Plataforma para la investigación de contenidos sindicados: desarrollo del sistema ReSync y aplicación a los medios de comunicación españoles y mexicanos

Tipo: Experimental
Título: Plataforma para la investigación de contenidos sindicados: desarrollo del sistema ReSync y aplicación a los medios de comunicación españoles y mexicanos
Referencia: http://eprints.rclis.org/19030/

The diversification of routes of transmission of information in a complex network map configured in the content syndication channels that play an important role, requiring special treatment that ensures processing and scientific study. The object of study is the development RESYNC program that performs these functions, so that provides a platform for experimentation with massive information collected through multiple channels or sources. The proper function of parsers and content aggregators, try to be enlarged to exceed your limits. Thus tests are conducted import, processing and retrieval of contents with the main channels of media syndication Hispanic-Mexican, so that can be obtained the total number of news, information processing in press, radio , television and the internet of the same news, the ratio of quantitative data and statistical publication of the topography and structure of syndication feeds.

La diversificación de las vías de transmisión de información en la red ha configurado un complejo mapa de contenidos en el que los canales de sindicación juegan un papel importante, requiriendo un tratamiento especial que asegure su procesamiento y estudio científico. El objeto de estudio es el desarrollo del programa RESYNC, que lleva a cabo dichas funciones, de forma tal que proporciona una plataforma de experimentación con la información recopilada masivamente a través de múltiples canales o fuentes de información. Esta función propia de parsers y agregadores de contenidos, tratará de ser ampliada, para superar sus límites. En este sentido se llevan a cabo pruebas de importación, tratamiento y recuperación de contenidos con los principales canales de sindicación de medios de comunicación hispano-mexicanos, de tal forma que puedan obtenerse el número total de noticias, tratamiento de la información en prensa, radio, televisión e internet de una misma noticia, datos cuantitativos del ratio de publicación y estadísticas de la topografía y estructura de los canales de sindicación.

Desarrollo de un sistema de clasificación automática de contenidos en medios de comunicación españoles y mexicanos

Tipo: Experimental
Título: Desarrollo de un sistema de clasificación automática de contenidos en medios de comunicación españoles y mexicanos
Referencia: http://eprints.rclis.org/19031/

The objective of this research is to develop an automatic classification system for the contents retrieved through the Resync platform specializing in the investigation of sources of information media. This investigation is justified due to the lack of automated methods to organize the information gathered and the need to scrutinize the thematic categories addressed by the media by country. To resolve these problems, we transform the Eurovoc multilingual thesaurus in a pseudo-ontology vocabulary that is used as a qualifier for the documentary corpus. The test collection used has 400,000 contents from Mexican and Spaniard media published during the months of June-July 2011. Additionally, are designed and tested 5 automatic classification algorithms, accurate consultation and generic classification using the vocabulary above, for their harmonization with the collection of evidence. You get all the quantitative results of the experiment, concluding a progressive escalation in the percentage of classified content, given by the precision of the algorithm and its conditioning. Finally, the basis for qualitative evaluation of the classification made by the system, in order to perfect the process described herein.

El objetivo de la investigación es desarrollar un sistema de clasificación automática para los contenidos recuperados a través de la plataforma RESYNC, especializada en la investigación de fuentes de información en medios de comunicación. Se justifica su desarrollo debido a la falta de métodos automatizados para organizar la información recopilada por medio de dicha plataforma. Por otro lado, debido a la necesidad de estudiar en profundidad las categorías temáticas abordadas por los medios de comunicación según el país. Para resolver estos problemas, se transforma el tesauro multilingüe EUROVOC, en una pseudo-ontología, que es utilizada como vocabulario clasificatorio del corpus documental, compuesto por más de 400.000 noticias publicadas durante los meses de junio-julio de 2011, entre medios Mexicanos y Españoles. Por otro lado, se diseñan y prueban 5 algoritmos de clasificación automática, de consulta precisa y genérica, que emplean el vocabulario clasificatorio anteriormente mencionado, para su equiparación con la colección de prueba. Se obtienen todos los resultados cuantitativos del experimento, concluyendo un escalonamiento progresivo en el porcentaje de contenidos clasificados, dado por el grado de precisión del algoritmo y su condicionamiento. Finalmente se sientan las bases para evaluar cualitativamente la clasificación efectuada por el sistema, con el objetivo de perfeccionar el proceso aquí descrito.

Evaluación del sistema de clasificación automática de contenidos "Resync" en medios de comunicación españoles y mexicanos

Tipo: Experimental

Título: Evaluación del sistema de clasificación automática de contenidos "Resync" en medios de comunicación españoles y mexicanos

Referencia: http://eprints.rclis.org/19103/

The objective of the research is to evaluate algorithms for automatic classification of content, originally designed for thematic categorization of content and news compiled with RESYNC platform. The evaluation process is conducted with forms specifically designed to determine the degree of relevance of content classified by the evaluators. Finally, it shows that the algorithm evaluated, has an accuracy of 71%. It was also determined that the highest ranked topics are those related to finance, law and politics.

El objetivo de la investigación es la evaluación de los algoritmos para la clasificación automática de contenidos, diseñados originalmente para la categorización temática de los contenidos y noticias recopiladas con la plataforma RESYNC. El proceso de evaluación se lleva a cabo con formularios específicamente diseñados para determinar el grado de relevancia de los contenidos clasificados por los evaluadores. Finalmente se determina que uno de los algoritmos utilizados posee un porcentaje de precisión del 71%. También se determina que las temáticas mejor clasificadas son aquellas relativas a finanzas, derecho y política.