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 Universidad de Castilla-La Mancha ha acogido los días 7 y 8 de octubre una reunión de coordinación de FIREFLY, un proyecto europeo que busca electrificar parte de la cadena de valor de la industria química y reducir su dependencia de los recursos fósiles. El encuentro se celebró en la Facultad de Ciencias y Tecnologías Químicas de Ciudad Real. El...

La Escuela Técnica Superior de Ingeniería Industrial de Barcelona, perteneciente a la Universitat Politècnica de Catalunya, celebra sus 175 años con una exposición que conecta su historia con los desafíos tecnológicos y sociales de las nuevas generaciones de ingenieros. La muestra, inaugurada el 8 de octubre, puede visitarse hasta el 17 de octubre en CASA SEAT, en Barcelona, con entrada...

La Universidad Pontificia Comillas ha reunido a representantes institucionales, académicos y especialistas del sector tecnológico y de defensa para analizar las oportunidades y los desafíos de la inteligencia artificial en la seguridad y la defensa de España. El seminario, celebrado el 7 de octubre y difundido por la Universidad el día 9, fue organizado por la Facultad de Derecho de...

La Universidad Politécnica de Madrid dedica este 9 de octubre una jornada a los retos de integrar el hidrógeno en la industria y el transporte, dos ámbitos en los que la reducción de emisiones exige combinar diferentes soluciones tecnológicas. La Comunidad del Hidrógeno y Pilas de Combustible de la UPM organiza el encuentro en el salón de actos de la...

La ingeniera de telecomunicación Alicia Ramón Catalán es la ganadora del Premio Pioneras_IT 2026, promovido por el Colegio Oficial de Ingenieros de Telecomunicación y la Asociación Española de Ingenieros de Telecomunicación para visibilizar el talento femenino en el sector. La elección, anunciada el 28 de septiembre, culmina una convocatoria cuyo acto de entrega se programó para el 8 de octubre...