“Here Are the Rules: Ignore All Rules”: Automatic Contradiction Detection in Spanish

Este artículo aborda la detección automática de contradicciones en español en el ámbito de las noticias. Dos piezas de información se clasifican como información compatible, contradictoria o no relacionada. Para hacer frente a la tarea, se creó el conjunto de datos ES-Contradiction. Este conjunto de datos contiene un número equilibrado de cada uno de los […]

Ampliar...

Automatic medical protocol classification using machine learning approaches

La asignación de protocolos de procedimientos de imagen médica requiere un amplio conocimiento de los datos del paciente, generalmente incluidos en los formularios de solicitud radiológica y en los informes radiológicos. La asignación del protocolo es necesaria antes de la adquisición del estudio radiológico, determinando el procedimiento para cada paciente. La automatización de este proceso […]

Ampliar...

How Successful Is Transfer Learning for Detecting Anorexia on Social Media?

La anorexia es un trastorno mental que implica graves anomalías en el comportamiento de ingesta nutricional. Este comportamiento conduce a una pérdida de peso importante, que puede provocar una desnutrición grave. En concreto, los trastornos alimentarios presentan la mayor tasa de mortalidad de todas las enfermedades mentales. La identificación temprana de la anorexia, junto con […]

Ampliar...

COVID-19 detection in radiological text reports integrating entity recognition

El diagnóstico de COVID-19 suele basarse en la prueba PCR que utiliza imágenes radiológicas, principalmente la Tomografía Computarizada (TC) de tórax para la evaluación de la afectación pulmonar por COVID-19. Sin embargo, los informes radiológicos textuales también contienen información relevante para determinar la probabilidad de presentar signos radiológicos de COVID-19 que afecten a los pulmones. […]

Ampliar...

SINAI at SemEval-2020 Task 12: Offensive language identification exploring transfer learning models

Este documento describe la participación del equipo del SINAI en la tarea 12: OffensEval 2: Multilingual Offensive Language Identification in Social Media. En particular, la participación en la subtarea A en inglés que consiste en identificar tuits como ofensivos o no ofensivos. Preprocesamos el conjunto de datos en función de las características lingüísticas utilizadas en […]

Ampliar...

Exploiting discourse structure of traditional digital media to enhance automatic fake news detection

Este artículo presenta una arquitectura novedosa para hacer frente a la detección automática de noticias falsas. La arquitectura incide en la estructura del discurso de las noticias en los medios digitales tradicionales y se basa en dos premisas. Primero, las noticias falsas tienden a mezclar información verdadera y falsa con el propósito de confundir a […]

Ampliar...

SINAI at CLEF eHealth 2020: testing different pre-trained word embeddings for clinical coding in Spanish

Este artículo describe el sistema presentado por el equipo SINAI para la tarea de extracción de información multilingüe del CLEF eHealth Lab 2020. Esta tarea se centra en la asignación automática de de los códigos de la Clasificación Internacional de Enfermedades (CIE) a textos relacionados con la salud en español. Nuestra propuesta sigue un enfoque […]

Ampliar...

SINAI at eHealth-KD Challenge 2020: Combining Word Embeddings for Named Entity Recognition in Spanish Medical Records

Este artículo describe el sistema presentado por el grupo de investigación SINAI al reto eHealth-KD en IberLEF 2020. Se definieron dos subtareas principales para el descubrimiento de conocimiento en la historia clínica española el reconocimiento de entidades y la extracción de relaciones. En el campo del Procesamiento del Lenguaje Natural (PLN), el Reconocimiento de En […]

Ampliar...