Dynamic Social and Media Content Syndication for Second Screen

Social networking apps, sites and technologies offer a wide range of opportunities for businesses and developers to exploit the vast amount of information and user-generated content produced through social networking. In addition, the notion of second screen TV usage appears more influential than ever, with viewers continuously seeking further information and deeper engagement while watching their favourite movies or TV shows. In this work, the authors present SAM, an innovative platform that combines social media, content syndication and targets second screen usage to enhance media content provisioning, renovate the interaction with end-users and enrich their experience. SAM incorporates modern technologies and novel features in the areas of content management, dynamic social media, social mining, semantic annotation and multi-device representation to facilitate an advanced business environment for broadcasters, content and metadata providers, and editors to better exploit their assets and increase their revenues.

A semantic framework for textual data enrichment

In this work we present a semantic framework suitable of being used as support tool for recommender systems. Our purpose is to use the semantic information provided by a set of integrated resources to enrich texts by conducting different NLP tasks: WSD, domain classification, semantic similarities and sentiment analysis. After obtaining the textual semantic enrichment we would be able to recommend similar content or even to rate texts according to different dimensions. First of all, we describe the main characteristics of the semantic integrated resources with an exhaustive evaluation. Next, we demonstrate the usefulness of our resource in different NLP tasks and campaigns. Moreover, we present a combination of different NLP approaches that provide enough knowledge for being used as support tool for recommender systems. Finally, we illustrate a case of study with information related to movies and TV series to demonstrate that our framework works properly.

Traducir en tiempos de crisis: estudio comparativo de la traducción francés-español de colocaciones en el lenguaje de los negocios

El presente artículo estudia la traducción de las colocaciones formadas a partir del término crise, aparecidas en un corpus especializado. Tras reseñar algunos trabajos previos sobre lenguaje económico y metáfora en tiempos de crisis, se clasifican las colocaciones originales identificadas en el corpus según diversos conceptos metafóricos. Por último, se analizan las estrategias de traducción y se valoran con el apoyo de un corpus comparable ad hoc. El análisis revela, por una parte, que las metáforas identificadas pueden asociarse a conceptos como, entre otros, alimentos, catástrofes, enfermedades, objetos o pozos, y, por otra parte, que existe una clara tendencia a la traducción literal, especialmente en el caso de las expresiones asociadas a las enfermedades, si bien también se dan en menor medida otras estrategias de traducción. Los resultados del estudio son de utilidad para la enseñanza de la traducción y el lenguaje económico o en la elaboración de repertorios fraseológicos.

Deducción: natural y automática

La Lógica de Predicados pone a nuestra disposición un lenguaje que nos permitirá formalizar expresiones del conocimiento humano haciendo explícitos los objetos y las relaciones, así como sus restricciones. Además nos proporciona un método, la deducción matemática, para obtener nuevo conocimiento a partir del antiguo. Es por ello que la lógica se convierte en una asignatura presente en los primeros cursos de distintas titulaciones, especialmente de informática, ya que proporciona una base formal de trabajo. En la actualidad existe un variado número de herramientas que pueden servir de ayuda en el aprendizaje de la lógica. El razonamiento es el proceso cognitivo por medio del cual utilizamos y aplicamos nuestro conocimiento, permitiéndonos pasar de una información a otra relacionada con esta. Sin la posibilidad de hacer inferencias, el sistema de procesamiento de información se vería obligado a tener que definir todas las situaciones puntuales y específicas con las que se tenga que enfrentar. A las sentencias de las cuales partimos en el proceso de razonamiento se les llama premisas y a la sentencia a la cual llegamos se le denomina conclusión. Las premisas junto a la conclusión forman el argumento. El concepto lógico de deducción correcta dice que de premisas verdaderas debemos obtener conclusión verdadera, es decir, no podemos aceptar que las premisas sean verdaderas y la conclusión falsa. La lógica nos proporciona métodos de cálculo que nos permiten inferir, por simple manipulación sintáctica, nuevas fórmulas a partir de las conocidas. Uno de estos métodos es la Deducción Natural , cuyo mecanismo está muy cercano al razonamiento intuitivo del ser humano. Así, de forma sencilla, a partir de las fórmulas dadas como premisas y con el único apoyo de unas reglas básicas, obtenemos determinadas conclusiones. Podemos utilizar una herramienta didáctica diseñada específicamente para enseñar a los estudiantes a realizar deducciones naturales, el Asistente para Deducción Natural (ADN). Además podemos intentar abordar el tema de la automatización de la deducción. Para ello debemos realizar pequeñas modificaciones a esta técnica (de notación, de reglas a aplicar y de estrategia a utilizar) que nos lo permita. Todos estos desarrollos teóricos dieron lugar a la aparición de la programación lógica, como paradigma de resolución de problemas basado en la lógica. Prolog es el lenguaje de programación lógica más utilizado.