Search

Interactions between citizens and the public administration are increasingly taking place by electronic means, often referred to as e-government. In Spain, these interactions mostly have to be monolingual, in Spanish, in the case of the central administration, but may be bilingual or even multilingual in autonomous communities that have their own official language. In this paper, we intend to show how state-of-the-art oral and written linguistic technologies for Spain’s coofficial languages could allow speakers of these languages to use them in many of their administrative relations with any Spanish public agency, thereby facilitating the conversion of Spain’s mostly monolingual administration into a multilingual one, enhancing digital language equality and guaranteeing the linguistic rights of speakers of minoritised languages. We will present an overview of the most promising language technologies in terms of their relevance from the point of view of multilingual communication between citizens and the administration. We will also review the existing technologies for Spain’s co-official languages, and present some ideas on how these could be integrated towards the multilingual transformation of Spanish public administrations without neglecting some of the attendant ethical and legal issues. The present work is intended to serve as an introductory and accessible overview for legislators, administrators, or any other person interested in the potential of language technologies to assist in developing a multilingual public administration.

O Reconhecimento de Entidades Mencionadas (NER) é uma tarefa essencial de extracção de informação em que as entidades de um texto são identificadas e classificadas. Um dos principais desafios enfrentados pelos sistemas NER é a dificuldade de generalização do aprendido para outros tipos de corpora diferentes dos utilizados durante o treino. Este problema é acentuado pelo facto de a maioria dos corpora de treino utilizados serem de natureza jornalística e, portanto, precisarem de ser adaptados a outros géneros e domínios. Neste artigo, utilizamos um corpus espanhol composto por entrevistas a visitantes da cidade de Santiago de Compostela e anotado com entidades mencionadas, para a avaliação e treino de sistemas NER adaptados ao domínio da cultura e do turismo. Apresentamos uma comparação das diferentes abordagens aplicadas, desde algoritmos clássicos de aprendizagem automática ao afinamento de vários modelos de Transformers. Os resultados obtidos superam significativamente o baseline, representado aqui pelos toolkits Stanza, spaCy e Flair, embora os testes preliminares com entidades não observadas durante o treino sugiram a necessidade de avaliações adicionais da sua capacidade de generalização e o uso de um método de segmentação adversarial no corpus.

Authors propose their splenic mimetic filtration method, microsphiltration, and utilise this approach in a drug-screen, to identify compounds that induce a stiffening effect on Plasmodium falciparum-infected erythrocytes. They proceed to assess safety and tolerability of one identified compound in a phase I clinical trial.

Per obtenir una traducció automàtica neuronal, estadística i basada en corpus de qualitat, calen grans volums de traduccions humanes entre les llengües implicades. Algunes llengües amb pocs recursos no tenen aquest volum de traduccions, però potser poden accedir als recursos de llengües germanes o de variants. Amb tot, és difícil desenvolupar motors de traducció automàtica que comptin amb el reconeixement oficial de les autoritats lingüístiques de la llengua amb menys recursos si hi ha controvèrsies sociolingüístiques en relació amb el seu parentiu, reforçades pels marcs jurídics. En aquest article, veurem com una llei que desembulla les controvertides relacions lingüístiques entre el gallec i el portuguès (la Llei Paz Andrade) facilita jurídicament el desenvolupament de sistemes de traducció automàtica neuronal (TAN) amb bons resultats per al gallec gràcies a l’ús de corpus en portuguès. Per acabar, basant-nos en aquesta experiència, proposem un mètode per desenvolupar sistemes de TAN que es puguin aplicar en el context d’altres llengües amb pocs recursos que tenen una relació estreta tot i que controvertida amb una llengua que disposa de més recursos.

Shigella flexneri is a facultative intracellular pathogen that causes shigellosis, a human diarrheal disease characterized by the destruction of the colonic epithelium. Novel antimicrobial compounds to treat infections are urgently needed due to the proliferation of bacterial antibiotic resistance and lack of new effective antimicrobials in the market. Our approach to find compounds that block the Shigella virulence pathway has three potential advantages: (i) resistance development should be minimized due to the lack of growth selection pressure, (ii) no resistance due to environmental antibiotic exposure should be developed since the virulence pathways are not activated outside of host infection, and (iii) the normal intestinal microbiota, which do not have the targeted virulence pathways, should be unharmed. We chose to utilize two phenotypic assays, inhibition of Shigella survival in macrophages and Shigella growth inhibition (minimum inhibitory concentration), to interrogate the 1.7 M compound screening collection subset of the GlaxoSmithKline drug discovery chemical library. A number of secondary assays on the hit compounds resulting from the primary screens were conducted, which, in combination with chemical, structural, and physical property analyses, narrowed the final hit list to 44 promising compounds for further drug discovery efforts. The rapid development of antibiotic resistance is a critical problem that has the potential of returning the world to a “pre-antibiotic” type of environment, where millions of people will die from previously treatable infections. One relatively newer approach to minimize the selection pressures for the development of resistance is to target virulence pathways. This is anticipated to eliminate any resistance selection pressure in environmental exposure to virulence-targeted antibiotics and will have the added benefit of not affecting the non-virulent microbiome. This paper describes the development and application of a simple, reproducible, and sensitive assay to interrogate an extensive chemical library in high-throughput screening format for activity against the survival of Shigella flexneri 2457T-nl in THP-1 macrophages. The ability to screen very large numbers of compounds in a reasonable time frame (~1.7 M compounds in ~8 months) distinguishes this assay as a powerful tool in further exploring new compounds with intracellular effect on S. flexneri or other pathogens with similar pathways of pathogenesis. The assay utilizes a luciferase reporter which is extremely rapid, simple, relatively inexpensive, and sensitive and possesses a broad linear range. The assay also utilized THP-1 cells that resemble primary monocytes and macrophages in morphology and differentiation properties. THP-1 cells have advantages over human primary monocytes or macrophages because they are highly plastic and their homogeneous genetic background minimizes the degree of variability in the cell phenotype (1). The intracellular and virulence-targeted selectivity of our methodology, determined via secondary screening, is an enormous advantage. Our main interest focuses on hits that are targeting virulence, and the most promising compounds with adequate physicochemical and drug metabolism and pharmacokinetic (DMPK) properties will be progressed to a suitable in vivo shigellosis model to evaluate the therapeutic potential of this approach. Additionally, compounds that act via a host-directed mechanism could be a promising source for further research given that it would allow a whole new, specific, and controlled approach to the treatment of diseases caused by some pathogenic bacteria.

Abstract Nanofluids (NFs) are colloidal suspensions of nanoparticles (NPs) within a base fluid. Unlike conventional mixtures, NFs exhibit dramatically enhanced properties, such as an abnormal increase in heat capacity at low concentration of NPs (e.g., Cp values 30% higher than the base material value). Understanding the thermo-physical behavior of NFs is essential for their application as thermal energy storage systems. In this study, we analyze a sodium nitrate ionic system containing 1 wt%, 3 wt% and 7 wt% of SiO2 NPs with different techniques like infrared thermography, infrared spectroscopy and differential scanning calorimetry (DSC) in order to shed light on the mechanism behind the increase of Cp. The themographies reveal the presence of a colder layer on top of the NF with 1 wt% of NPs whereas this layer does not appear at higher concentrations of NPs. The IR spectrum of this foamy top layer evidences the high amount of SiO2 bonds suggesting the clustering of the NPs into this layer linked by the nitrate ions. The linking is enhanced by the presence of hydroxyls in the NPs’ surface (i.e., hydroxilated NPs) that once mixed in the NF suffer ionic exchange between OH− and NO3 − species, leading to O2–Si–O–NO2 species at the interface where a thermal boundary resistance or Kapitza resistance appears (RT = 2.2 m2 K kW−1). Moreover, the presence of an exothermic reactive processes in the calorimetry of the mixture with 1 wt% of NPs evidences a reactive process (ionic exchange). These factors contribute to the heat capacity increase and thus, they explain the anomalous behavior of the heat capacity in nanofluids.

O trabalho apresentado neste artigo tem dois objectivos. Por um lado, descreve a adaptação de duas ferramentas de processamento da língua natural ao galego-português medieval, nomeadamente um analisador morfossintático e um reconhededor de variedades medievais, e por outro, visa testar hipóteses linguísticas sobre a evolução de sufixos medievais mediante o uso dessas ferramentas em corpora históricos. Apesar de o desempenho das ferramentas ser inferior do que quando utilizadas para variedades modernas mais estandardizadas e com menos variabilidade formal, mostramos que é possível usá-las com grande fiabilidade para estudos quantitativos baseados em corpus. O estudo linguístico baseado em corpus permite-nos conferir que, pela sua distribuição de frequências, a presença dos sufixos -CION e -BLE nos textos medievais da Galiza foi provavelmente influenciada pelo castelhano baixo medieval.

Chagas disease (CD) is a human disease caused by Trypanosoma cruzi. Whilst endemic in Latin America, the disease is spread around the world due to migration flows, being estimated that 8 million people are infected worldwide and over 10,000 people die yearly of complications linked to CD. Current chemotherapeutics is restricted to only two drugs, i.e. benznidazole (BNZ) and nifurtimox (NIF), both being nitroaromatic compounds sharing mechanism of action and exerting suboptimal efficacy and serious adverse effects. Recent clinical trials conducted to reposition antifungal azoles have turned out disappointing due to poor efficacy outcomes despite their promising preclinical profile. This apparent lack of translation from bench models to the clinic raises the question of whether we are using the right in vitro tools for compound selection. We propose that speed of action and cidality, rather than potency, are properties that can differentiate those compounds with better prospect of success to show efficacy in animal models of CD. Here we investigate the use of in vitro assays looking at the kinetics of parasite kill as a valuable surrogate to tell apart slow- (i.e. azoles targeting CYP51) and fast-acting (i.e. nitroaromatic) compounds. Data analysis and experimental design have been optimised to make it amenable for high-throughput compound profiling. Automated data reduction of experimental kinetic points to tabulated curve descriptors in conjunction with PCA, k-means and hierarchical clustering provide drug discoverers with a roadmap to guide navigation from hit qualification of a screening campaign to compound optimisation programs and assessment of combo therapy potential. As an example, we have studied compounds belonging to the GSK Chagas Box stemmed from the HTS campaign run against the full GSK 1.8 million compounds collection [1].

Nowadays, the incorporation of nanoparticles into thermal fluids has become one of the most suitable strategies for developing high-performance fluids. An unconventional improvement of thermo–physical properties was observed with the addition of 1% wt. of nanoparticles in different types of fluids, such as molten salts, allowing for the design of more thermally efficient systems using nanofluids. Despite this, there is a lack of knowledge about the effect that nanoparticles produce on the thermal stability and the decomposition kinetics of the base fluid. The present study performs IR- and UV-vis spectroscopy along with thermogravimetric analysis (TGA) of pure nitrate and nitrate based nanofluids with the presence of SiO2 and Al2O3 nanoparticles (1% wt.). The results obtained support that nanoparticles accelerate the nitrate to nitrite decomposition at temperatures below 500 °C (up to 4%), thus confirming the catalytic role of nanoparticles in nanofluids.

O objetivo deste trabalho é aplicar uma metodologia baseada na perplexidade, para calcular automaticamente a distância interlinguística entre diferentes períodos históricos de variantes diatópicas de idiomas. Esta metodologia aplica-se a um corpus construído adhoc em ortografia original, numa base equilibrada de ficção e não-ficção, que mede a distância histórica entre o português europeu e do Brasil, por um lado, e o espanhol europeu e o da Argentina, por outro. Os resultados mostram distâncias muito próximas em ortografia original e transcrita automaticamente, entre as variedades diatópicas do português e do espanhol, com ligeiras convergências/divergências desde meados do século XX até hoje. É de salientar que o método não é supervisionado e pode ser aplicado a outras variedades diatópicas de línguas.

Political bots, through astroturfing and other strategies, have become important players in recent elections in several countries. This study aims to provide researchers and the citizenry with the necessary knowledge to design strategies to identify bots and counteract what international organizations have deemed bots’ harmful effects on democracy and, simultaneously, improve automatic detection of them. This study is based on two innovative methodological approaches: (1) dealing with bots using hybrid intelligence (HI), a multidisciplinary perspective that combines artificial intelligence (AI), natural language processing, political science, and communication science, and (2) applying framing theory to political bots. This paper contributes to the literature in the field by (a) applying framing to the analysis of political bots, (b) defining characteristics to identify signs of automation in Spanish, (c) building a Spanish-language bot database, (d) developing a specific classifier for Spanish-language accounts, (e) using HI to detect bots, and (f) developing tools that enable the everyday citizen to identify political bots through framing.

We propose a strategy to build the distributional meaning of sentences, which is mainly based on two types of semantic objects: context vectors associated with content words and compositional operations driven by syntactic dependencies. The compositional operations of a syntactic dependency make use of two input vectors to build two new compositional vectors representing the contextualized sense of the two related words. Given a sentence, the iterative application of the dependencies results in as many contextualized vectors as content words the sentence contains. At the end of the compositional semantic process, we do not obtain a single compositional vector representing the semantic denotation of the whole sentence (or of the root word), but one contextualized vector for each constituent word of the sentence. Our method avoids the troublesome high-order tensor representations of approaches relying on category theory, by defining all words as first-order tensors (i.e. standard vectors). Some corpus-based experiments are performed to both evaluate the quality of the compositional vectors built with our strategy, and to compare them to other approaches on distributional compositional semantics. The experiments show that our dependency-based compositional method performs as (or even better than) the state-of-the-art.

Este artigo apresenta o método de construção duma ferramenta para a anotação de entidades geográficas mencionadas em textos medievais. A nova ferramenta foi desenvolvida a partir dos módulos de língua contemporânea do LinguaKit, pacote multilingue de ferramentas de PLN. Uma coleção de corpora anotados manualmente serviu de recurso para elaborar uma lista de topónimos medievais (gazetteers) e observar padrões para a melhora e implementação de novas regras de reconhecimento dos nomes de lugar. Depois da lista de entidades geográficas, os ativadores contextuais (triggers) foram o recurso determinante na melhora da abrangência. Para o produto final, fizeram-se também ajustes menores na procura de recolher os elementos mais comuns do léxico e os contextos gramaticais das entidades geográficas mencionadas. Ainda que muito trabalho fica por fazer na elaboração de listas para entidades não geográficas, na construção dum modelo de língua medieval e um lexicon específico, o novo módulo pode ser utilizado para anotar textos e mostra uma melhora significativa a respeito dos módulos previamente existentes.

This article describes a compositional model based on syntactic dependencies which has been designed to build contextualized word vectors, by following linguistic principles related to the concept of selectional preferences. The compositional strategy proposed in the current work has been evaluated on a syntactically controlled and multilingual dataset, and compared with Transformer BERT-like models, such as Sentence BERT, the state-of-the-art in sentence similarity. For this purpose, we created two new test datasets for Portuguese and Spanish on the basis of that defined for the English language, containing expressions with noun-verb-noun transitive constructions. The results we have obtained show that the linguistic-based compositional approach turns out to be competitive with Transformer models.

A wealth of gene expression data is publicly available, yet is little use without additional human curation. Ma’ayan and colleagues report a crowdsourcing project involving over 70 participants to annotate and analyse thousands of human disease-related gene expression datasets.

Neste traballo preséntanse varios métodos non-supervisados para a detección da similitude semántica textual, os cales están baseados en modelos distribucionais e no parseado de dependencias. Os sistemas son avaliados mediante datasets empregados na ASSIN Shared Task, celebrada conxuntamente co PROPOR 2016. Os métodos máis básicos ofrecen un mellor comportamento que aqueles, mais complexos, que inclúen información sintáctico-semántica na análise das oracións. Por último, o uso de modelos distribucionais construidos automaticamente a partir de corpus ofrece resultados comparábeis ás estratexias que utilizan recursos léxicos externos construídos manualmente.

Neste artigo propomo-nos a definir e desenvolver uma estratégia automática para procurar especificidades lexicais dentro de conjuntos de textos utilizando unidades lexicais simples e expressões com várias palavras, ou termos multipalavra (MWE, a sua sigla em inglês). Propomos uma metodologia para o cálculo da divergência de distribuições de lemas e de MWE que permitirá encontrar, automaticamente, diferenças e semelhanças entre textos não anotados. Esta metodologia poderá ser utilizada para posteriormente identificar grupos de textos sobre os quais se procederá a análises quantitativas e qualitativas semiautomáticas e/ou com intervenção humana. Num primeiro teste, utilizamos dois textos de especialidade (da área da pediatria) e um texto literário, presumindo que os textos de especialidade deveriam apresentar maiores divergências relativamente ao texto literário do que entre eles próprios. Como os testes feitos mostraram a tendência esperada, decidimos aplicar a mesma metodologia a um segundo grupo de textos (três conjuntos de entrevistas a visitantes da cidade de Santiago de Compostela).

INTRODUCTION. The present paper addresses a 2.0 implementation of a practical classroom strategy to increase university students’ performance, with emphasis given to STEM subjects (Science, Technology, Engineering and Mathematics). METHOD. The starting point is a scheme based on the flipped classroom (FC) concept. The work, however, starts in the classroom, using a synchronous FC, and modifications are introduced to increase students’ ability to work autonomously. The practical methodology is known as SABER (after the Spanish Supervisión del Aprendizaje Básico con Ejercicios y autoReflexión). RESULTS. The paper describes a 2.0 version that incorporates (a) rewarded mistake correction as a key part in students’ consolidation of concepts; and (b) substantial changes in how subject content is introduced to students. In the latter case, comparison experiments and compared macroscopic physical properties have been used to introduce difficult concepts. DISCUSSION. This approach presents content from an experimental perspective that is much closer to students’ existing knowledge. The paper also provides some specific examples and practical tips to demonstrate how easily the methodology can be implemented.

Studies in sentiment analysis and opinion mining have been focused on many aspects related to opinions, namely polarity classification by making use of positive, negative or neutral values. However, most studies have overlooked the identification of extreme opinions (most negative and most positive opinions) in spite of their vast significance in many applications. We use an unsupervised approach to search for extreme opinions, which is based on the automatic construction of a new lexicon containing the most negative and most positive words.

Este artigo apresenta LinguaKit, uma suite multilingue de ferramentas de análise, extração, anotação e correção linguísticas. LinguaKit permite realizar tarefas tão diversas como a lematização, a etiquetagem morfossintática ou a análise sintática (entre outras), incluindo também aplicações para a análise de sentimentos (ou minaria de opiniões), a extração de termos multipalavra, ou a anotação concetual e ligação a recursos enciclopédicos tais como a DBpedia. A maior parte dos módulos funcionam para quatro variedades linguísticas: português, espanhol, inglês e galego. A linguagem de programação de LinguaKit é Perl, e o código está disponível sob a licença livre GPLv3.

Este artigo propõe um método para a construção de novos dicionários bilíngues a partir de dicionários já existentes e da exploração de corpora comparáveis. Mais concretamente, um novo dicionário para um par de línguas é gerado em duas etapas: primeiro, cruzam-se dicionários bilíngues entre essas línguas e uma terceira intermediária e, segundo, o resultado do cruzamento, que contém um número elevado de traduções espúrias causadas pela ambiguidade das palavras da língua intermediária, filtra-se com apoio em textos de temática comparável nas duas línguas alvo. A qualidade do dicionário derivado é muito alta, próxima dos dicionários construídos manualmente. Descreveremos um caso de estudo onde criaremos um novo dicionário Inglês-Português com mais de 7.000 entradas bilíngues geradas pelo nosso método.

Natural language processing (NLP) and Text Mining (TM) are a set of overlapping strategies working on unstructured text [...]

No abstract

à hora de desenvolver muitas ferramentas estatísticas de Processamento da Linguagem Natural torna-se essencial a utilização de grandes quantidades de dados. Para salvar a limitação da escassez de recursos computacionais para línguas minorizadas como o galego é necessário desenhar novas estratégias. No caso do galego, importantes romanistas têm teorizado que galego e português são variantes do português europeu. De um ponto de vista pragmático, esta hipótese poderia abrir uma nova linha de investigação para fornecer ao galego ricos recursos computacionais. Partindo do corpus paralelo inglês- português Europarl, imaxin|software compilou um corpus paralelo inglês-galego que utilizamos para criar um protótipo de tradutor automático estatístico inglês-galego, cuja performance é comparável a Google Translate. Mantemos que é possível implementar esta estratégia para desenvolver uma grande variedade de ferramentas computacionais para línguas, como o galego, intimamente relacionadas com línguas que já contam com um grande repertório de recursos computacionais.

As diferentes tarefas de análise morfossintáctica têm muita importância para posteriores níveis do processamento da linguagem natural. Por isso, estes processos devem ser realizados com ferramentas que garantam bons desempenhos em relação à cobertura, precisão e robustez na análise. FreeLing é uma suite com licença GPL desenvolvida pelo Grupo TALP da Universitat Politècnica de Catalunya. Este software contém -entre outros- módulos de tokenização, segmentação de orações, reconhecimento de entidades e anotação morfossintáctica. Com o fim de obtermos ferramentas que nos sirvam de base para a análise sintáctica, bem como para disponibilizar software livre para o processamento de superfície de Português Europeu e Galego, adaptámos FreeLing para estas variedades. A primeira delas foi desenvolvida com ajuda de recursos linguísticos disponíveis on-line, enquanto os ficheiros do Galego tiveram como base a versão anterior de FreeLing (criados pelo Seminario de Lingüística Informática da Universidade de Vigo), que já realizava a análise desta língua. O presente trabalho descreve os principais aspectos do desenvolvimento das ferramentas, com ênfase nos problemas encontrados e nas soluções adoptadas em cada caso. Além disso, são apresentados os resultados de avaliação do módulo PoS-tagger.

This paper discusses the semantic content of syntactic dependencies. We assume that syntactic dependencies play a central role in the process of semantic interpretation. They are defined as selective functions on word denotations. Among their properties, special attention will be paid to their ability to make interpretation co-compositional and incremental. To describe the semantic properties of dependencies, the paper will be focused on two particular linguistic tasks: word sense disambiguation and attachment resolution. The second task will be performed using a strategy based on automatic acquisition from corpora.