Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LNR Ingles Teoria (1) - 3
LNR Ingles Teoria (1) - 3
Segmentación de imagen
• Soluciones diferentes:
1. Segmentar en discontinuidades de color y textura 2.
Representar el tamaño , la forma y la orientación de los
objetos 3. Representar las posiciones relativas de los objetos
•
por ejemplo , ángulos entre líneas que unen los centros
4. Realice coincidencias invariantes de rotación y escala
14
Machine Translated by Google
Segmentación de Blobworld
15
Machine Translated by Google
Recuperación de Blobworld
dieciséis
Machine Translated by Google
- ¡Realmente no!
17
Machine Translated by Google
18
Machine Translated by Google
• Mencionaremos únicamente:
1. Segmentación de videos
2. Navegación no secuencial
19
Machine Translated by Google
1. Segmentación de videos
persona semántica
personal técnico
persona física
¿Como funciona?
21
Machine Translated by Google
– La computación es costosa
– Ejemplo (utilizando la distribución de colores):
22
Machine Translated by Google
Aquí hay un ejemplo de una técnica que se puede usar para SBD:
23
Machine Translated by Google
2. Navegación no secuencial
• Examinar tomas secuencialmente lleva mucho tiempo
– ¡ Ver un video de 1 hora toma 1 hora!
– La navegación lleva menos de 1 hora, … ¡pero no mucho menos!
– ¿Qué pasa si tengo 10k horas de video?
• Soluciones:
– Estructurar el video en términos de tomas y escenas para
navegar de forma no secuencial
– Una jerarquía de escenas permite navegar y recuperar
información de video en varios niveles semánticos
24
Machine Translated by Google
Estructuración de videos
• Procedimiento:
1. Segmentar vídeo
2. Agrupa tomas en escenas 3.
Genera una jerarquía de escenas según el contenido
• Generada automáticamente
– Árbol de escenas y fotogramas clave:
26
Machine Translated by Google
Otro ejemplo
27
Machine Translated by Google
28
Machine Translated by Google
Análisis de textura
Patrón de textura similar
Segmentación de imagen,
Forma/patrón similar
Reconocimiento de patrones
29
Machine Translated by Google
30
Machine Translated by Google
31
Machine Translated by Google
32
Machine Translated by Google
33
Machine Translated by Google
Cortes de escena
piedra amarilla
34
Machine Translated by Google
8. Incrustaciones de palabras
Daniel Jurafsky, James H. Martin. Procesamiento del habla y el lenguaje. Una introducción al procesamiento del lenguaje natural,
la lingüística computacional y el reconocimiento del habla. 2020
Machine Translated by Google
incrustaciones de palabras
• Word2vec (Mikolov y
otros) https://code.google.com/archive/p/
word2vec/ • Fasttext http://www.fasttext.cc/ •
Guante (Pennington, Socher, Manning) http://
nlp.stanford.edu/projects/glove/
Machine Translated by Google
Word2vec
Word2vec
tarea de predicción :
Word2vec
• Oración de entrenamiento:
•
... limón, una cucharada de mermelada de albaricoque una pizca ...
• c1 c2 objetivo c3 c4
Suponga que las palabras de contexto son aquellas en la ventana de +/- 2 palabras
Machine Translated by Google
mermelada) – (albaricoque,
• P(+|t,c)
• P(ÿ|t,c) = 1ÿP(+|t,c)
Machine Translated by Google
Calcular p(+|t,c)
• Intuición:
Problema:
• Oración de entrenamiento:
•
... limón, una cucharada de mermelada de albaricoque una pizca ...
• c1 c2 t c3 c4
albaricoque
Entrenamiento Skip-Gram
• Oración de entrenamiento:
•
... limón, una cucharada de mermelada de albaricoque una pizca
...
• c1 c2 t c3 c4
Entrenamiento Skip-Gram
• Oración de entrenamiento:
•
... limón, una cucharada de mermelada de albaricoque una pizca
...
• c1 c2 t c3 c4
k=2
Machine Translated by Google
Configuración
Aprendiendo el Clasificador
• Proceso iterativo •
Criterios objetivos
• Queremos maximizar…
• Función de pérdida:
incrustaciones iniciales
27
Machine Translated by Google
Machine Translated by Google
Machine Translated by Google
contra
William L. Hamilton, Jure Leskovec y Dan Jurafsky. Las incrustaciones diacrónicas de palabras revelan las leyes estadísticas
del cambio semántico. Procedimientos de ACL. 2016
Machine Translated by Google
Visualización de cambios
Las palabras negativas cambian más rápido que las palabras positivas.
32
Machine Translated by Google
– x = Japón
• Preguntar “padre: médico :: madre: x”
– x = enfermera
Bolukbasi, Tolga, Kai-Wei Chang, James Y. Zou, Venkatesh Saligrama y Adam T. Kalai. ¿El hombre es al programador de
computadoras lo que la mujer es al ama de casa? eliminación de incrustaciones de palabras. En Avances en sistemas de
procesamiento de información neuronal, págs. 4349-4357, 2016
Machine Translated by Google
Direcciones
Bolukbasi, Tolga, Kai-Wei Chang, James Y. Zou, Venkatesh Saligrama y Adam T. Kalai. ¿El hombre es al programador de
computadoras lo que la mujer es al ama de casa? eliminación de incrustaciones de palabras. En Avances en sistemas de
procesamiento de información neuronal, págs. 4349-4357, 2016
Machine Translated by Google
Garg, Nikhil, Schiebinger, Londa, Jurafsky, Dan y Zou, James. Las incrustaciones de palabras cuantifican 100
años de estereotipos étnicos y de género. Actas de la Academia Nacional de Ciencias, 115(16), E3635–
E3644, 2018
Machine Translated by Google
Garg, Nikhil, Schiebinger, Londa, Jurafsky, Dan y Zou, James. Las incrustaciones de palabras cuantifican 100
años de estereotipos étnicos y de género. Actas de la Academia Nacional de Ciencias, 115(16), E3635–
E3644, 2018
Machine Translated by Google
Garg, Nikhil, Schiebinger, Londa, Jurafsky, Dan y Zou, James. Las incrustaciones de palabras cuantifican 100
años de estereotipos étnicos y de género. Actas de la Academia Nacional de Ciencias, 115(16), E3635–
E3644, 2018
Machine Translated by Google
Cambios en el encuadre:
Adjetivos asociados con el chino
Garg, Nikhil, Schiebinger, Londa, Jurafsky, Dan y Zou, James. Las incrustaciones de palabras cuantifican 100
años de estereotipos étnicos y de género. Actas de la Academia Nacional de Ciencias, 115(16), E3635–
E3644, 2018
Machine Translated by Google
Conclusión
• Conceptos o sentidos de las palabras
PNL PARA
ESTUDIAR LOS
ESTEREOTIPOS
El caso de los inmigrantes
berta chulvi
paolo rosso
Javier Sánchez-Junquera
PHRLT-UPV
Machine Translated by Google
NUEVAS
POSIBILIDADES ES
EL ESTUDIO DE LOS
ESTEREOTIPOS
ESTEREOTIPO
EL ORIGEN DEL CONCEPTO
• El término estereotipo en las ciencias sociales
fue utilizado por primera vez por Walter Lippman
en 1922 en su libro “Public Opinion”. • Es un
conjunto de creencias compartidas sobre un
objeto social
• Una imagen “fija” contra la que es difícil luchar. •
Tiene la connotación de cosa repetitiva, rígida, un
molde que se aplica de manera casi mecánica a
los componentes de un grupo: un cliché
Machine Translated by Google
Machine Translated by Google
ESTEREOTIPO
EL ORIGEN DEL CONCEPTO
COMPOSICIÓN DE TIPOS ESTEREOTIPO O
MÓVILES PLANCHA FIJA
Machine Translated by Google
ESTEREOTIPO
REPENSAR EL CONCEPTO
atributos Marcos
EL CONCEPTO DE
"CUADRO"
La forma en que un tema
está “enmarcado” afecta a
la comprensión del mismo.
45
38,71
40
35
30,78
30
26,35
25,37
25
20 17,63
15,14 15,75 15,74
13,4 14,25
15
10,5
10 7,03 6,95
5,54
3,32 3,64 3,25 3,71
5 2,55
0
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Machine Translated by Google
LOS DATOS
• El total de población inmigrada (nacida fuera de España) con 16 o más
años era de 4,5 millones de personas a comienzos de 2007.
• El 40% procedimiento de América Latina y el 33% de otros países de la Unión
Europea, de 27 miembros.
• Las poblaciones procedentes de África suponían el 17% del total. Muy atrás, con
menos del 5%, los contingentes originarios de la Europa no comunitaria y de Asia,
en tanto que los oriundos de América del Norte aportan menos del 1% del total.
7,8%
como
Mucho….
Machine Translated by Google
Machine Translated by Google
¿CÓMO SE VE AL INMIGRANTE?
DIMENSIONES DE UNA TAXONOMIA
AMENAZA AMENAZA
VÍCTIMAS VÍCTIMAS RECURSO
PARA EL
MENOS
XENOFOBIA POBREZA PARA EL
ECONÓMICO HUMANOS
GRUPO INDIVIDUO
Machine Translated by Google
3.2 Traen prosperidad económica: Pagan impuestos, envían remesas al exterior, etc.
3.3 Solucionar el problema de falta de población
3.4 Se habla de los contingentes de trabajadores inmigrantes. Se dice que son necesarios o
se opina sobre ellos
3.5 Se plantea que hay que regular la entrada de inmigrantes en función de las
necesidades del mercado laboral.
Machine Translated by Google
Para el individuo
4.3 Se plantea que los inmigrantes compiten con la población del país por los recursos como el trabajo, los servicios
sanitarios, la educación. Se plantea la inmigración como un problema en lo que respeta al uso de esos recursos.
4.4 Se señala que los inmigrantes traen enfermedades, o se hace referencia a ellos como portadores de nuevas
enfermedades.
¿QUÉ HEMOS
HECHO?
• Sánchez-Junquera, J.; Chulvi, B.; Rosso, P.;
Ponzetto, SP ¿Cómo hablas de
inmigrantes? Taxonomía
andStereoImmigrants Conjunto de datos para identificar
Estereotipos sobre los inmigrantes. Aplicado
Ciencias.2021,1, (en prensa)
¿Cómo ha sido
el proceso de anotación?
Machine Translated by Google
Pearsonÿ2=3828.24,df=8,p<.000
Machine Translated by Google
ESTEREOTIPO INMIGRANTE
Deshumanización (III)
Machine Translated by Google
¿HAY DIFERENCIAS
ENTRE PARTIDOS
POLÍTICOS?
PNL y posiciones sociales en el estudio
de los estereotipos sobre los
inmigrantes
Machine Translated by Google
ALGUNAS PREGUNTAS
1. ¿Existe una correspondencia entre las posiciones ideológicas y el uso
de los estereotipos sobre los inmigrantes?
CONSTRUIMOS UN NUEVO
CONJUNTO DE DATOS
• Recuperamos los discursos de los que se han extraído las frases y creamos
otro conjunto de datos IMMSPEECH, un conjunto de datos con 475 discursos
que contienen 487.697 palabras pronunciadas por 143 políticos (63% hombres)
en el Parlamento español.
• Disponemos de los metadatos de cada discurso (nombre del orador, partido
del orador, fecha del discurso y sexo)
• Construimos una serie de índices para caracterizar el lenguaje de esos
discursos con dos estrategias:
• (1) utilizamos la anotación previa de Stereoimmigrant
• (2) aplicamos herramientas de anotación automática (LWIC y SpaCi) para
analizar los estilos lingüísticos.
Machine Translated by Google
• Aplicamos también la
herramienta de
Etiquetado POS SpaCy
• Para reconocer las
categorías
gramaticales de
cada discurso
porque LWIC no nos
identificaba algunas
categorías
gramaticales como
por ejemplo, los
nombres
https://spacy.io/
Machine Translated by Google
• Dinero
• Religión
• muerte
Tabla 1. Número de discursos en cada categoría de discurso por ideología del hablante.
(Pearsonÿ2= 51,399, gl = 9, p < 0,000).
Machine Translated by Google
Índice de estereotipia
“víctima vs amenaza”.
(SI) número de frases que
presentan a los inmigrantes
como victimas (V) menos
el número de frases que
presentan a los inmigrantes
como amenaza (T) en
cada discurso
parlamentario (SI=VT).
IDEOLOGIA, ESTEREOTIPOS
Y POSICIÓN POLÍTICA
Índice de estereotipia
"víctima vs amenaza"
En el gobierno, PP y PSOE
no difieren (los dos
presentan más como
víctimas que como
amenaza) pero cuando
están en la oposición el
PSOE presenta a los
inmigrantes como "víctimas"
y el PP como "amenaza".
IDEOLOGÍA,
ESTILOS
LINGÜÍSTICOS
Y POSICION
POLÍTICA
IDEOLOGÍA,
ESTILOS
LINGÜÍSTICOS
Y POSICIÓN
POLÍTICA
IDEOLOGÍA,
ESTILOS
LINGÜÍSTICOS
Y POSICIÓN
POLÍTICA
¿CAMBIA LA
FORMA DE HABLAR
CUANDO CAMBIAN
DE TEMA?
CONSTRUIMOS UN NUEVO
CONJUNTO DE DATOS
• 31 de derecha
• 25 derecha moderada
• 39 de izquierda moderada
• 36 de izquierda • Estos
políticos han pronunciado 426 discursos con 420.031 palabras que hablan de los
inmigrantes y 4.719 discursos con 1.090.053 palabras que hablan de otros temas.
• Calculamos los mismos índices
Machine Translated by Google
EL TEMA SI
IMPORTA
Hablando de inmigrantes,
los politicos de todos los
partidos expresan menos
emociones positivas
(M=1,46) que hablando de
otros temas (M=1,89).
Encontramos una triple interacción que tiende a ser significativa (F(1,56)=3,021; p<.088) entre el tema de los
discursos, el partido y la posición política en el índice de lenguaje categórico vs narrativo
Machine Translated by Google
CONCLUSIONES
- Con el uso del lenguaje se construye una representación del mundo: lo que
creemos que sucede, lo que vemos, se construye en actos de comunicacion
- Las tecnicas de procesamiento del lenguaje natural nos han permitido crear unos
índices para demostrar empíricamente que los grupos en conflicto usan el
lenguaje en beneficio de sus propias estrategias.
- Las tecnicas de NLP y la ciencia de datos pueden servir para mejorar el mundo al
hacer transparentes a los ojos de la ciudadanía esas estrategias de comunicación.
Machine Translated by Google
REFERENCIAS
• Boyd, RL (2017). Análisis psicológico de textos en las humanidades digitales. En S. Hai-Jew (Ed.), Análisis de datos en
Humanidades digitales (págs. 161–189). Publicaciones internacionales de Springer. https://doi.org/10.1007/978-3-319-54499-1_7.
• Jordan, KN, Sterling, J., Pennebaker, JW y Boyd, RL (2019). Examinar las tendencias a largo plazo en la política y la cultura a
través del lenguaje de los líderes políticos y las instituciones culturales. Actas de la Academia Nacional de Ciencias,
201811987. https://doi.org/10.1073/pnas.1811987116
• Tajfel, H.; Jeque, AA; Gardner, RC (1964) Contenido de los estereotipos y la inferencia de similitud entre
miembros de grupos estereotipados. Acta Psychologica, 22, 191-201
• Tversky, A.; Kahneman, D. (1981) El marco de las decisiones y la psicología de la elección. Ciencia, 211.
Machine Translated by Google
¿A qué universidad
debo aplicar? ¿Qué auto
¿Qué teléfono debo comprar?
debo comprar?
Machine Translated by Google
buscando opiniones
• Pasado:
- individuos: opiniones de amigos y familiares
- empresas: encuestas, focus group, consultores, etc.
• Hoy en día:
- medios generados por el usuario: uno puede expresar opiniones
sobre cualquier cosa en reseñas, foros, grupos de discusión,
blogs - opiniones de escala global
• Pero:
- ahora tenemos mucha información sobre cualquier tema y
podemos formarnos una opinión y tomar decisiones fácilmente...
Información abrumadora
• Difícil de analizar todas y cada una de las reseñas
• Las opiniones se expresan de diferentes maneras,
en diferentes medios de diferentes usuarios
Minería de opinión
– detección de ironía
- etc.
Machine Translated by Google
Áreas de aplicaciones
• Empresas y organizaciones: interesados en opiniones
– Business intelligence : lo que le gusta/no le gusta a la gente en mi
¿producto?
– Encuesta sobre un tema
• Las personas están interesadas en las opiniones de los demás cuando...
– Compra de un producto –
Uso de un servicio –
Seguimiento de temas políticos
• Ubicaciones de anuncios: colocar anuncios en contenido generado por el usuario
– Poner un anuncio cuando se elogia un producto
– Colocar un anuncio de un competidor si uno critica un producto •
Recuperación de opiniones: proporciona una búsqueda general de opiniones
Machine Translated by Google
• Inglés incorrecto
• No hay inglés estándar "wuddup doe mah nigga juz droppin sum cuzz luv"
• Cambio de opinión
• “Esta película debe ser brillante. Suena como una gran trama, los actores son de primer grado,
y el elenco de apoyo también es bueno . Sin embargo, no puede aguantar”
Machine Translated by Google
A diferencia de la declaración objetiva o fáctica (se puede demostrar que es correcta o incorrecta)
Titular de opinión
Objetivo de opinión
Definición
• Una opinión (u opinión regular) es un quíntuple: (ei ,
aij, ooijkl, hk , tl ) • donde: – ei es el nombre de una
entidad, – aij es un aspecto de ei , – ooijkl es la
orientación de la opinión sobre el aspecto aij
de
ei , – hk es el titular de la
opinión y – tl es la fecha/hora en que hk expresa la opinión
• La orientación de la opinión ooijkl puede ser positiva,
negativa o neutra, o expresarse con diferentes niveles de
fuerza/intensidad