Tecnologías de la lengua para análisis de opiniones en redes sociales

  1. Manuel Vilares Ferro
  2. Elena Sánchez Trigo
  3. Carlos Gómez Rodríguez
  4. Miguel Ángel Alonso Pardo
Revista:
Procesamiento del lenguaje natural

ISSN: 1135-5948

Año de publicación: 2017

Número: 59

Páginas: 125-128

Tipo: Artículo

DIALNET GOOGLE SCHOLAR lock_openRUA editor

Otras publicaciones en: Procesamiento del lenguaje natural

Resumen

La reciente popularización de los medios web de comunicación social basados en microtextos, entre los que destaca Twitter, ha permitido globalizar la expresión de opiniones. Aunque los microtextos presentan características léxicas y sintácticas propias respecto al lenguaje estándar, ciertos aspectos básicos del lenguaje han de ser respetados para resultar legibles. En este proyecto proponemos explotar este hecho para obtener una mejora del soporte lingüístico integrado en el tratamiento de microtextos en nuestro ámbito de interés natural, el español y el gallego. Para ello será preciso mejorar el rendimiento de las técnicas actuales de análisis sobre texto estándar, diseñar mecanismos de adaptación a microtextos de aquellos modelos y métodos de análisis que son más efectivos en lenguaje estándar; y realizar una proyección de modelos, métodos y recursos efectivos en otras lenguas.

Referencias bibliográficas

  • Carter, S., W. Weerkamp, y M. Tsagkias. 2013. Microblog language identification: overcoming the limitations of short, unedited and idiomatic text. Language Resources and Evaluation, 47(1):195-215.
  • Doval, Y., C. Gómez-Rodríguez, y J. Vilares. 2016. Segmentación de palabras en español mediante modelos del lenguaje basados en redes neuronales. Procesamiento del Lenguaje Natural, 57:75-82.
  • Esteban, J. L., R. Ferrer-i-Cancho, y C. Gómez-Rodríguez. 2016. The scaling of the minimum sum of edge lengths in uniformly random trees. Journal of Statistical Mechanics: Theory and Experiment, (2016):063401.
  • Ferrer-i-Cancho, R. y C. Gómez-Rodríguez. 2016a. Crossings as a side effect of dependency lengths. Complexity, 21(S2):320-328.
  • Ferrer-i-Cancho, R. y C. Gómez-Rodríguez. 2016b. Liberating language research from dogmas of the 20th century. Glottometrics, 33:33-34.
  • Gamallo, P. Pendiente de publicación. Comparing explicit and predictive distributional semantic models endowed with syntactic contexts. Language Resources and Evaluation.
  • Garcia, M., C. Gómez-Rodríguez, y M. A. Alonso. 2016. Creación de un treebank de dependencias universales mediante recursos existentes para lenguas próximas: el caso del gallego. Procesamiento del Lenguaje Natural, 57:33-40.
  • Gómez Rodriguez, C. 2016a. Natural language processing and the now-or-never bottleneck. Behavioral and Brain Scien- ces, 39:e74.
  • Gómez Rodríguez, C. 2016b. Restricted non-projectivity: Coverage vs. efficiency. Computational Linguistics, 42(4):809-817.
  • Gómez Rodríguez, C. y D. Fernández-González. 2015. An efficient dynamic oracle for unrestricted non-projective parsing. En Proceedings of ACL-IJCNLP 2015, páginas 256-261, Beijing, China.
  • Vilares, D. y M. A. Alonso. 2016. A review on political analysis and social media. Procesamiento del Lenguaje Natural, 56:1323.
  • Vilares, D., M. A. Alonso, y C. Gómez-Rodríguez. 2016. One model, two languages: training bilingual parsers with harmonized treebanks. En Proceedings of ACL 2016, páginas 425-431, Berlin, Germany.
  • Vilares, D., M. A. Alonso, y C. Gómez-Rodríguez. 2017. Supervised sentiment analysis in multilingual environments. Information Processing & Management, 53(3):595-607.
  • Vilares, D., Y. Doval, M. A. Alonso, y C. Gómez-Rodríguez. 2016. Exploiting neural activation values for Twitter sentiment classification and quantification. En Proceedings of SemEval-2016, páginas 79-84, San Diego, California.
  • Vilares, D., C. Gómez-Rodríguez, y M. A. Alonso. 2017. Universal, unsupervised (rule-based), uncovered sentiment analysis. Knowledge-Based Systems, 118:45-55.
  • Vilares, D., M. Thelwall, y M. A. Alonso. 2015. The megaphone of the people? Spanish SentiStrength for real-time analysis of political tweets. Journal of Information Science, 41(6):799-813.
  • Vilares, J., M. A. Alonso, Y. Doval, y M. Vilares. 2016a. Studying the effect and treatment of misspelled queries in cross-language information retrieval. Information Processing & Management, 52(4):646-657.
  • Vilares, J., M. Vilares, M. A. Alonso, y M. P. Oakes. 2016b. On the feasibility of character n-grams pseudotranslation for cross-language information retrieval tasks. Computer Speech and Language, 36(36):136-164.
  • Vilares, M., V. M. Darriba, y F. J. Ribadas. 2017. Modeling of learning curves with applications to POS tagging. Computer Speech and Language, 41:1-28.
Fuente de los datos: Dialnet