02/02/2015 - Nuevas herramientas para analizar y extraer información de textos en español, portugués y gallego

Menéame

Escribir un correo electrónico, publicar una entrada en un blog, o comentar una fotografía en una red social, son pequeños ejemplos cotidianos de nuestra contribución al crecimiento exponencial de los datos en la red, cuya fracción más significativa está constituida por un número creciente de textos y documentos.

Esta tendencia expansiva exige una evolución constante de las herramientas informáticas diseñadas para su análisis y procesado, que abarcan un amplio espectro de técnicas computacionales; todas ellas están cobrando cada vez mayor importancia, especialmente las empleadas en las áreas de procesamiento de lenguaje natural y extracción de información.
 

Hacia una tecnología multilingüe

El procesamiento de lenguaje natural tiene múltiples aplicaciones, entre las que figuran los traductores automáticos o el aprendizaje de idiomas online. En la actualidad, las técnicas utilizadas en este ámbito se encuentran ya en un estado muy avanzado para lenguas como el inglés, pero en el caso de otras –como el gallego, el portugués, o incluso el español -, la tecnología disponible hasta la fecha es mucho más limitada.

Con el objetivo de suplir estas carencias, el investigador del CiTIUS Marcos García ha dedicado su tesis doctoral al desarrollo de una serie de herramientas tecnológicas destinadas a mejorar la capacidad de procesamiento de estas tres lenguas, un trabajo enmarcado en la línea de investigación mixta en la que desde hace tiempo vienen colaborando el CiTIUS y el Grupo de Gramática del Español de la Universidad de Santiago de Compostela (USC).

Por su parte, lossistemas de extracción abierta permiten analizar la web para obtener y organizar automáticamente grandes cantidades de información, lo que resulta muy útil a la hora de discernir ideas o mensajes entre la maraña de datos de la red. Así, por ejemplo, los resultados de esta tesis permiten inferir de manera muy sencilla unidades semánticas fácilmente reconocibles, como «Santiago está en Galicia» o «la edad de Messi es 27 años», a partir de la información disponible en la web.

El sistema de extracción abierta presentado no sólo es el primero en funcionar en gallego, portugués y español, sino que ofrece resultados altamente competitivos con los mejores sistemas en lengua inglesa. Se trata, así, de la primera solución de este tipo disponible, un conjunto de herramientas lingüísticas desarrolladas bajo una licencia de software libre que pueden descargarse gratuitamente a través del enlace http://gramatica.usc.es/~marcos/phd.html#cap2.

Computación y lenguaje: una oportunidad para emprender

La línea de investigación que ampara este trabajo ha dado lugar también a la creación de una nueva empresa especializada en tecnologías del lenguaje: la spin-off del CiTIUS Cilenis Software, creada en 2011 y galardonada el mismo año con el Primer Premioal Proyecto Empresarial Innovador.  En 2012, el empresario y analista económico Marc Vidal adquirió parte de Cilenis Software, a través de la compañía IDODI Labs.

Según los responsables del proyecto, Cilenis Software surgió como medio para hacer viables a nivel comercial los resultados de investigación del grupo; como afirma Pablo Gamallo, director de la tesis de Marcos García y co-fundador de Cilenis, lo que se pretende es «reducir el gap actual entre las herramientas disponibles para procesar la lengua inglesa, y las empleadas para el análisis de lenguas iberoamericanas».

____________________________________________

Estimaciones recientes han determinado que el volumen de información generado por la humanidad desde los albores de la civilización hasta el año 2003 equivaldría apenas a la cantidad de datos que los usuarios de Internet creamos en tan sólo 2 días. (fuente: http://techcrunch.com/2010/08/04/schmidt-data)

La Fundación Caja Ingenieros abre el plazo de inscripción para una nueva convocatoria del ‘Premio Ideas Innovadoras Isabel P. Trabal'. El concurso, que este año alcanza su 7ª edición, impulsa el desarrollo de proyectos emprendedores en fase inicial y cuenta en esta ocasión con una dotación económica de 10.000€ para la idea ganadora y 5.000€ más ...

La llegada de la cuarta revolución industrial y la introducción de los robots en los procesos de fabricación han puesto de relieve la importancia de una interacción eficaz entre robots y humanos. Dado que las tecnologías de realidad extendida (RX) son fundamentales para que los robots industriales trabajen bien con los humanos en proximidad, la enseñanza ...

Hoy, 9 de abril de 2024 se cumplen 75 años desde que el Ministerio de Industria y Comercio autorizó la constitución de los Colegios de Ingenieros Industriales y su coordinación a través del, llamado hoy, Consejo General de Colegios Oficiales de Ingenieros Industriales.

Dentro de los actos de este aniversario, el Consejo ha ...

El grupo de ingeniería global SEGULA Technologies acaba de anunciar sus previsiones de contratación en Iberia en 2024: concretamente 850 nuevos empleados, que se unirán a los más de 1.300 que el grupo tiene en la Península Ibérica.

SEGULA Technologies es un grupo de ingeniería global que contribuye a aumentar la competitividad ...

El Colegio Oficial de Graduados e Ingenieros Técnicos Industriales de Madrid (COGITIM)  celebró el miércoles 3 de abril, el acto de entrega de los “Premios Excelencia a los mejores  Trabajos Fin de Grado de la Comunidad de Madrid (Curso 2021-2022)”, un certamen en el que se han presentado 30 proyectos y han participado 13 Universidades y Escuelas Técnicas de ...

ITP Aero ha desarrollado una de las primeras Inteligencias Artificiales (IA) del mercado en aplicarse en producción en el sector aeroespacial como soporte aumentado al inspector humano.  Se trata del software IMAGINE, que la compañía utiliza en sus operaciones de inspección en sus centros y que recientemente ha sido implementado en la Maestranza Aérea de ...