Search

Por su enorme interés en la genética, medicina y farmacología, detectar interacciones entre proteínas (PPI) es una de las áreas de investigación más importantes en el campo de las investigaciones biomédicas. De ahí que revista especial importancia el análisis (semi) automático de textos biomédicos que permita recuperar y mantener descripciones experimentales que justifican la presencia o ausencia tales interaccione. Tal es la finalidad del sistema on-line que se describe en el presente trabajo: dado un texto, se verifica su afinidad al tema sobre PPI, y varias entidades biomédicas son reconocidas y devueltas al usuario. Protein-Protein Interaction (PPI) is one of the most important fields in biomedical research due to its enormous interest in genetics, medicine and pharmacology. Therefore, (semi)-automatic analysis of biomedical texts is critical for recovering and maintaining experimental descriptions which justify the presence or absence of such interactions. In this paper, an automatic, on-line system is described which, given a text, verifies if it corresponds to a PPI article, and recognizes various types of entities associated to this research context. Este trabajo ha sido subvencionado por el proyecto TEXT-ENTERPRISE 2.0 (TIN2009-13391-C04-03) y por el programa “Juan de la Cierva” del Ministerio de Ciencia y Tecnología.

The goal of the project is to analyze, experiment, and develop intelligent, interactive and multilingual Text Mining technologies, as a key element of the next generation of search engines, systems with the capacity to find "the need behind the query". This new generation will provide specialized services and interfaces according to the search domain and type of information needed. Moreover, it will integrate textual search (websites) and multimedia search (images, audio, video), it will be able to find and organize information, rather than generating ranked lists of websites.

En la literatura aparecen más de tres millones de artículos acerca de las proteínas y sus interacciones (PPI). En este trabajo se expone una arquitectura plausible y algunos experimentos preliminares de nuestro sistema de extracción de información sobre interacciones entre proteínas, PPIEs. Los resultados obtenidos son muy prometedores, por lo que el trabajo merece ulteriores desarrollos. Este estudio ha permitido, además, identificar algunos aspectos a mejorar en el futuro: el reconocimiento de entidades y el almacenaje y búsqueda de datos léxicos (en particular, los vocabularios controlados) y el descubrimiento de conocimiento para el enriquecimiento de ontologías. More than three millions research articles have been written about proteins and Protein-Protein Interactions (PPI). The present work describes a plausible architecture and some preliminary experiments of our Protein-Protein Interaction Information Extraction system, PPIEs. The promising results obtained suggest that the approach deserves further efforts. Some important aspects that need to be improved in the future have been identified: entity recognition; lexical data storage and searching (in particular, controlled vocabularies); knowledge discovery for ontology enrichment. This work has been funded by the projects TIN2006-15265-C06-04 and “Juan de la Cierva” of the Ministry of Education and Science of Spain.

Entidad financiera: MCyT (Proyecto PROFIT: FIT-150500-2002-411).

Presentamos una herramienta, llamada 3LB-SAT, para el etiquetado semántico de corpus multilingüe. Sus principales características son que está orientado a la palabra, que permite introducir el corpus en diferentes formatos (formato parentizado TBF y formato XML) y que usa el diccionario EuroWordnet para consultar el sentido de las palabras en cuatro lenguas (español, catalán, euskara e inglés). We present a tool, called 3LB-SAT, for the semantic tagging of multilingual corpora. Main features of this tool are that it is word-oriented, allows different formats for input corpus (TBF format, PenTreebank Bracketted Format and XML) and uses EuroWordnet for searching the word sense in four languages. Este trabajo ha sido subvencionado por el proyecto PROFIT 3LB (FIT-150500-2002-244) y el proyecto CICYT TUSIR (TIC2000-0664-C02-01).

En este trabajo presentamos una formulación unificada de los Modelos de Markov Especializados. Estos modelos pueden ser aplicados a problemas de desambiguación en el procesamiento del lenguaje natural, siempre que estos problemas puedan abordarse como un proceso de etiquetado de los datos de entrada. La principal ventaja que presentan los Modelos de Markov Especializados, frente a los Modelos de Markov básicos, radican en que permiten la incorporación de información adicional a los modelos. Para ilustrar el comportamiento de los modelos especializados se presenta un resumen de los resultados obtenidos en varias tareas de tratamiento de lenguaje natural. In this work, we present an unified formulation of the specialized Markov models. These models can be applied to solve natural language disambiguation problems which can be considered as tagging problems. The main advantage of the specialized Markov models with respect to the basic Markov models in that they are able to incorporate additional information into the models. In order to show the behavior of the specialized models we summarize the results obtained in different natural language processing tasks. Este trabajo ha sido parcialmente subvencionado por los proyectos CICYT TIC2000-0664-C02-01 y TIC2000-1599-C01-01.

En este artículo se describe un sistema de etiquetado morfosintáctico basado en bigramas especializados que incorporan información de ciertas palabras del vocabulario en determinados contextos. La técnica propuesta para la construcción de estos modelos se basa en el aprendizaje a partir de datos, por lo que se puede aplicar de forma directa a cualquier lenguaje y a diferentes tareas de desambiguación. El sistema de etiquetado morfosintáctico se ha evaluado sobre el corpus en castellano LexEsp, obteniéndose un 97.4% de precisión global, y un 93.5% de precisión sobre el conjunto de las palabras ambiguas. Este resultado y su comparación con los obtenidos utilizando otros sistemas de etiquetado propuestos en la literatura, confirman la viabilidad de la aproximación que aquí se presenta. Este trabajo se ha desarrollado en el marco del proyecto TUSIR subvencionado por la CICYT con número TIC2000-0664-C02-01.

En este artículo se describe una aplicación gráfica útil para el análisis sintáctico y la supervisión de textos. Esta aplicación integra diversas herramientas para el etiquetado léxico y el análisis sintáctico parcial de las oraciones de entrada. El usuario puede corregir tanto el árbol de análisis como el etiquetado léxico producido por métodos automáticos, hasta conseguir el análisis completo de la oración. Esto permite reducir el tiempo de supervisión de un corpus, que podrá ser utilizado posteriormente para el entrenamiento de etiquetadores léxicos o analizadores sintácticos que utilizan técnicas de aprendizaje basadas en corpus. Este trabajo ha sido parcialmente financiado por el proyecto CICYT (TIC97-0671-C02-01/02).