24/11/2014 - Una nueva herramienta de software libre permitirá procesar de manera más rápida y eficiente textos y documentos de la web

Menéame

Un equipo de investigadores del CiTIUS, formado por expertos en las áreas de Computación de Altas Prestaciones (HPC) y Procesamiento de Lenguaje Natural (PLN) ha conseguido desarrollar una herramienta que permite adaptar automáticamente aplicaciones utilizadas en el ámbito del procesamiento de textos y documentos a modelos de computación paralela compatibles con clústeres multi-core, lo que reducirá notablemente los tiempos de ejecución y permitirá trabajar con volúmenes de datos muy superiores a los que se manejan en la actualidad.

El gran desafío de los datos online

La ingente cantidad de información que se incorpora diariamente a Internet no para de aumentar. Se estima que en sólo 24 horas generamos cerca de 2,5 trillones de bytes (2,5 Exabytes), o lo que es lo mismo: cerca de 27 GB por segundo, el equivalente a una temporada completa de Juego de Tronos en Alta Definición (HD). Para comprender la magnitud de la cifra, basta con señalar que el 90% de los datos disponibles actualmente en todo el mundo han sido creados apenas a lo largo de los dos últimos años.

De esta enorme cantidad de datos (agrupados bajo el anglicismo Big Data), sólo el 5% se puede considerar información estructurada; el 95% restante (que está compuesto por textos, principalmente) no cuenta con ningún tipo de organización ni estructura, lo que representa un serio problema a la hora de acceder y gestionar toda la información disponible.

El trabajo realizado por los investigadores del CiTIUS facilitará esta labor, ya que los resultados obtenidos harán posible el análisis de los datos de una forma más sencilla y eficiente. Su propuesta se ha basado en el diseño de un nuevo sistema que permite transformar el software usado para el Procesamiento del Lenguaje Natural (habitualmente programado en el lenguaje informático Perl, y ejecutado de manera secuencial) en una solución compatible con las tecnologías Big Data.

Con sólo introducir unas etiquetas en la aplicación original, esta herramienta de traducción permite al programador convertir automáticamente todo su código Perl en código Java adaptado al paradigma MapReduce, habilitándolo así para su ejecución en un clúster (es decir, permitiendo su ejecución simultánea en múltiples cores o nodos de computación). De esta forma, se logra multiplicar la velocidad de cómputo por un factor proporcional al número de procesadores disponibles (por ejemplo: si se dispone de 1000 procesadores, el código resultante será, en el caso ideal, aproximadamente 1000 veces más eficiente que la solución secuencial).

‘Perldoop’, la herramienta de código abierto

Otra característica reseñable de esta investigación, que ha dado lugar a la herramienta de traducción Perldoop, es que los resultados se han hecho públicos bajo una licencia de software libre, con el objetivo de que esté a disposición del mayor número posible de usuarios y profesionales. Como explica el profesor Juan Carlos Pichel, investigador principal y responsable del proyecto, la decisión se tomó porque «el desarrollo de soluciones Big Data para el Procesamiento de Lenguaje Natural» (PLN) «sólo está, en este momento, al alcance de las compañías más potentes». Con la solución propuesta, y unos conocimientos mínimos de programación, será posible convertir cualquier código programado en lenguaje Perl a una solución capaz de funcionar en un clúster de computación.

Entre las principales ventajas de esta nueva solución destaca especialmente su versatilidad, ya que se trata de una herramienta de propósito general; gracias a ello, podrán beneficiarse aplicaciones de ámbitos tan diversos como la traducción automática, el análisis de información en blogs, o incluso el procesado de datos genéticos.

La Comisión Europea prepara un plan de acción destinado a acelerar la digitalización del sector del agua y mejorar la eficiencia en la gestión de los recursos hídricos. La comisaria de Medio Ambiente, Resiliencia Hídrica y Economía Circular Competitiva, Jessika Roswall, convocó para el 9 de noviembre de 2026 una mesa de trabajo con representantes de empresas, operadores de servicios,...

El Colegio Oficial de Ingenieros Aeronáuticos de España (COIAE) ha convocado una jornada virtual dedicada a la eficiencia operacional de las aerolíneas, una de las líneas de trabajo de la aviación comercial para optimizar recursos y reducir su impacto ambiental. La sesión está programada para hoy martes 10 de noviembre de 2026, a las 18:30 horas, y se integra en...

La Universidad Carlos III de Madrid (UC3M) participa entre el 10 y el 12 de noviembre de 2026 en Horizon Deep Tech Summit, un encuentro dedicado al desarrollo de tecnologías avanzadas, la colaboración con la industria y la creación de empresas a partir del conocimiento científico. La universidad ha anunciado su presencia a través del Servicio de Apoyo al Emprendimiento...

La Unión Europea ha iniciado siete proyectos de ciberseguridad dirigidos a hospitales y proveedores sanitarios, con una inversión conjunta próxima a los 30 millones de euros. La iniciativa, anunciada por el Centro Europeo de Competencia en Ciberseguridad (ECCC), pretende mejorar la capacidad de los centros para prevenir, detectar y responder a los ciberataques, especialmente a los episodios de ransomware capaces...

La seguridad del suministro energético, la diversificación de proveedores y la robustez de las infraestructuras logísticas ocuparon el centro del LXIII Almuerzo de la Ingeniería, organizado por la Asociación de Ingenieros Industriales de Madrid y el Colegio Oficial de Ingenieros Industriales de Madrid (COIIM). El encuentro contó con la intervención de Javier Goñi, consejero delegado de Exolum. Bajo el título...