{"id":14880,"date":"2020-10-27T16:59:08","date_gmt":"2020-10-27T15:59:08","guid":{"rendered":"http:\/\/www.iic.uam.es\/en\/?page_id=14880"},"modified":"2020-10-27T16:59:08","modified_gmt":"2020-10-27T15:59:08","slug":"natural-language-processing","status":"publish","type":"page","link":"https:\/\/www.iic.uam.es\/en\/artificial-intelligence\/natural-language-processing\/","title":{"rendered":"Natural Language Processing"},"content":{"rendered":"[vc_row bg_image=”14806″ text_color=”light” text_align=”center” top_padding=”60″ bottom_padding=”60″][vc_column column_padding=”padding-4″ width=”1\/1″][vc_column_text]\n

Procesamiento del Lenguaje Natural<\/h1>\n[\/vc_column_text][vc_column_text]\n

Las m\u00e1quinas analizan nuestro lenguaje en texto<\/p>\n[\/vc_column_text][\/vc_column][\/vc_row][vc_row top_padding=”30″][vc_column column_padding=”padding-1″ width=”1\/1″][vc_column_text]\n

Ante la gran cantidad de informaci\u00f3n en texto que generamos actualmente, surge la posibilidad de analizarla y aprovecharla. Las t\u00e9cnicas de PLN<\/strong> permiten extraer insights autom\u00e1ticamente de la informaci\u00f3n disponible en cualquier sector.<\/p>\n[\/vc_column_text][\/vc_column][\/vc_row][vc_row equal_height=”yes” type=”full_width_section” top_padding=”0″ bottom_padding=”0″][vc_column bg_color=”#3591c4″ column_padding=”padding-3″ column_center=”true” text_color=”light” width=”1\/2″ delay=”0″]

\"PLN\"<\/div>[vc_column_text]\n

\u00bfQu\u00e9 es el Procesamiento del Lenguaje Natural?<\/h2>\n[\/vc_column_text][vc_column_text]\n

El Procesamiento del Lenguaje Natural<\/strong> (PLN) o Natural Language Processing (NLP) se centra en el an\u00e1lisis de las comunicaciones humanas y, en concreto, de su lenguaje.<\/p>\n[\/vc_column_text][vc_column_text]\n

Dentro de la Inteligencia Artificial, el PLN es la principal tarea de la ling\u00fc\u00edstica computacional. Un an\u00e1lisis autom\u00e1tico sobre cualquier tipo de texto permite clasificar, organizar, buscar o descubrir informaci\u00f3n no expl\u00edcita, agilizando tareas que se realizan manualmente e identificando los elementos m\u00e1s relevantes de un escrito.<\/p>\n

Manejamos datos no estructurados en todos los sectores: art\u00edculos, informes, comentarios, mensajes o contratos. Y todos estos textos \u201cesconden\u201d informaci\u00f3n que puede ser \u00fatil para el negocio.<\/p>\n[\/vc_column_text][\/vc_column][vc_column bg_color=”#f3f3f3″ column_padding=”padding-3″ column_center=”true” width=”1\/2″]

\"NLP\"<\/div>[vc_column_text]\n

\u00bfC\u00f3mo funciona el Procesamiento del Lenguaje Natural?<\/h2>\n[\/vc_column_text][vc_column_text]\n

El Procesamiento del Lenguaje Natural (PLN) consiste en transformar el lenguaje natural en un lenguaje formal, como el de la programaci\u00f3n, que los ordenadores puedan procesar.<\/p>\n[\/vc_column_text][vc_column_text]Normalmente, parte de dividirlo en elementos (frases, palabras, etc.) e intentar entender las relaciones entre ellos.<\/p>\n

Manejamos datos no estructurados en todos los sectores: art\u00edculos, informes, comentarios, mensajes o contratos. Y todos estos textos \u201cesconden\u201d informaci\u00f3n que puede ser \u00fatil para el negocio.<\/p>\n[\/vc_column_text]

<\/div>[\/vc_column][\/vc_row][vc_row top_padding=”30″][vc_column width=”1\/1″][vc_column_text]\n

T\u00e9cnicas de ling\u00fc\u00edstica computacional<\/span><\/h2>\n[\/vc_column_text][\/vc_column][\/vc_row][vc_row text_align=”center” top_padding=”5″ bottom_padding=”30″][vc_column width=”1\/3″ delay=”500″]
<\/div>

REGLAS LING\u00dc\u00cdSTICAS Y AN\u00c1LISIS MORFOSINT\u00c1CTICOS<\/h3>

\n

El an\u00e1lisis se basa en exponer la estructura de relaciones entre las palabras del texto, y en dise\u00f1ar reglas que permitan relacionar estas estructuras con rasgos como la tem\u00e1tica o el tono del documento.<\/p>\n<\/p><\/div><\/div>[\/vc_column][vc_column width=”1\/3″ delay=”500″]

<\/div>

MODELOS DE LENGUAJE PRE-ENTRENADOS<\/h3>

\n

Analizando repositorios de textos masivos de fuentes abiertas, se consiguen modelos del funcionamiento del lenguaje. Estos representan cada palabra mediante embeddings<\/em> o vectores num\u00e9ricos, que codifican su significado y funci\u00f3n en las oraciones. En el caso de los modelos de lenguaje m\u00e1s modernos, estos embeddings<\/em> son sensibles al contexto en el que se utiliza cada palabra, y se entrenan empleando corpus de miles de millones de palabras.<\/p>\n<\/p><\/div><\/div>[\/vc_column][vc_column width=”1\/3″]

<\/div>

MODELOS DE MACHINE LEARNING<\/h3>

\n

Aprenden a automatizar una tarea de an\u00e1lisis del texto a partir de corpus representativos de la misma. Estos pueden estar anotados, de forma que el sistema aprenda a reproducir el proceso de anotaci\u00f3n, o no anotados, buscando entonces patrones y relaciones en el texto.<\/p>\n<\/p><\/div><\/div>[\/vc_column][\/vc_row][vc_row content_placement=”top” bg_image=”14052″ bg_repeat=”no-repeat” parallax_bg=”true” text_color=”light” text_align=”center” top_padding=”40″ bottom_padding=”40″][vc_column width=”1\/1″][vc_column_text]\n

Investigamos y desarrollamos sistemas de PLN adaptados a cada negocio, para extraer insights de documentos, mensajes o informes.<\/p>\n[\/vc_column_text]\u00a1TE AYUDAMOS!<\/a>[\/vc_column][\/vc_row][vc_row top_padding=”30″ bottom_padding=”20″][vc_column width=”1\/1″][vc_column_text]\n

Aplicaciones del Procesamiento del Lenguaje Natural<\/span><\/h2>\n

El PLN tiene aplicaci\u00f3n en cualquier sector que disponga de grandes cantidades de informaci\u00f3n no estructurada:<\/span><\/p>\n[\/vc_column_text][\/vc_column][\/vc_row][vc_row bottom_padding=”30″][vc_column width=”1\/3″]

<\/i>B\u00fasqueda avanzada de informaci\u00f3n<\/h3>

\n

El an\u00e1lisis de texto permite detectar y recuperar autom\u00e1ticamente informaci\u00f3n espec\u00edfica en documentos de texto libre de cualquier sector.<\/p>\n<\/p><\/div>

<\/i>Named-entity recognition (NER). <\/h3>

\n

La detecci\u00f3n de entidades (personas, lugares, marcas u otros t\u00e9rminos) con aprendizaje autom\u00e1tico es \u00fatil para detectar en qu\u00e9 contextos se mencionan determinadas palabras, por ejemplo, en documentos cl\u00ednicos o legales.<\/p>\n<\/p><\/div>

<\/i>Anonimizaci\u00f3n de documentos<\/h3>

\n

Partiendo de la detecci\u00f3n de entidades, se puede hacer un primer filtro sobre los datos personales, para asegurar la privacidad. Puede aplicarse los \u00e1mbitos de salud, justicia o seguridad.<\/p>\n<\/p><\/div>[\/vc_column][vc_column width=”1\/3″]

\"NLP\"<\/div>

<\/i>Detecci\u00f3n de topics, similitudes o anomal\u00edas en los textos<\/h3>

\n

Con el an\u00e1lisis ling\u00fc\u00edstico, se detectan temas o patrones en la informaci\u00f3n, que nos indican ideas relevantes, relaciones, coincidencias o errores. Algo \u00fatil, por ejemplo, para la detecci\u00f3n de plagio o el control de calidad de documentos.<\/p>\n<\/p><\/div>[\/vc_column][vc_column width=”1\/3″]

<\/i>Chatbots<\/h3>

\n

El PLN es el primer paso en el desarrollo de los asistentes de voz o sistemas conversacionales, siendo esencial en la parte de comprensi\u00f3n del lenguaje.<\/p>\n<\/p><\/div>

<\/i>Clasificaci\u00f3n autom\u00e1tica de documentos y mensajes<\/h3>

\n

Se pueden etiquetar autom\u00e1ticamente textos seg\u00fan su tem\u00e1tica u otras caracter\u00edsticas. Es especialmente \u00fatil en \u00e1mbitos donde se maneja mucha informaci\u00f3n o se necesita hacerlo con rapidez, como el sector legal o el de la atenci\u00f3n al cliente.<\/p>\n<\/p><\/div>

<\/i>An\u00e1lisis de sentimiento y de la opini\u00f3n<\/h3>

\n

Por las palabras que utilizamos, se pueden detectar opiniones acerca de un tema, una persona o un producto en publicaciones de redes sociales, comentarios de clientes o encuestas de clima.<\/p>\n<\/p><\/div>[\/vc_column][\/vc_row][vc_row bottom_padding=”30″][vc_column width=”1\/4″][\/vc_column][vc_column width=”1\/2″][\/vc_column][vc_column width=”1\/4″][\/vc_column][\/vc_row][vc_row content_placement=”top” bg_image=”10228″ bg_repeat=”no-repeat” parallax_bg=”true” text_color=”light” text_align=”center” top_padding=”30″ bottom_padding=”30″][vc_column width=”1\/1″][vc_column_text]\n

Cient\u00edficos de datos y ling\u00fc\u00edsitcas computacionales<\/p>\n

En el IIC contamos con ling\u00fcistas computacionales y cient\u00edficos de datos que te ayudar\u00e1n a explotar la informaci\u00f3n de la que dispones.<\/p>\n[\/vc_column_text]\u00a1TE AYUDAMOS!<\/a>[\/vc_column][\/vc_row][vc_row top_padding=”30″][vc_column width=”1\/1″][vc_column_text]\n

Beneficios del Procesamiento del Lenguaje Natural<\/span><\/h2>\n

La ling\u00fc\u00edstica computacional aporta m\u00faltiples ventajas en las tareas relacionadas con el an\u00e1lisis de textos:<\/span><\/p>\n[\/vc_column_text][\/vc_column][\/vc_row][vc_row top_padding=”0″ bottom_padding=”0″][vc_column width=”1\/3″]

<\/i>Agilizar y optimizar tareas<\/h3>

\n

La automatizaci\u00f3n del an\u00e1lisis de texto permite ahorrar tiempo en tareas que sol\u00edan realizarse manualmente, como la clasificaci\u00f3n o b\u00fasqueda de informaci\u00f3n, que se ejecutan adem\u00e1s de forma m\u00e1s exhaustiva.<\/p>\n<\/p><\/div>

<\/i>Acceso a la informaci\u00f3n<\/h3>

\n

Las t\u00e9cnicas de PLN permiten abarcar m\u00e1s informaci\u00f3n, permitiendo la lectura<\/em> autom\u00e1tica de grandes vol\u00famenes de texto.<\/p>\n<\/p><\/div>[\/vc_column][vc_column width=”1\/3″]

<\/div>
\"analisis<\/div>[\/vc_column][vc_column width=”1\/3″]

<\/i>Insights y relaciones entre los datos<\/h3>

\n

El an\u00e1lisis ling\u00fc\u00edstico revela informaci\u00f3n y conclusiones que podr\u00edan haber pasado desapercibidas y que proporcionan un valor a\u00f1adido al negocio.<\/p>\n<\/p><\/div>

<\/i>Facilitar la toma de decisiones<\/h3>

\n

Contar con tanta informaci\u00f3n permite detectar problemas r\u00e1pidamente y planear soluciones a medida.<\/p>\n<\/p><\/div>[\/vc_column][\/vc_row][vc_row top_padding=”0″ bottom_padding=”40″][vc_column width=”1\/1″]

<\/div>[vc_column_text]\n

Contacta con nosotros<\/span><\/h3>\n[\/vc_column_text]\n
\n

<\/p>

    <\/ul><\/div>\n
    \n
    \n\n\n\n\n\n\n<\/div>\n
    \n\t

    <\/span>\n\t<\/p>\n\t

    <\/span>\n\t<\/p>\n\t

    <\/span>\n\t<\/p>\n\t

    <\/span>\n\t<\/p>\n\t