60479 20170831220650.0 TAZ-TFM-2016-1015 spa Abadía Gadea, Miguel Dialogue system for alternative and augmentative communication with pictograms Sistema de diálogo para la comunicación aumentativa y alternativa con pictogramas Zaragoza Universidad de Zaragoza 2016 Resumen disponible también en inglés. by-nc-sa Creative Commons 3.0 http://creativecommons.org/licenses/by-nc-sa/3.0/ En 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. Máster Universitario en Ingeniería de Telecomunicación Derechos regulados por licencia Creative Commons Lleida Solano, Eduardo dir. Universidad de Zaragoza Ingeniería Electrónica y Comunicaciones Teoría de la Señal y Comunicaciones 628770@celes.unizar.es 2462612 http://zaguan.unizar.es/record/60479/files/TAZ-TFM-2016-1015.pdf Memoria (spa) oai:zaguan.unizar.es:60479 driver trabajos-fin-master deposita:2017-02-28 TAZ TFM EINA