000060479 001__ 60479
000060479 005__ 20170831220650.0
000060479 037__ $$aTAZ-TFM-2016-1015
000060479 041__ $$aspa
000060479 1001_ $$aAbadía Gadea, Miguel
000060479 24200 $$aDialogue system for alternative and augmentative communication with pictograms
000060479 24500 $$aSistema de diálogo para la comunicación aumentativa y alternativa con pictogramas
000060479 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2016
000060479 500__ $$aResumen disponible también en inglés.
000060479 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/
000060479 520__ $$aEn primer lugar, destacar que este Trabajo Fin de Máster se ha desarrollado dentro del grupo de investigación ViVoLab (Voice Input Voice Output Laboratory) de la Universidad de Zaragoza. Este proyecto se enmarca dentro del campo de la comunicación aumentativa y alternativa, la cual hace más sencilla la relación de personas con necesidades especiales, y tiene como objetivo la creación de un sistema de diálogo. Este sistema de diálogo permite la comunicación mediante texto y pictogramas, e incluye una herramienta de predicción que facilita su uso. El sistema de diálogo se basa en una aplicación tipo chat que permite a los usuarios enviar mensajes al resto de personas conectadas. Los mensajes son enviados usando tanto texto como pictogramas, y pueden ser introducidos de las dos formas, bien usando un teclado para escribir texto o seleccionando los pictogramas de la propia aplicación. Estos pictogramas están ordenados por categorías gracias al uso de la base de datos de Arasaac (portal Aragonés de la Comunicación Aumentativa y Alternativa). El sistema de predicción ordena las categorías presentando al usuario las que tienen un uso más probable en cada momento. Dentro de cada categoría, se pueden seleccionar los pictogramas (los cuales también aparecen ordenados por probabilidad de uso) añadiendo una nueva palabra al mensaje que se está escribiendo. El algoritmo de predicción también permite al usuario escoger sus frases más comunes al comienzo de la conversación, así como cada vez que envía o recibe un mensaje para poder seguir la conversación con más fluidez. Si el usuario se decide por redactar una nueva frase, el sistema de predicción le ayudará para completarla, actualizándose cada vez que se introduzca una nueva palabra y/o pictograma. En cuanto al sistema de predicción, éste se basa en modelos de lenguaje de N-gramas. Los N-gramas son secuencias de palabras de longitud N y la predicción se realiza a través de la probabilidad de cada N-grama en el modelo de lenguaje. Además, el algoritmo utiliza un modelo de lenguaje global y otro modelo de lenguaje caché, basado en el uso qué cada usuario hace del sistema, personalizándolo.
000060479 521__ $$aMáster Universitario en Ingeniería de Telecomunicación
000060479 540__ $$aDerechos regulados por licencia Creative Commons
000060479 700__ $$aLleida Solano, Eduardo$$edir.
000060479 7102_ $$aUniversidad de Zaragoza$$bIngeniería Electrónica y Comunicaciones$$cTeoría de la Señal y Comunicaciones
000060479 8560_ $$f628770@celes.unizar.es
000060479 8564_ $$s2462612$$uhttps://zaguan.unizar.es/record/60479/files/TAZ-TFM-2016-1015.pdf$$yMemoria (spa)
000060479 909CO $$ooai:zaguan.unizar.es:60479$$pdriver$$ptrabajos-fin-master
000060479 950__ $$a
000060479 951__ $$adeposita:2017-02-28
000060479 980__ $$aTAZ$$bTFM$$cEINA