. El estudio presentado se ha realizado con 64 alumnos de la asignatura Análisis y Especificación de Sistemas Multimedia del segundo curso del Grado en Ingeniería Multimedia.

Fomentar el aprendizaje autónomo del alumnado es uno de los objetivos del Espacio Europeo de Educación Superior. En esta investigación, el objetivo es estudiar el grado en que los estudiantes adquieren nuevo conocimiento sobre temas complementarios a través de la creación de comunidades virtuales de aprendizaje. Concretamente se ha combinado el poder de comunicación en tiempo real que proporciona Twitter junto con la creación de blogs de estudio para fomentar el trabajo en grupo y hacer públicos todos los progresos. El estudio presentado se ha realizado con 64 alumnos de la asignatura Análisis y Especificación de Sistemas Multimedia del segundo curso del Grado en Ingeniería Multimedia.

Debido a los cambios que el Espacio Europeo de Educación Superior introduce al potenciar las horas de trabajo no presencial, se hacen necesarios nuevos mecanismos para posibilitar una mejor comunicación y cooperación en el proceso de aprendizaje. Las redes sociales, como Facebook, pueden suministrar estos mecanismos, pero su uso satisfactorio para la docencia puede verse afectado en gran medida por el estilo de aprendizaje de los alumnos. Por lo tanto, este artículo plantea la necesidad de estudiar la influencia de los diferentes estilos de aprendizaje en la docencia no presencial mediante el uso de redes sociales con el fin de incrementar el rendimiento de los alumnos. Concretamente, la hipótesis de partida de este trabajo es que el uso de una red social como Facebook por parte de un grupo de estudiantes con diferentes estilos de aprendizaje puede hacer que el rendimiento global mejore. Con la finalidad de corroborar esta hipótesis se han propuesto una serie de experimentos llevados a cabo en la asignatura Diseño y Programación Avanzada de Aplicaciones impartida en Ingeniería Informática de la Universidad de Alicante, cuya realización, resultados y discusión se muestran en este artículo.

Analizar los estilos de aprendizaje de los alumnos. Estudiar cómo interactúan los alumnos al usar redes sociales. Determinar cómo influye el estilo de aprendizaje en el éxito de las tareas colaborativas.

Debido a los cambios que el Espacio Europeo de Educación Superior introduce al potenciar las horas de trabajo no presencial, se hacen necesarios nuevos mecanismos para posibilitar una mejor comunicación y cooperación en el proceso de aprendizaje. Las redes sociales, como Facebook, pueden suministrar estos mecanismos, pero su uso satisfactorio para la docencia puede verse afectado en gran medida por el estilo de aprendizaje de los alumnos. Por lo tanto, este artículo plantea la necesidad de estudiar la influencia de los diferentes estilos de aprendizaje en la docencia no presencial mediante el uso de redes sociales con el fin de incrementar el rendimiento de los alumnos. Concretamente, la hipótesis de partida de este trabajo es que el uso de una red social como Facebook por parte de un grupo de estudiantes con diferentes estilos de aprendizaje puede hacer que el rendimiento global mejore. Con la finalidad de corroborar esta hipótesis se han propuesto una serie de experimentos llevados a cabo en la asignatura Diseño y Programación Avanzada de Aplicaciones impartida en Ingeniería Informática de la Universidad de Alicante, cuya realización, resultados y discusión se muestran en este artículo.

Debido a los cambios que el Espacio Europeo de Educación Superior introduce al potenciar las horas de trabajo no presencial, se hacen necesarios nuevos mecanismos para posibilitar una mejor comunicación y cooperación en el proceso de aprendizaje. Las redes sociales, como Facebook, pueden suministrar estos mecanismos, pero su uso satisfactorio para la docencia puede verse afectado en gran medida por el estilo de aprendizaje de los alumnos. Este artículo plantea la necesidad de estudiar la influencia de los diferentes estilos de aprendizaje en la docencia no presencial mediante el uso de redes sociales con el fin de incrementar el rendimiento de los alumnos. Cabe destacar que este artículo describe el proyecto “Las redes sociales y su relación con los estilos de aprendizaje” a realizar dentro del programa de Redes de Investigación en Docencia Universitaria del Instituto de Ciencias de la Educación de la Universidad de Alicante., Due to the changes introduced in the European Higher Education Area for increasing the long-distance learning, it is required new mechanisms for better communication and cooperation. Social networks, such as Facebook can provide these mechanisms, but their successful can be affected by the learning style of the students. This paper poses how learning styles can influence the performance of the students when social networks are used in teaching. It is worth noting that this paper describe the project “Las redes sociales y su relación con los estilos de aprendizaje” to be developed within the program “Redes de Investigación en Docencia Universitaria” of the “Instituto de Ciencias de la Educación” at the University of Alicante.

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.

Tesis doctoral en Informática realizada por Rubén Izquierdo en la Universidad de Alicante (UA) bajo la dirección del Dr. Armando Suárez Cueto (UA) y del Dr. German Rigau Claramunt (EHU/UPV). El acto de defensa de la tesis tuvo lugar en Alicante el 17 de Septiembre de 2010 ante el tribunal formado por los doctores Manuel Palomar (UA), Paloma Moreda (UA), María Teresa Martín (UJA), Lluís Padró (UPC) e Irene Castellón (UB). La calificación obtenida fue Sobresaliente Cum Laude por unanimidad., Ph.D Thesis in Computer Science, specifically in the field of Computational Linguistics, written by Rubén Izquierdo at the University of Alicante (UA), under the supervision of Dr. Armando Suárez Cueto (UA) and Dr. German Rigau Claramunt (EHU/UPV). The author was examined on September 17th 2010, by a panel formed by Dr. Manuel Palomar (UA), Dr. Paloma Moreda (UA), Dr. María Teresa Martín (UJA), Dr. Lluís Padró (UPC) and Dr. Irene Castellón (UB). The grade obtained was Sobresaliente Cum Laude.

In this paper we explore the use of semantic classes in an existing information retrieval system in order to improve its results. Thus, we use two different ontologies of semantic classes (WordNet domain and Basic Level Concepts) in order to re-rank the retrieved documents and obtain better recall and precision. Finally, we implement a new method for weighting the expanded terms taking into account the weights of the original query terms and their relations in WordNet with respect to the new ones (which have demonstrated to improve the results). The evaluation of these approaches was carried out in the CLEF Robust-WSD Task, obtaining an improvement of 1.8% in GMAP for the semantic classes approach and 10% in MAP employing the WordNet term weighting approach.

We present a very simple method for selecting Base Level Concepts using basic structural properties of WordNet. We also empirically demonstrate that these automatically derived set of Base Level Concepts group senses into an adequate level of abstraction in order to perform class-based Word Sense Disambiguation. In fact a very naive Most Frequent classifier using the classes selected is able to perform a semantic tagging with accuracy figures over 75%.

En este documento presentamos el proyecto QALL-ME, relacionado con las tecnologías de los sistemas de información. El proyecto tiene un duración de 36 meses y está financiado por la Unión Europea y será llevado a cabo por 7 instituciones. El objetivo general es establecer una infraestructura compartida para la Búsqueda de Respuestas en un dominio abierto multilingüe y multimodal para dispositivos móviles. Con las necesidades de información actuales de la sociedad, se atisba un mercado potencial enorme de los distintos objetivos que se persiguen en el QALL-ME., In this paper, the QALL-ME project, related to the Information Systems Technologies, is introduced. The project is 36 months long, it is founded by the European Union and it will carry out by 7 institutions. The main goal is to establish a shared infrastructure for multilingual and multimodal open domain Question Answering for mobile phones. Taking into account the current information needs of the society, the different aims pursued by the project are expected to have a big potential market.

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.

This paper describes the development of an image retrieval system that combines probabilistic and ontological information1. The process is divided in two different stages: indexing and retrieval. Three information flows have been created with different kind of information each one: word forms, stems and stemmed bigrams. The final result combines the results obtained in the three streams. Knowledge is added to the system by means of an ontology created automatically from the St. Andrews Corpus. The system has been evaluated at CLEF05 image retrieval task.

El sistema X-Not@rial realiza tareas de recuperación y extracción de información. Las tareas de extracción de información se realizan en el dominio notarial y más concretamente en la de las escrituras de compraventa. El sistema selecciona los documentos relacionados con escrituras de compraventa de una colección de textos heterogénea y posteriormente aplica las técnicas de extracción de información para identificar la información relevante., X-Not@rial system solves information retrieval and information extraction tasks. The information extraction tasks have been developed in deed domain. The system selects a subset of document related to deed documents. After thats, the information extraction techniques selects the relevant information.