Noticias
2021
"Deep-Sync: A novel deep learning-based tool for semantic-aware subtitling synchronisation" paper published in "Neural Computing and Applications" journal
In this paper, we present Deep-Sync, a tool for the alignment of subtitles with the audio-visual content. The architecture integrates a deep language representation model and a real-time voice recognition software to build a semantic-aware alignment tool that successfully aligns most of the subtitles even when there is no direct correspondence between the re-speaker and the audio content. Deep-Sync was compared with other subtitles alignment tool, showing that our proposal is able to improve the synchronisation in all tested cases.Participation of HULAT in SDU@AAAI-21: A Hybrid Approach to Disambiguate Scientific Acronyms
Participation of HULAT in SDU@AAAI-21 shared task for Acronym Disambiguation. The work will be presented inAAAI-21 Workshop on Scientific Document Understanding, February 9 2021
Seminario de investigación: "Automatic Text Simplification and Summarization" (18-22 enero 2021)
Horacio Saggion, profesor de la Universidad Pompeu Fabra, será el ponente del seminario "Automatic Text Simplification and Summarization" que se impartirá on line del 18 al 22 de enero de 2021 en el marco del Master de Ciencia y Tecnología de la Universidad Carlos III de Madrid. Se abordarán las tareas de simplificación de textos y generación automática de resúmenes como dos tareas de procesamiento del lenguaje natural, exponiendo métodos, recursos, arquitecturas y evaluación de sistemas.Publicado el artículo "Automatic Learning Framework for Pharmaceutical Record Matching"
En este artículo se presenta un marco para la comparación de registros farmacéuticos basado en técnicas de aprendizaje automático en un entorno de big data. Disponible en abierto aquí.2020
Publicado el artículo "The Impact of Pretrained Language Models on Negation and Speculation Detection in Cross-Lingual Medical Text: Comparative Study"
Publicado en la revista JMIR Medical Informatics el trabajo "The Impact of Pretrained Language Models on Negation and Speculation Detection in Cross-Lingual Medical Text: Comparative Study", Vol 8, issue 2El grupo HULAT desarrolla la app "Navidad Accesible" que permite a las personas ciegas disfrutar de las luces navideñas
El Ayuntamiento de Madrid ha puesto en marcha la aplicación móvil "Navidad Accesible" que permite a las personas con discapacidad visual y otras personas con limitaciones sensoriales disfrutar de las tradicionales luces del alumbrado navideño. Esta App ha sida desarrollada y validada por investigadores del grupo HULAT del Departamento de Informática la Universidad Carlos III de Madrid (UC3M).
Participación en el COLING 2020, workshop on Financial Narrative Processing and MultiLing Financial Summarisation (FNP-FNS 2020)
El grupo HULAT participó en la competición Financial summarisation (FNS 2020) y presentará el 12 de diciembre el sistema desarrollado para la generación automática de resúmenes de informes financieros.Presentación de trabajos en ACM ASSETS 2020 y DSAI 2020
El grupo HULAT participa en las conferencias internacionales en el ámbito de la accesibilidad y las tecnologías: ACM ASSETS 2020 y DSAI 2020. En ellas se ha presentado un sistema de simplificación léxica y un sistema de desambiguación, ambas contribuciones se enmarcan en la línea de investigación de desarrollar soluciones que favorezcan el acceso a contenidos claros, sencillos y de fácil comprensión para las personas con discapacidad intelectual de manera específica, y a todas las personas en general.El grupo HuLAT publica un artículo sobre el uso de redes profundas para la detección de interacciones farmacológicas en el número 64 de la Revista de Procesamiento de Lenguaje Natural
Antonio Miranda de Barcelona Supercomputing Center e Isabel Segura Bedmar del grupo HuLAT han colaborado en esta investigación donde se comparan distintas arquitecturas y su aplicación en la extracción de interacciones farmacológicas. El artículo titulado "One stage versus two stages deep learning approaches for the extraction of drug-drug interactions from texts"