LKE: Language and Knowledge Engineering Lab

Transcripción

1 LKE: Language and Knowledge Engineering Lab David Pinto, PhD Faculty of Computer Science, Benemérita Universidad Autónoma de Puebla (BUAP)

2 Faculty of Computer Science, BUAP LKE (7 Members) Others FCC (115 MEMBERS) DS MC

3 Team members David Eduardo Pinto Avendaño, PhD Pattern recognition and Artificial Intelligence (Applied to NLP) Darnes Vilariño Ayala, PhD Applied mathematics (WSD, IR, Categorization, ) Maya Carrillo Ruiz, PhD Information retrieval Arturo Olvera López, PhD Pattern recognition (Data Mining, Machine Learning, Digital Image Analysis, ) Claudia Zepeda Cortés, PhD Logic based reasoning Ivan Olmos Pineda, PhD Graph based reasoning José Luis Carballido Carranza, PhD Mathematics

4 Research areas Natural Language Engineering Semantic analysis and evaluation of texts Automated text categorization Information retrieval Multilingual text analysis : Knowledge and Data Engineering Knowledge based representation Logic based reasoning Image analysis Data mining :

5 Collaboration In Mexico INAOE: Instituto Nacional de Astrofísica, Óptica y Electrónica CIC: Centro de Investigación en Computación IPN: Instituto Politécnico Nacional GIL: Instituto de Ingeniería Lingüística, UNAM UAG: Universidad Autónoma de Guanajuato UAM: Universidad Autónoma Metropolitana

6 Collaboration Outside Mexico Polytechnic University of Valencia, Spain Clustering, Analysis and Evaluation of Short Texts Institute of Technolgy of Tallaght, Dublin (Ireland) Clustering and feature evaluation of Weblogs LDI : Lexiques, Dictionnaires, Informatique Lab, Université Paris 13 Automatic identification of fixed expressions (Spanish, French) Department of Computer Science, Banaras Hindu University, Varanasi / South Asian University, Delhi (India) "Machine Learning Techniques for Context Aware Recommender Systems" submitted under the Indo-Mexican Programme of Cooperation

7 Current Granted Projects SENER-CONACYT-PEMEX : "Métodos y Tecnologías de Inteligencia Computacional y Minería de Datos para el Análisis de Soluciones y la Toma de Decisiones en Explotación de Campos Maduros (Text mining, Visualization, Information retrieval, Ontologies creation and evaluation) CONACYT : Estudio de Técnicas Alternativas y de Alta Escalabilidad para Sistemas de Recuperación de Información (Information Retrieval, Text representation)

8 Current Granted Projects CONACYT (INDIA-MEXICO): Machine Learning Techniques for Context Aware Recommender Systems PROMEP PROMEP/103-5/11/4481: Atribución de Autoría Utilizando Representaciones Holográficas Reducidas (Authorship attribution) CONACYT : Fundamentos Lógicos de Answer Set Programming (Logic programming)

9 Technology Transfer WebSensitive GeoSchools WaCOS: A package for the assessment of corpus features in document clustering A visualization tool for PEMEX A Semantic Information Retrieval for PEMEX

10 Technology Transfer (In process) SMS based Question Answering A Geo-localization system applied to Alzheimer affected persons A Machine Reading Evaluation System A Mood Disorder Detector for Teenagers based on Social Networks Text Analysis A Forest Fire Detector based on Image Analysis Secure Transfer, Storing and Generation of Texts :

11 Research Relational Similarity Textual Entailment Semantic Textual Similarity Cross-lingual Textual Entailment for Content Synchronization (French, Italian, Spanish, Deutch and English) Authorship Attribution Sexual Predator Identification :

12 LKE Postgraduate Program Maestro en Ingeniería del Lenguaje y del Conocimiento (Master in LKE) Doctor en Ingeniería del Lenguaje y del Conocimiento (PhD in LKE) Diploma (optional): Master mention SLATEL 1 spécialité TILDE 2 1 SLATEL: Sciences du Langage, des Textes et de la Littérature 2 TILDE: Traitement Informatique et Linguistique des Documents Écrits

13 Master Program (2 Years) 4th Semester 3rd Semester 2nd Semester Diploma (opt) 1st Semester

14 Master program: 1st Semester Introducción a las tecnologías del lenguaje y del Conocimiento Estado del arte para ambas especialidadesartículos clásicos (material de fundamento a las especialidades) Técnicas y herramientas para el tratamiento de la información (programación, procesamiento de información multimedia) Análisis y Diseño de Algoritmos (complejidad, estructuras de datos y técnicas de desarrollo de algoritmos, búsqueda de soluciones) Diseño de Experimentos formales (probabilidad y estadísticas, pruebas de hipótesis)

15 Master program: 2nd Semester Reconocimiento de Patrones (aprendizaje supervisado y no supervisado) Fundamentos de lógica y sus aplicaciones Optativa I Optativa (Mismo programa ó Diplomado externo) Optativa II Optativa (Mismo programa ó Diplomado externo)

16 Master program: 3rd Semester Seminario de Tesis I Optativa III Optativa (Mismo programa ó Diplomado externo) Optativa IV Optativa (Mismo programa ó Diplomado externo)

17 Master program: 4th Semester Seminario de Tesis II Optativa V Optativa (Mismo programa) Optativa VI Optativa (Mismo programa)

18 Elective subjects Natural Language Lingüística (Marcadores Lingüísticos, semántica del lenguaje) Procesamiento de lenguaje natural basado en grafos Procesamiento de la Información en dispositivos móviles Arquitecturas de cómputo paralelo para las tecnologías del lenguaje y conocimiento Análisis de datos espaciales Recuperación de Información multimedia Web semántica Minería de Textos. Creación, uso y evaluación de Recursos Lingüísticos Tratamiento del lenguaje oral Tópicos selectos de tecnologías del lenguaje

19 Elective subjects Knowledge Planificación Inteligente Enfoques para representación de conocimiento basado en programación lógica Procesamiento de lenguaje natural basado en programación lógica Arquitecturas de cómputo paralelo para las tecnologías del lenguaje y conocimientos Extracción de Información en imágenes Estudio avanzado de la semántica de programación lógica Argumentación basada en métodos inteligentes Análisis de datos espaciales Extracción de conocimiento en dominios estructurados Tópicos selectos del conocimiento

20 Doctorate program (3 Years) Preparation of the research project Execution of the research project Products: Research papers, Technology transfer, PhD Thesis

21

22 Para que presentar este programa? Porque es nuevo ;-) Porque nos interesa la colaboración Participación de investigadores consolidados Participación de investigadores en consolidación Participación de investigadores en formación Co-dirección de tesis Proyectos bilaterales Convenios de colaboración Tareas conjuntas

23 Questions? David Pinto, PhD

24 Publications (some ) David Pinto, Darnes Vilariño, Carlos Balderas, Mireya Tovar and Beatriz Beltran, Evaluating n-gram Models for a Bilingual Word Sense Disambiguation Task, Computación y Sistemas 15(2), 2011 Claudia Denicia-Carral, Manuel Montes-y-Gómez, Luis Villaseñor-Pineda and David Pinto-Avendaño, Bilingual Document Clustering: Evaluating Cognates as Features, Journal of Information and Library Science, 35(3): , 2011 David Pinto, Paolo Rosso, Hector Jiménez-Salazar: A Self-Enriching Methodology for Clustering Narrow Domain Short Texts, DOI: /comjnl/bxq069, Computer Journal 54(7): (2011) 2010 David Pinto, Jorge Civera, Alberto Barrón-Cedeño, Alfons Juan, Paolo Rosso: A statistical approach to crosslingual natural language tasks. DOI: /j.jalgor Journal of Algorithms in Cognition, Informatics and Logic. 64(1): 51-60, David Pinto: On Clustering and Evaluation of Narrow Domain Short-Text Corpora. Procesamiento del Lenguaje Natural 42(1): , 2009 David Pinto, Alfons Juan, Paolo Rosso: A Comparative Study of Clustering Algorithms on Narrow-Domain Abstracts. Procesamiento del Lenguaje Natural 37(1): 43-49, 2006 Darnes Vilariño Ayala, David Pinto, Carlos Balderas, Mireya Tovar, Saul León: BUAP: A First Approach to the Data-Centric Track of INEX LNCS 6932, Springer-Verlag: , DOI: / _19 Mireya Tovar, Adrián Cruz, Blanca Vázquez, David Pinto, Darnes Vilariño Ayala, Azucena Montes: An Iterative Clustering Method for the XML-Mining Task of the INEX 2010, LNCS 6932, Springer-Verlag: , 2011, DOI: / _36 Darnes Vilariño, David Pinto, Carlos Balderas, Mireya Tovar, Beatriz Beltrán, and Sofia Paniagua: Use of Elliptic Curves in Term Discrimination. Advances in Pattern Recognition (MCPR 2011), LNCS 6718, Springer-Verlag: , 2011 David Pinto, Darnes Vilariño, Carlos Balderas, Mireya Tovar, Beatriz Beltran: A Naïve Bayes Approach to Cross-Lingual Word Sense Disambiguation and Lexical Substitution. Advances in Pattern Recognition (MCPR 2010), LNCS 6256, Springer-Verlag: , 2010 Fernando Perez-Tellez, David Pinto, John Cardiff, Paolo Rosso: Clustering Weblogs on the Basis of a Topic Detection Method. Advances in Pattern Recognition (MCPR 2010), LNCS 6256, Springer-Verlag: , 2010 Darnes Vilariño, David Pinto, Mireya Tovar, Carlos Balderas, Beatriz Beltran: A Probabilistic Model Based on n-grams for Bilingual Word Sense Disambiguation. Advances in Artificial Intelligence (MICAI 2010), LNCS 6437, Springer-Verlag: 82 91, 2010 Antonio Juárez-González, Manuel Montes-y-Gómez, Luis Villaseñor Pineda, David Pinto Avendaño, Manuel Alberto Pérez-Coutiño: Selecting the N-Top Retrieval Result Lists for an Effective Data Fusion. CICLing 2010: , 2010 Gabriela Ramírez-de-la-Rosa, Manuel Montes-y-Gómez, Luis Villaseñor Pineda, David Pinto Avendaño, Thamar Solorio: Using Information from the Target Language to Improve Crosslingual Text Classification. IceTAL 2010: , 2010 David Pinto, Mireya Tovar, Darnes Vilariño, Beatriz Beltran, Héctor Jiménez-Salazar, Basilia Campos:BUAP: Performance of K-Star at the INEX 09 Clustering Task. INEX LNCS 6203, Springer-Verlag: , 2010 David Pinto, Paolo Rosso, Héctor Jiménez-Salazar : On the Assessment of Text Corpora. NLDB LNCS 5723, Springer-Verlag: , 2010 Fernando Perez-Tellez, David Pinto, John Cardiff, Paolo Rosso: Characterizing Weblog Corpora. NLDB LNCS 5723, Springer-Verlag: , 2010 J. Arturo Olvera-López, Manuel Martín-Ortíz, J. Francisco Martínez-Trinidad, J. Ariel Carrasco-Ochoa (2011). "A General Overview of Data Reduction Algorithms ". Mathematical Models and TIC: Theory and Applications, Academic Research Group CA-161 PROMEP, 34 (1), pp J. Arturo Olvera-López, J. Ariel Carrasco-Ochoa, J. Francisco Martínez-Trinidad, and Josef Kittler (2010). "A review of Instance Selection Methods". Artificial Intelligence Review, 34 (2), pp J. Arturo Olvera-López, J. Ariel Carrasco-Ochoa, J. Francisco Martínez-Trinidad (2010). "Prototype Selection Methods". Computación y Sistemas, 13(4), PP J. Arturo Olvera-López, J. Ariel Carrasco-Ochoa, and J. Francisco Martínez-Trinidad (2010). "A new Fast Prototype Selection Method based on Clustering". Pattern Analysis and Applications, 13(2), pp Darnes Vilariño Ayala, Esteban Castillo, David Pinto, Saul León, Mireya Tovar: Baseline Approaches for the Authorship Identification Task - Notebook for PAN at CLEF CLEF (Notebook Papers/Labs/Workshop) 2011 Mireya Tovar Vidal, Adrian Cruz, Blanca Vázquez, David Pinto, Darnes Vilariño Ayala. An Iterative Clustering Method for the XML-Mining task of the INEX In pre-proceedings of the INEX 2010 Workshop. Shlomo Geva, Jaap Kamps, Ralf Schenkel, Andrew Trotman Eds., December 13 15, 2010, Huize Bergen, Vught, the Netherlands, pp , 2010