Archivo de categorías: Deep Semantic Analytics

Entradas sobre Deep Semantic Analytics

Ya disponible el nivel 3 de la taxonomía de contenidos de IAB en nuestra API de Categorización Profunda

IAB - Interactive Advertising BureauEl marketing digital se está convirtiendo, a pasos agigantados, en un pilar fundamental en los planes empresariales de prácticamente todos los modelos de negocio. Los métodos se refinan y la búsqueda de la conexión entre marca y usuario espera ser cada vez más precisa: un anuncio afín ya no es suficiente, ahora debe aparecer en el momento y el lugar adecuados. En esta tarea, la categorización resulta una herramienta clave. 

Por ello, en MeaningCloud hemos mejorado nuestro modelo de categorización de IAB en inglés integrado en nuestra API de Categorización Profunda

  • Añadiendo el nivel 3 de la taxonomía de contenidos a las categorías de categorización.
  • Mejorando la precisión de las categorías preexistentes.
  • Incluyendo los identificadores únicos definidos por el propio IAB para cada una de las categorías. 

Continuar leyendo


Grabación del webinar: analítica de texto profunda para una Inteligencia de Mercado más escalable y valiosa

Gracias por vuestro interés en nuestro webinar “Usa la analítica de texto profunda para conseguir una Inteligencia de Mercado más escalable y valiosa” que celebramos el pasado 23 de junio.

En él explicamos cómo la analítica profunda de texto permite entender automáticamente en detalle la información de Inteligencia de Mercado y habilita aplicaciones que te permiten identificar oportunidades de negocio y capturar valor de tu mercado mucho más eficazmente.

En la sesión cubrimos estos puntos:

  • Introducción a la Inteligencia de Mercado
    • Beneficios y limitaciones
  • Aplicando la analítica de texto profunda
    • Integrando múltiples fuentes
    • Descubriendo oportunidades comerciales
    • Entendiendo en profundidad a nuestros clientes
    • Analizando el entorno
    • Detectando señales de crecimiento

¿Interesado? A continuación tienes la presentación y la grabación del webinar.

(This webinar was also delivered in English. Please find the recording here.)

Continuar leyendo


La comunicación en tiempos del coronavirus (I): Análisis temático de noticias en medios digitales

Aunque, obviamente, la prioridad en estos tiempos de pandemia es la curación de los enfermos, la prevención de nuevos contagios y las medidas económicas y sociales para ayudar a las personas y empresas más desfavorecidas a superar esta situación, sin duda, en un futuro no muy lejano, el análisis de los contenidos generados por medios de comunicación y usuarios en redes sociales en torno al coronavirus será objeto de investigación en multitud de disciplinas como la sociología, la filología, la lingüística, la comunicación audiovisual, la política, etc.

En MeaningCloud queremos hacer una pequeña aportación en esta área, aplicando nuestra experiencia y nuestras soluciones de Text Analytics para analizar este ingente volumen de información en lenguaje natural, en español y en otros idiomas, en España y en otros países, puesto que, desgraciadamente, este es un problema global.

Este primer artículo de la serie se centra en el análisis temático de los contenidos generados en español por medios de comunicación digitales de España en el último mes, cómo han evolucionado en este tiempo y el posicionamiento informativo de los principales medios en España.

Los siguientes artículos analizan los temas de conversación en Twitter en España (tanto desde una perspectiva de hashtags y temas generales como aplicando una clasificación temática específica del coronavirus) y el análisis lingüístico de los discursos del presidente del Gobierno relacionados con la crisis.

Continuar leyendo


Grabación del webinar: Resuelve los problemas de categorización de texto más complejos

Gracias a todos por vuestro interés en nuestro webinar “Una nueva herramienta para resolver problemas complejos de categorización de texto” que celebramos el pasado 18 de junio y donde explicamos cómo utilizar nuestra herramienta de personalización de Categorización Profunda para resolver escenarios de clasificación de texto donde las tecnologías tradicionales de aprendizaje automático presentan limitaciones.

En la sesión cubrimos estos puntos:

  • Desarrollando modelos de categorización en el mundo real
  • Categorización basada en aprendizaje automático puro
  • API de Categorización Profunda. Modelos predefinidos y packs verticales
  • La nueva Herramienta de Personalización de Categorización Profunda. Lenguaje de reglas semánticas
  • Caso real: desarrollo de un modelo de categorización
  • Categorización Profunda – Clasificación de Texto. ¿Cuándo usar una u otra?
  • Proceso ágil de desarrollo de modelos. Combinación con aprendizaje automático

IMPORTANTE: este artículo es un tutorial basado en la demostración que realizamos y que incluye los datos a analizar y los resultados del análisis.

¿Interesado? A continuación tienes la presentación y la grabación del webinar.

(This webinar was also delivered in English. Please find the recording here.)
Continuar leyendo


MeaningCloud participa en el primer Global Legal Hackathon

Global Legal Hackaton

Del 23 al 25 de febrero de 2018, se celebró la primera fase del primer Global Legal Hackaton (GLH). David Fisher, organizador del evento y fundador de la empresa tecnológica y legal Integra Ledger, estima que el GLH generará un gran impacto. No es una afirmación precipitada, ya que la participación global en el GLH se acerca a la que obtuvo un evento anterior organizado por la NASA y se ha considerado el mayor hackatón organizado hasta la fecha. Durante 54 horas, más de cuarenta ciudades de los seis continentes participaron simultáneamente. Los equipos estaban formados por ingenieros, juristas, abogados y empresarios y todos trabajamos con un objetivo en común: crear inicios de proyectos legales que puedan favorecer la mejora de la labor jurídica o el acceso a la Justicia a través de una app, un programa o software. Continuar leyendo


Grabación del webinar: Por qué necesitas Deep Semantic Analytics

El pasado día 12 de julio celebramos nuestro webinar “Por qué necesitas Deep Semantic Analytics”, donde explicamos cómo automatizar la comprensión profunda de documentos complejos. Gracias a todos por vuestro interés.

En la sesión cubrimos estos puntos:

  • Comprensión automática de documentos no estructurados.
  • En qué consiste Deep Semantic Analytics. Comparación con la analítica de texto convencional.
  • Dónde se puede aplicar.
  • Caso práctico: proceso de due diligence.
  • Cómo debería ser una buena solución de Deep Semantic Analytics.
  • Roadmap MeaningCloud en Deep Semantic Analytics.

IMPORTANTE: En este artículo, puedes encontrar una explicación más narrativa de algunos de los temas que tocamos, incluyendo el caso práctico sobre due diligence.

¿Interesado? A continuación tienes la presentación y la grabación del webinar.

(This webinar was also delivered in English. Please find the recording here.)
Continuar leyendo


Deep Semantic Analytics: un caso práctico

Cada vez son más habituales los escenarios donde se puede extraer un enorme valor del análisis del contenido no estructurado: desde las noticias sobre un sector o empresa hasta el procesamiento de contratos o expedientes médicos. Sin embargo, como sabemos, este contenido no se presta bien a su análisis automático.

La analítica de texto ha venido a cubrir esta necesidad, proporcionando herramientas potentes que nos permiten descubrir temas, menciones, polaridad, etc. en el texto en formato libre. Esto ha hecho posible conseguir un nivel inicial de comprensión y análisis automáticos de los documentos no estructurados, que ha habilitado una generación de aplicaciones semánticas sensibles al contexto en áreas como el análisis de la voz del cliente o la gestión del conocimiento.

Continuar leyendo


Por qué necesitas Deep Semantic Analytics (webinar)

Automatiza la comprensión profunda de documentos complejos

La Analítica de Texto convencional permite alcanzar un primer nivel de comprensión automática del contenido no estructurado, gracias a su capacidad para extraer menciones de entidades y conceptos, asignar categorías generales o identificar la polaridad de opiniones y hechos que aparecen en el texto. Sin embargo, estos elementos aislados de información no reflejan la riqueza informativa que proporcionan estos documentos e imponen limitaciones a la hora de encontrarlos, relacionarlos o analizarlos automáticamente.

Deep Semantic Analytics representa un paso más allá de la analítica de texto convencional al proporcionar prestaciones como la categorización granular a nivel de fragmento, la detección de patrones complejos y la extracción de relaciones semánticas entre los elementos de información del documento.

Continuar leyendo