Search

ilustraciones, diagramas, tablas Este trabajo presenta una metodología para identificación de factores a mejorar para aumentar la intención de recomendación de los clientes de una entidad financiera. Se utilizaron 7.000 verbatims de los clientes clasificados como neutros en la encuesta net promoter score, que corresponden a la información de los años 2019, 2020 y 2021. Se realizó procesamiento de esta información para obtener un corpus estructurado que representa el contenido de todos los verbatims. Se aplicó análisis de sentimientos con el objetivo de analizar los sentimientos subyacentes en los verbatims de los clientes, el cual permitió concluir que en cada uno de los años analizados más de un 80% de los clientes tenían un sentimiento negativo asociado a su verbatim. Se entrenaron diferentes algoritmos con la intención de encontrar los temas más relevantes para los clientes, los modelos entrenados fueron, asignación latente de dirichlet, indexación semántica latente y factorización de matriz no negativa, los modelos fueron evaluados utilizando el enfoque de la maximización de la coherencia, combinado con juicio humano para validar los tópicos en el contexto del negocio. Entre los modelos entrenados el que mejores resultados arrojó fue la asignación latente de dirichlet, alcanzando la coherencia máxima para dos tópicos, los cuáles fueron caracterizados como costos y servicio en los canales de atención. Combinando el resultado del modelado de tópicos con el análisis de sentimientos, se descubrió que el sentimiento que predomina por parte de los clientes en los dos tópicos es negativo, y para algunos casos es positivo o neutro. (Texto tomado de la fuente) This paper presents a methodology for identifying factors to be improved in order to increase the recommendation intention of customers of a financial institution. We used 7,000 verbatims from customers classified as neutral in the net promoter score survey, corresponding to information from the years 2019, 2020 and 2021. This information was processed to obtain a structured corpus representing the content of all verbatims. Sentiment analysis was applied with the objective of analyzing the underlying sentiments in the customer verbatim, which allowed concluding that in each of the years analyzed more than 80% of the clients had a negative sentiment associated with their verbatim. Different algorithms were trained with the intention of finding the most relevant topics for the customers, the trained models were, latent dirichlet assignment, latent semantic indexing and non-negative matrix factorization, the models were evaluated using the coherence maximization approach, combined with human judgment to validate the topics in the context of the business. Among the trained models, the one that yielded the best results was the latent dirichlet assignment, reaching the maximum coherence for two topics, which were characterized as costs and service in the service channels. Combining the results of the topic modeling with the sentiment analysis, it was found that the predominant customer sentiment for the two topics is negative, and for some cases it’s positive or neutral. Maestría Magister en Ingeniería Analítica Procesamiento de Lenguaje Natural Área Curricular de Ingeniería de Sistemas e Informática

The following research analyzes the scientific production of gender studies worldwide indexed in the Web of Science (WOS) between 2008 and 2018. The objectives are to analyze the dynamics of participation of women and men within this area and investigate what topics they investigate (separately and together) using sex classification and topic modeling algorithms. The results show that gender studies are one of the most feminized research areas, with the greatest gender gap and that there were no changes throughout the selected period. The identified topics segment the preferences between the authors: female authors specialize in feminism, politics, violence, male authors have a distributed production and mixed authorship specializes in medicine/ health and statistics/ methodology. La siguiente investigación analiza las publicaciones científicas de estudios de género a nivel mundial en revistas seleccionadas indexadas en Web of Science (WOS) entre 2008 y 2018. Los objetivos son indagar sobre la dinámica de participación de las y los autores dentro de esta área de conocimiento y que tópicos investigan, por separado y en conjunto. Para esto, se utilizan algoritmos de clasificación de sexo y de modelado de tópicos. Los resultados muestran que los estudios de género son una de las áreas de investigación más feminizadas y por ende con mayor brecha de género, además destacan que no hubo cambios relevantes dentro del periodo analizado. Los tópicos identificados permiten segmentar los tipos de autoría: ellas se especializan en feminismo, política, violencia, entre otros, ellos no tienen ninguna especialización y la autoría en conjunto lo hace en áreas asociadas a la medicina/salud y estadística/metodología.

{EN}Research in aquaculture develops fast as it has to respond to the significant growth of this industry; there are many biological challenges, technical improvements and technology developments that need to be addressed by researchers. Thousands of articles on aquaculture have been published, so it is laborious and time consuming to extract information from accumulated collections. The aim of this study was to understand the distribution patterns and trends of the literature available in the field of aquaculture in order to improve knowledge, nature and structure of these publications. This study performed a literature review of 38319 abstracts published in 14 top-tier aquaculture journals, between the years 1972 and 2019. A Latent Dirichlet Allocation (LDA) was applied to perform text mining on the dataset, finding 40 key topics. Machine learning tools were used in the subsequent distribution and composition of words. As result, we found that topic modeling has the ability to segregate a collection of articles on different topics, and could be used as a tool to understand literature, not only recapturing known facts but also discovering other relevant topics. In general, the topics found confirm key areas of aquaculture research that have been identified by qualitative studies. However in our case it also provides a quantitative evaluation and analysis in the most recent scientific literature

This paper aims at landscaping the Human Language Technologies (HLT) sector by applying topic modeling and graph analysis to study the scientific literature in ACL Anthology with special emphasis on the Spanish participation. The analysis takes into account the structured and unstructured data to offer an overview of the HLT landscape in Spain identifying main underlying themes and its evolution in the last years compared to the international HLT community. Results obtained are represented through an interactive visualization to allow the exploration of the HLT landscape in the time frame 1983-2018. El presente trabajo aplica herramientas de modelado de tópicos y análisis de grafos para caracterizar el sector de Tecnologías del Lenguaje (TL) en España. Para ello, se estudian el repositorio de ACL Anthology. Este análisis tiene en cuenta los datos estructurados y no-estructurados en dichas fuentes con el fin de retratar el panorama actual en términos de temáticas subyacentes y su evolución en los últimos años en comparación con la comunidad internacional. Los resultados se presentan mediante una visualización interactiva que permite navegar en el espacio de TL en el intervalo temporal 1983-2018. This work has been carried out in the framework of the Spanish State Plan for Natural Language Technologies. The work of J. Arenas-García has also been partly funded by MINECO projects TEC2014-52289-R and TEC2017-83838-R.

Corpus Viewer is a production service developed by the State Secretary for Digital Advancement (SEAD) within the framework of the National Language Technologies Plan (Plan TL), promoted by the same State Secretary. Corpus Viewer relies on Natural Language Processing (NLP), Machine Learning (ML) and Machine Translation (MT) to analyze structured metadata and unstructured textual data in large document corpora. The platform allows the decision maker and the policy implementer the possibility of analyze R&D&i information space (mainly patents, scientific publications and public aids) for evidence and knowledge-based policy making and implementation. In this paper, we describe the main functionalities of the platform and enumerate the techniques it is based on, which include a variety of methods like document topic modeling and graph analysis. Corpus Viewer es un servicio en producción desarrollado por la Secretaría de Estado del Avance Digital dentro del marco del Plan de Impulso de Tecnologías del Lenguaje (Plan TL). Se basa en técnicas de Procesamiento del Lenguaje Natural (PLN) y Aprendizaje Automático para analizar datos estructurados y no-estructurados en grandes colecciones de documentos como las patentes, las publicaciones científicas de acceso abierto, los proyectos europeos, etc. El objetivo es ofrecer al decisor político y al gestor la posibilidad de navegar en el espacio de la información teniendo una visión de conjunto que le ayude a tomar decisiones basadas en conocimiento y evidencias. En este artículo, se describen las funcionalidades básicas de la plataforma enumerando las técnicas empleadas que incluyen, entre otros, modelados de tópicos y análisis de grafos. This work has been carried out in the framework of the Spanish State Plan for Natural Language Technologies. We would like to acknowledge the different organizations that have contributed to the project under the SEAD-SEUIDI-FECYT agreement for Competitive Intelligence: UPM, IIC, UPF, IXA UPV, Elhuyar. The work of J. Arenas-García and V. Gómez-Verdejo has been partly funded by MINECO projects TEC2014-52289-R and TEC2017-83838-R.

La contratación pública en España tiene un gran impacto económico tanto a nivel nacional como internacional. Es por eso que el Estado muestra interés por desarrollar métodos basados en las TIC que manejen la información sobre oferta pública y simplifiquen la manera en que ésta es publicada y consultada. Con este fin, el Gobierno de España pone a disposición del ciudadano la Plataforma de Contratación del Sector Público, un sitio web que recoge toda la información sobre contratación pública y sirve como punto de encuentro virtual entre organismos contratantes y entidades licitadoras. A diario se suben y actualizan multitud de licitaciones a la Plataforma de Contratación del Sector Público, haciendo que el sitio maneje un gran volumen de datos muy cambiantes y en constante aumento. Si bien a priori parece que disponer de toda la información de contratación en un mismo lugar es la opción más cómoda en cuanto a acceso y almacenamiento, la cantidad de información es tal que resulta muy complicado analizarla manualmente y encontrar elementos de interés. Este proyecto busca subsanar esta limitación mediante el diseño de un sistema que analice las licitaciones publicadas en la Plataforma de Contratación del Sector Público con el objetivo de caracterizar la Contratación Pública en España. De esta manera, se determinan los tópicos más recurrentes en las ofertas que salen a concurso y, conociendo dichos tópicos, se podría definir al Sector Público actual. Para ello, el sistema utilizará técnicas de Procesamiento del Lenguaje Natural para extraer el contenido de las ofertas y, tras un estudio de varios modelos de tópicos, aplicará el que mejor se ajuste a los datos obtenidos para interpretar la información y obtener las temáticas más relevantes de la oferta pública. Public Procurement in Spain has a great economic impact both nationally and internationally. Therefore, the Spanish Government is interested in developing ICT based mechanisms to deal with public tender’s related information and simplify the way in which it is published and inquired. With this in mind, the Spanish Government provides citizens with the Public Sector Procurement Platform, a website that collects all data regarding public procurement and acts as a virtual meeting point between contracting organizations and tendering entities. Lots of bids are published and updated daily on the Public Sector Procurement Platform, so the site handles a huge and rapidly increasing volume of changing information. Although having all procurement information in the same place seems to be the most convenient option in terms of storage and accessibility, the amount of data is so great that it is hard to analyze it manually and find elements of interest. In addition, Platform’s native bids search engine is based on fixed metadata values rather than on tenders’ contents themselves, and these search criteria are usually too wide to provide accurate results when users search for tenders adapted to their profiles. Hence, the most reliable data source that one could use to determine the specific subject of a bid is its technical specification document. However, it is hard for computers to inspect and understand texts due to the complexity of natural language; humans can do this, but on a much smaller scale than a computer. This project aims to fix this limitation by designing a system capable of analyzing bids published on the Public Sector Procurement Platform. This way, Public Procurement in Spain could be characterized by determining the most frequent topics appearing in public tenders. To achieve this, the aforementioned system should be able to analyze the text of the technical documents associated to the tenders published in the Public Sector Procurement Platform with Natural Language Processing techniques and, after studying several topic models, apply the model that better fits the training data in order to interpret the information and get the most relevant topics. Also, the proposed system must comply with European directives regarding e-administration, cost minimization and accessibility improvement to citizens. Hence, the use of free software will be preferred over licensed one. According to usability, the system should implement a visualization tool such that the characterization results can be easily interpreted at plain sight ... Ingeniería Telemática (Plan 2011)

En este artículo se presenta un método para recomendar artículos científicos teniendo en cuenta su grado de generalidad o especificidad. Este enfoque se basa en la idea de que personas menos expertas en un tema preferirían leer artículos más generales para introducirse en el mismo, mientras que personas más expertas preferirían artículos más específicos. Frente a otras técnicas de recomendación que se centran en el análisis de perfiles de usuario, nuestra propuesta se basa puramente en el análisis del contenido. Presentamos dos aproximaciones para recomendar artículos basados en el modelado de tópicos (Topic Modelling). El primero de ellos se basa en la divergencia de tópicos que se dan en los documentos, mientras que el segundo se basa en la similitud que se dan entre estos tópicos. Con ambas medidas se consiguió determinar lo general o específico de un artículo para su recomendación, superando en ambos casos a un sistema de recuperación de información tradicional. This article presents a method for recommending scientific articles taking into consideration their degree of generality or specificity. This approach is based on the idea that less expert people in a specific topic prefer to read more general articles to be introduced into it, while people with more expertise prefer to read more specific articles. Compared to other recommendation techniques that focus on the analysis of user profiles, our proposal is purely based on content analysis. We present two methods for recommending articles, based on Topic Modelling. The first one is based on the divergence of topics given in the documents, while the second uses the similarities that exist between these topics. By using the proposed methods it was possible to determine the degree of specificity of an article, and the results obtained with them overcame those produced by an information retrieval traditional system. Este trabajo ha sido parcialmente financiado por los siguientes proyectos: ATTOS (TIN2012-38536-C03-03), LEGOLANG-UAGE (TIN2012-31224), FIRST (FP7-287607), DIIM2.0 (PROMETEOII/2014/001) y por el Programa Nacional de Movilidad de Recursos Humanos del Plan Nacional de I+D+i (CAS12/00113).

Treball de Fi de Màster en Sistemes Intel·ligents. Curs 2011/2012 En este documento se presenta la memoria del trabajo de fin de máster. El objetivo principal del proyecto es el estudio de técnicas no supervisadas para descubrir tópicos en videos. Se pretende implementar un método con el que se puedan extraer una serie de acciones comunes en videos con la mínima supervisión humana posible. A lo largo de este documento se presenta el método propuesto para la extracción y visualización de dichos tópicos. El método desarrollado se basa en el implementado en el artículo de [WangPAMI09] con unos pequeños ajustes con los que se ha comprobado un mejor funcionamiento del sistema. Una vez presentado y descrito el método propuesto, se hacen una serie de experimentos con algunos videos de varias bases de datos. Se presentan y comentan los resultados obtenidos y se hace una breve discusión sobre cada uno de ellos. Los experimentos se realizan sobre videos deportivos, ya que se considera que en este tipo de videos sería de gran utilidad poder extraer un conjunto de tópicos sin supervisión humana. Para la realización de este proyecto se ha utilizado Visual Studio 2008 con C++ y MATLAB.