000056802 001__ 56802
000056802 005__ 20200221144346.0
000056802 0248_ $$2sideral$$a96288
000056802 037__ $$aART-2016-96288
000056802 041__ $$aeng
000056802 100__ $$aFerreiros, J.
000056802 245__ $$aASLP-MULAN: Audio speech and language processing for multimedia analytics
000056802 260__ $$c2016
000056802 5060_ $$aAccess copy available to the general public$$fUnrestricted
000056802 5203_ $$aOur intention is generating the right mixture of audio, speech and language technologies with big data ones. Some audio, speech and language automatic technologies are available or gaining enough degree of maturity as to be able to help to this objective: automatic speech transcription, query by spoken example, spoken information retrieval, natural language processing, unstructured multimedia contents transcription and description, multimedia files summarization, spoken emotion detection and sentiment analysis, speech and text understanding, etc. They seem to be worthwhile to be joined and put at work on automatically captured data streams coming from several sources of information like YouTube, Facebook, Twitter, online newspapers, web search engines, etc. to automatically generate reports that include both scientific based scores and subjective but relevant summarized statements on the tendency analysis and the perceived satisfaction of a product, a company or another entity by the general population.
Nuestra intención es generar la mezcla ideal de tecnologías del audio, el habla y el lenguaje con las de big data. Algunas tecnologías automáticas del procesado de audio, habla y lenguaje están adquiriendo suficiente grado de madurez para ser capaces de ayudar a este objetivo: transcripción automática del habla, métodos de búsqueda por habla, recuperación de documentos hablados, procesado del lenguaje natural, transcripción y descripción de contenidos multimedia no estructurados, resumen de ficheros multimedia, detección de emoción en el habla y análisis de sentimientos, comprensión de texto y habla, etc. Parece que merece la pena unirlos y ponerlos a trabajar sobre secuencias de datos obtenidos automáticamente procedentes de diversas fuentes de información como YouTube, Facebook, Twitter, periódicos digitales, buscadores de internet, etc. para generar informes que incluyan tanto puntuaciones basadas en análisis cuantitativo como expresiones resumidas subjetivas pero significativas sobre el análisis de tendencias y la satisfacción percibida sobre un producto, una empresa u otra entidad.
000056802 536__ $$9info:eu-repo/grantAgreement/ES/MINECO/TIN2014-54288-C4
000056802 540__ $$9info:eu-repo/semantics/openAccess$$aby-nc$$uhttp://creativecommons.org/licenses/by-nc/3.0/es/
000056802 592__ $$a0.199$$b2016
000056802 593__ $$aLanguage and Linguistics$$c2016$$dQ2
000056802 593__ $$aLinguistics and Language$$c2016$$dQ2
000056802 593__ $$aComputer Science Applications$$c2016$$dQ4
000056802 655_4 $$ainfo:eu-repo/semantics/article$$vinfo:eu-repo/semantics/publishedVersion
000056802 700__ $$aPardo, J.M.
000056802 700__ $$aHurtado, L.F
000056802 700__ $$aSegarra, E.
000056802 700__ $$0(orcid)0000-0002-3886-7748$$aOrtega, A.$$uUniversidad de Zaragoza
000056802 700__ $$0(orcid)0000-0001-9137-4013$$aLleida, E.$$uUniversidad de Zaragoza
000056802 700__ $$aTorres, M.I.
000056802 700__ $$aJusto, R.
000056802 7102_ $$15008$$2800$$aUniversidad de Zaragoza$$bDpto. Ingeniería Electrón.Com.$$cÁrea Teoría Señal y Comunicac.
000056802 773__ $$g57 (2016), 147-150$$pProces. leng. nat.$$tPROCESAMIENTO DEL LENGUAJE NATURAL$$x1135-5948
000056802 85641 $$uhttp://rua.ua.es/dspace/handle/10045/57764$$zTexto completo de la revista
000056802 8564_ $$s175558$$uhttps://zaguan.unizar.es/record/56802/files/texto_completo.pdf$$yVersión publicada
000056802 8564_ $$s102642$$uhttps://zaguan.unizar.es/record/56802/files/texto_completo.jpg?subformat=icon$$xicon$$yVersión publicada
000056802 909CO $$ooai:zaguan.unizar.es:56802$$particulos$$pdriver
000056802 951__ $$a2020-02-21-13:52:25
000056802 980__ $$aARTICLE