Pasar al contenido principal

Resultados relacionados

Resultados totales (Incluyendo duplicados): 11
Encontrada(s) 1 página(s)

RUA. Repositorio Institucional de la Universidad de Alicante
Software de investigación Software (Software)

Social Analytics Process v2.0

  • Fernández Martínez, Javier
  • Gutiérrez, Yoan
  • Montoyo, Andres
  • Martínez-Barco, Patricio
  • Llopis, Fernando
  • Muñoz, Rafael
  • Gómez, José M.
  • Moreda, Paloma
  • Palomar, Manuel
  • Fernández Martínez, Javier|||/items/f9b0416b-2411-47be-a586-11f90957e00f
  • Gutiérrez, Yoan|||/items/8f7f89db-a015-4ed6-85b9-75bd041ee8bd
  • Llopis, Fernando|||/items/e8548380-b70f-44e7-a7fa-c7bed36990d8
  • Martínez-Barco, Patricio|||/items/f9630270-fe31-44c8-b611-dfaf9c109a4d
  • Montoyo, Andres|||/items/a2b7158a-7032-423a-a7b5-0f7b92902b72
  • Moreda, Paloma|||/items/aeb186ed-9034-4fdf-96fc-88941be830e7
  • Muñoz, Rafael|||/items/d6ef1286-fc50-4e8b-9d97-bcbc30e3d1bc
  • Palomar, Manuel|||/items/71e8f2d8-8d56-4c8e-89df-d6ce2497d967
Social Analytics Process v2.0 es un software informático que procesa, analiza y clasifica contenido usualmente procedente de las redes sociales a gran velocidad y lo almacena de forma optimizada para poder realizar posteriores análisis, agrupaciones y visualizaciones de datos en tiempo real. Entre los datos que se extraen podemos destacar aquellos proporcionados por las propias fuentes de información como son lugares, autores, likes (anotación colaborativa por los usuarios que gusta el contenido), número de seguidores de cada contenido y otros. Este software además incorpora tecnologías semánticas para interconectar y resolver etiquetas de geolocalización asociadas a los autores de contenido social, así como sus lugares de procedencia. Los resultados pueden ser utilizados por sistemas de terceros para su representación visual en modo mapa geográfico. Social Analytics Process v2.0 incorpora además otros datos tales como entidades relevantes, palabras claves y, sobre todo polaridad sentimental (positiva, negativa o neutral) y emociones expresadas en el contenido textual, que requieren para su obtención de tecnologías del lenguaje humano. Los metadatos obtenidos por el software van desde datos agregados hasta histogramas que capturan las características antes mencionadas a lo largo del tiempo. Entre las incorporaciones más relevantes y transversales en esta versión v2 se encuentra el procesamiento de contenido textual en varios idiomas. Estos idiomas son inglés, español, catalán y francés. Otra de las funcionalidades que se le suman es la de distinción y simplificación de contenido textual para lograr descubrir enlaces web (URLs) relevantes. Estos enlaces suelen indicar las fuentes originales de información detonantes de los comentarios sociales.
RUA. Repositorio Institucional de la Universidad de Alicante
Software de investigación Software (Software)

Social Analytics Listener v1.0, Sistema de descarga de contenido social v1.0

  • Fernández Martínez, Javier
  • Gutiérrez, Yoan
  • Montoyo, Andres
  • Martínez-Barco, Patricio
  • Llopis, Fernando
  • Muñoz, Rafael
  • Díez, Álvaro
  • Fernández Martínez, Javier|||/items/f9b0416b-2411-47be-a586-11f90957e00f
  • Gutiérrez, Yoan|||/items/8f7f89db-a015-4ed6-85b9-75bd041ee8bd
  • Llopis, Fernando|||/items/e8548380-b70f-44e7-a7fa-c7bed36990d8
  • Martínez-Barco, Patricio|||/items/f9630270-fe31-44c8-b611-dfaf9c109a4d
  • Montoyo, Andres|||/items/a2b7158a-7032-423a-a7b5-0f7b92902b72
  • Muñoz, Rafael|||/items/d6ef1286-fc50-4e8b-9d97-bcbc30e3d1bc
  • Díez, Álvaro|||/items/ab81fc32-cd4b-45d6-a9c9-993edc6b95c2
Social Analytics Listener es una aplicación que permite la descarga de contenido de las redes sociales de modo organizado y estable. Esto es posible mediante el uso de las APIs (en inglés Application Program Interface) proporcionadas por redes sociales que permiten dos tipos de estrategias distintas de descarga. Una de ellas es enviar una consulta con ciertos términos para recuperar todo aquel contenido que contenga dichos términos y entonces recibir los contenidos pertinentes a medida que estos sean publicados en las redes. Este es el caso de Twitter. Por otro lado existe otra estrategia que consiste en enviar consultas periódicas para recibir los últimos contenidos publicados. Este es el caso de Instagram. Como es evidente, las dos redes sociales, que para esta versión del Social Analytics Listener (v1.0) han sido completamente incluidas para ser escuchadas, son Twitter e Instagram. No obstante, la arquitectura de este sistema permite incluir otras fuentes sociales incluso sin contar con el uso de APIs para ese fin. Este es el caso de mecanismos que permitan extraer información directamente de la web.
RUA. Repositorio Institucional de la Universidad de Alicante
Software de investigación Software (Software)

GPLSI Emotion Analysis V1.0: Análisis de emociones en textos, GPLSI Emotion Analysis V1.0: Emotion analysis on texts

  • Gutiérrez, Yoan
  • Tomás, David
  • Moreno, Isabel
  • Fernández Martínez, Javier
  • Fernández Martínez, Javier|||/items/f9b0416b-2411-47be-a586-11f90957e00f
  • Gutiérrez, Yoan|||/items/8f7f89db-a015-4ed6-85b9-75bd041ee8bd
  • Tomás, David|||/items/cf031fc3-3c30-454b-a6df-3762c29cc296
Resumen de la aplicación: GPLSI Emotion Analysis v1.0 constituye una interfaz de programación de aplicaciones (API) que incluye librerías de programación útiles para sistemas de terceros. El objetivo de esta tecnología es analizar textos para detectar y clasificar las emociones expresadas. La Detección y Clasificación de Emociones en textos permite identificar y clasificar las emociones expresadas en un texto. La herramienta aquí descrita es capaz de discriminar entre el siguiente conjunto de emociones: alegría, tristeza, disgusto, miedo y sorpresa. Esta funcionalidad implica dos niveles de granularidad: emoción a nivel global (ENG) y emoción a nivel de aspectos (ENA). La ENG del texto se define como el análisis de todo el texto para determinar el estado de emoción general. La ENA determina el estado de emoción para un aspecto concreto de una entidad dentro un contexto determinado. Por ejemplo, en un mismo texto (usualmente comentarios de usuarios) se pueden expresar emociones diferentes y opuestas hacia los actores de una película y su banda sonora. Dichas funcionalidades, ENG y ENA, se basan en un algoritmo SVM (Máquina de Soporte Vectorial). Esta tecnología aplica skip-grams para extraer patrones de los textos y así compararlos con otros casos (conjunto de entrenamiento) en los que de manera segura se expresan emociones. El conjunto de entrenamiento empleado en esta herramienta ha sido: Potter, Grimms and HCAndersen. Los resultados del estado del arte se posicionan alrededor del 52% de F1. En el caso del sistema descrito aquí, se obtiene de precisión entre 54% y 65% de F1 bajo las mismas condiciones. Es importante resaltar que los clasificadores SVM se pueden actualizar y/o reemplazar para su uso en otros dominios al re-entrenarlos con otros conjuntos de entrenamientos.
RUA. Repositorio Institucional de la Universidad de Alicante
Software de investigación Software (Software)

Social Analytics Process v1.0, Sistema de analítica de contenido social v1.0

  • Fernández Martínez, Javier
  • Gutiérrez, Yoan
  • Martínez-Barco, Patricio
  • Montoyo, Andres
  • Llopis, Fernando
  • Muñoz, Rafael
  • Fernández Martínez, Javier|||/items/f9b0416b-2411-47be-a586-11f90957e00f
  • Gutiérrez, Yoan|||/items/8f7f89db-a015-4ed6-85b9-75bd041ee8bd
  • Llopis, Fernando|||/items/e8548380-b70f-44e7-a7fa-c7bed36990d8
  • Martínez-Barco, Patricio|||/items/f9630270-fe31-44c8-b611-dfaf9c109a4d
  • Montoyo, Andres|||/items/a2b7158a-7032-423a-a7b5-0f7b92902b72
  • Muñoz, Rafael|||/items/d6ef1286-fc50-4e8b-9d97-bcbc30e3d1bc
Social Analytics Process es un software informático que procesa, analiza y clasifica contenido de las redes sociales a gran velocidad y lo almacena de forma optimizada para poder realizar posteriores análisis, agrupaciones y visualizaciones de datos en tiempo real. Entre los datos que se extraen podemos destacar aquellos proporcionados por la propias fuentes de información como son lugares, autores, likes (anotación colaborativa por los usuario que gusta el contenido), número de seguidores de cada contenido y otros. Además de estos datos se le añaden otros como pueden ser entidades relevantes, palabras claves y, sobretodo polaridad sentimental (positiva, negativa o neutral) expresada en el contenido textual, que requieren para su obtención de tecnologías del lenguaje humano.
RUA. Repositorio Institucional de la Universidad de Alicante
Software de investigación Software (Software)

Social Analytics Web Interface v1.0, Sistema de analitica de contenido social via web v1.0

  • Gutiérrez, Yoan
  • Fernández Martínez, Javier
  • Martínez-Barco, Patricio
  • Llopis, Fernando
  • Muñoz, Rafael
  • Montoyo, Andres
  • Díez, Álvaro
  • Fernández Martínez, Javier|||/items/f9b0416b-2411-47be-a586-11f90957e00f
  • Gutiérrez, Yoan|||/items/8f7f89db-a015-4ed6-85b9-75bd041ee8bd
  • Llopis, Fernando|||/items/e8548380-b70f-44e7-a7fa-c7bed36990d8
  • Martínez-Barco, Patricio|||/items/f9630270-fe31-44c8-b611-dfaf9c109a4d
  • Montoyo, Andres|||/items/a2b7158a-7032-423a-a7b5-0f7b92902b72
  • Muñoz, Rafael|||/items/d6ef1286-fc50-4e8b-9d97-bcbc30e3d1bc
  • Díez, Álvaro|||/items/ab81fc32-cd4b-45d6-a9c9-993edc6b95c2
Social Analytics Web Interface es una aplicación web que permite visualizar y gestionar gráficas estadísticas avanzadas sobre contenido de las redes sociales tanto a nivel histórico como en tiempo real. Esto es posible gracias al consumo de servicios webs estándares que ofrecen metadatos sobre analítica social, como es el caso de Social Analytics Process (ver publicación en RUA). Social Analytics Web Interface ofrece a nivel general las siguientes funcionalidades: - Visualización de analítica social a nivel genérico donde se muestran gráficas estadísticas - Visualización de comparativa entre entidades analizadas en relación con el contenido social que ha sido procesado - Analítica tanto para histórico de datos como para datos en tiempo real en las dos funcionalidades previamente mencionadas - Gestión de correos de notificaciones donde se envían analíticas configuradas en formato pdf para períodos de tiempo específicos - Gestión de usuarios basados en identificación abierta con Twitter e Instagram - Gestión de Analíticas. Esta interfaz web entre otras cosas permite un acceso adaptable a los diferentes dispositivos que acceden a ella, permitiendo de esta forma mostrar en todo momento una visualización apropiada para su lectura, comprensión e interacción con las diferentes funcionalidades permitidas.
RUA. Repositorio Institucional de la Universidad de Alicante
Software de investigación Software (Software)

GPLSI Wikipedia Characterisation V1.0: Descubrimiento y Vinculación de Entidades a Wikipedia, GPLSI Wikipedia Characterisation V1.0: Entity Discovery and Linking to Wikipedia

  • Tomás, David
  • Gutiérrez, Yoan
  • Moreno, Isabel
  • Gutiérrez, Yoan|||/items/8f7f89db-a015-4ed6-85b9-75bd041ee8bd
  • Tomás, David|||/items/cf031fc3-3c30-454b-a6df-3762c29cc296
Resumen de la aplicación: GPLSI Wikipedia Characterisation (Descubrimiento y vinculación de entidades a Wikipedia) constituye una interfaz de programación de aplicaciones (API) que incluye librerías de programación útiles para sistemas de terceros. Esta API ofrece la funcionalidad de analizar contenidos textuales para descubrir menciones de entidades y enlazarlas a Wikipedia mediante el uso de DBpedia, su versión estructurada. Como resultado se obtiene una lista de sugerencias de URIs de DBpedia (cada URI se corresponde con una página de Wikipedia) por cada entidad, ordenadas por el grado de confianza (en el intervalo [0,1]). Este grado de confianza se obtiene considerando dos características claves. La primera se corresponde con el número de enlaces entrantes para cada entidad de Wikipedia (más enlaces implica mayor relevancia). La segunda característica es la similitud entre el contexto (lista de palabras adyacentes a la palabra objetivo) de la entidad objetivo y la descripción de cada entidad de Wikipedia. Para este propósito se ha utilizado un algoritmo de desambiguación basado en el paradigma LESK, combinado con estadísticas sobre los enlaces entrantes a las páginas de Wikipedia. Los resultados que alcanza esta tecnología rondan el 70% de F1.
RUA. Repositorio Institucional de la Universidad de Alicante
Software de investigación Software (Software)

Social Analytics Web Interface v2.0

  • Gutiérrez, Yoan
  • Fernández Martínez, Javier
  • Martínez-Barco, Patricio
  • Llopis, Fernando
  • Muñoz, Rafael
  • Montoyo, Andres
  • Moreda, Paloma
  • Gómez, José M.
  • Palomar, Manuel
  • Fernández Martínez, Javier|||/items/f9b0416b-2411-47be-a586-11f90957e00f
  • Gutiérrez, Yoan|||/items/8f7f89db-a015-4ed6-85b9-75bd041ee8bd
  • Llopis, Fernando|||/items/e8548380-b70f-44e7-a7fa-c7bed36990d8
  • Martínez-Barco, Patricio|||/items/f9630270-fe31-44c8-b611-dfaf9c109a4d
  • Montoyo, Andres|||/items/a2b7158a-7032-423a-a7b5-0f7b92902b72
  • Moreda, Paloma|||/items/aeb186ed-9034-4fdf-96fc-88941be830e7
  • Muñoz, Rafael|||/items/d6ef1286-fc50-4e8b-9d97-bcbc30e3d1bc
  • Palomar, Manuel|||/items/71e8f2d8-8d56-4c8e-89df-d6ce2497d967
Social Analytics Web Interface v2.0 es una aplicación web que permite visualizar y gestionar gráficas estadísticas avanzadas sobre contenido de las redes sociales, tanto a nivel histórico como en tiempo real. Esto es posible gracias al consumo de servicios webs estándares que ofrecen metadatos en formato JSON sobre analítica social, como es el caso de Social Analytics Process v2.0 (ver publicación en RUA). Social Analytics Web Interface v2.0 ofrece a nivel general las siguientes funcionalidades: • Visualización de analítica social a nivel genérico donde se muestran gráficas estadísticas. • Visualización de comparativa entre entidades analizadas en relación con el contenido social que ha sido procesado. • Analítica tanto para histórico de datos como para datos en tiempo real en las dos funcionalidades previamente mencionadas. • Analítica de datos en línea temporal de cada aspecto recuperado durante el procesamiento de datos. • Gestión de correos de notificaciones donde se envían analíticas configuradas en formato pdf para períodos de tiempo específicos. • Gestión de usuarios basados en identificación abierta con Twitter e Instagram. • Gestión de analíticas y entidades. • Gestión de informes generados en formato pdf. • Gestión de datos procesados con tecnologías del lenguaje humano en formato CSV para su posterior análisis. • Consulta de metadatos en formato JSON. • Gestión de monitorizaciones de contenido social en diferentes idiomas. En particular inglés, español, francés y catalán. • Servicios Web RESTful que gestionan los datos almacenados en el Social Analytics Database v2.0 (ver publicación en RUA) y sirven de puente para gestionar la información presentada en la interfaz visual. Esta interfaz web, entre otras cosas, ofrece un acceso adaptable a los diferentes dispositivos que acceden a ella, permitiendo de esta forma mostrar en todo momento una visualización apropiada para su lectura, comprensión e interacción con las diferentes funcionalidades permitidas.
RUA. Repositorio Institucional de la Universidad de Alicante
Software de investigación Software (Software)

GPLSI Sentiment Analysis V1.0: Análisis de sentimientos en textos, GPLSI Sentiment Analysis V1.0: Sentiment analysis on texts

  • Gutiérrez, Yoan
  • Tomás, David
  • Moreno, Isabel
  • Fernández Martínez, Javier
  • Fernández Martínez, Javier|||/items/f9b0416b-2411-47be-a586-11f90957e00f
  • Gutiérrez, Yoan|||/items/8f7f89db-a015-4ed6-85b9-75bd041ee8bd
  • Tomás, David|||/items/cf031fc3-3c30-454b-a6df-3762c29cc296
Resumen de la aplicación: GPLSI Sentiment Analysis v1.0 constituye una interfaz de programación de aplicaciones (API) que incluye librerías de programación útiles para sistemas de terceros. El objetivo de esta tecnología es analizar textos y detectar la polaridad de los sentimientos (estados de opinión) expresados en ellos. La funcionalidad para detectar la polaridad de los sentimientos implica dos niveles de granularidad: polaridad a nivel global (PNG) y polaridad a nivel de aspectos (PNA). La PNG del texto se define como el análisis de todo el texto para determinar el estado de opinión (positivo, negativo o neutral). La PNA determina el estado de opinión para un aspecto en particular de una entidad dentro un contexto determinado. Por ejemplo, en un mismo texto (usualmente comentarios de usuarios) podemos encontrar opiniones diferentes y opuestas sobre los actores de una película y su banda sonora. Ambas funcionalidades, PNG y PNA, se basan en clasificadores SVM (Support Vector Machines) que son alimentados con patrones léxicos de skip-grams obtenidos de textos de entrenamiento. En el caso de PNG, estos clasificadores han sido entrenados sobre los conjuntos de datos de la competición Semeval task 2 (10.709 comentarios de usuarios) y Metacritic (5.888 críticas de usuarios sobre películas). Con respecto a PNA, se ha utilizado como conjunto de entrenamiento el corpus de la competición Semeval 2014 - Task 4 - Subtask - 1 - Restaurants. Los resultados para PNG oscilan entre el 62% y el 88% de precisión, dependiendo de la calidad de redacción del texto analizado. Con respecto a PNA, los resultados se encuentran alrededor del 61% de precisión.
DIGITAL.CSIC. Repositorio Institucional del CSIC
Publicación Otros (Other)

GEARS a toolbox for Global parameter Estimation with Automated Regularisation via Sampling

  • Pitt, Jake Alan
  • Banga, Julio R.
1 zip file, GEARS (Global parameter Estimation with Automated Regularisation via Sampling) is a Matlab toolbox for parameter estimation in nonlinear dynamic models composed of deterministic ordinary differential equations (ODEs). GEARS is based on the combination of three main strategies: (i) global optimisation (to avoid convergence to local solutions), (ii) reduction of the search space (i.e. tighter bounds on parameters), (iii) regularised estimation, a strategy used to handle overfitting (i.e. fitting the noise rather than the signal). As a result, GEARS can allow the user to avoid both underfitting and overfitting problems while requiring minimum supervision from the user. These capabilities are especially useful when calibrating ODE-based models with highly nonlinear and flexible dynamics (e.g. models of biological oscillators), SyMBioSys – Systematic Models for Biological Systems Engineering Training Network 675585, European Commission; Spanish MINECO/FEDER project SYNBIOCONTROL (DPI2017-82896-C2-2-R), Peer reviewed
DIGITAL.CSIC. Repositorio Institucional del CSIC
Publicación Otros (Other)

Strike-goldd_2.1 2.1.2

  • Villaverde, A. F.
1 zip file, A MATLAB toolbox for structural identifiability and observability analysis of nonlinear models, STRIKE-GOLDD has received funding from the Galician government (Xunta de Galiza) through the I2C postdoctoral program, fellowship ED481B2014/133-0, from the Spanish Ministry of Economy and Competitiveness (MINECO), grant DPI2013-47100-C2-2-P, from the EPSRC projects EP/M002454/1 and EP/J012041/1, and from the European Union's Horizon 2020 research and innovation programme under grant agreement No 686282 ("CANPATHPRO"), Peer reviewed
DIGITAL.CSIC. Repositorio Institucional del CSIC
Publicación Otros (Other)

Full observability and estimation of unknown inputs, states and parameters of nonlinear biological models [Software]

  • Tsiantis, Nikolaos
  • Villaverde, A. F.
  • Banga, Julio R.
1 zip file, This is a supplementary code repository for the article: N. Tsiantis, A. F. Villaverde, and J. R. Banga. Full observability and estimation of unknown inputs, states and parameters of nonlinear biological models. Submitted, 2019. In this article, we investigate the simultaneous inference of states, time-invariant parameters and time-dependent inputs in biological modelling. In other words we consider both the theoretical observability problem (FISPO) and the practical full system reconstruction problem (optimal tracking). Here we provide the scripts to run the optimal tracking problem for the case studies presented in the aforementioned article, This research was supported by the European Union's Horizon 2020 research and innovation pro-gram under grant agreement No 675585 (MSCA ITN 'SyMBioSys'). This research was alsofunded by the Spanish Ministry of Science, Innovation and Universities, project SYNBIOCON-TROL (ref. DPI2017-82896-C2-2-R), Peer reviewed