Download Ingeniería Lingüística para la Lingüística Forense

Gerardo Sierra Martínez
Reunión Informativa Anual 2011
16 de enero de 2012
Ingeniería Lingüística
Simbiosis entre la lingüística y la
computación orientada a la construcción
de sistemas computacionales aptos
para analizar y generar lenguajes
naturales.
 Líneas de investigación





Procesamiento de lenguaje natural
Extracción y recuperación de información
Minería de textos
Aprendizaje automático
Lingüística forense

Es
la
aplicación
(métodos,
de
herramientas,
conocimiento
técnicas,
lingüístico
etc.)
en
cuestiones legales.

Áreas:

Fonética forense

Detección de plagio y atribución de autoría

Detección de información relevante (fraude)

Significado de contratos y estatutos

Significado e interpretación de leyes y textos legales

Marcas registradas como palabras o frases en el lenguaje
Detección de plagio
24.0%
22.0%
supplag
supplagref
20.0%
18.0%
16.0%
14.0%
12.0%
10.0%
8.0%
6.0%
4.0%
2.0%
0.0%
0

1
2
3
4
5
6
7
8
9 10 11 12 13 14 15 16 17 18 19 20
Análisis estilométrico y lexicométrico:
 Lematización
 Tokenización
 POS
 N-gramas
 Palabras funcionales/no funcionales
Análisis de fraude
Sospecha de filtrado de información confidencial de una
empresa
 12,400 correos enviados → 38 con información
confidencial

Func
0,7
0,6
0,5
0,4
0,3
0,2
Similitude thématique
0,1
Similitude thématique et lexique
0,0
sushi0:sushi0
sushi0:sushi_elem4
sushi0:sushi_elem3
sushi0:sushi_elem5
sushi0:sushi_elem1
sushi0:sushi4a
sushi0:sushi_pro5
sushi0:sushi_pro3
sushi0:sushi_elem4b
sushi0:sushi4b
sushi0:sushi_pro1
sushi0:sushi_elem2
sushi0:sushi_nopla1
sushi0:sushi_pro2
sushi0:sushi_nopla3
sushi0:sushi_nopla2
sushi0:sushi_pro4
sushi0:sushi_out1
sushi0:cd2008
sushi0:cd2003
sushi0:cd2006b
sushi0:cd2002
sushi0:cd2001
sushi0:cd2004
sushi0:pin6
sushi0:cd2006a
sushi0:recursividad
sushi0:botas
sushi0:pin4
sushi0:lausanne
sushi0:carrera
sushi0:pin5
sushi0:miel_de_maple
sushi0:otro_monstruo
sushi0:pin7
sushi0:monstruo
sushi0:pin3
sushi0:pin1
sushi0:cartas_de_paris
sushi0:3.1416
sushi0:la_bruja_de_rosemont
sushi0:pin2
Detección de similitud
SUSHI0
Func =  f(,R) +  g(Energie, kernel)
Pas de similitude
3
6
9
12
15
18
21
24
Texte
27
30
33
36
39
42
Docencia en lingüística
forense
Lingüística Forense en el módulo de tecnologías
del lenguaje en la Facultad de Ingeniería.
 Fonética Forense en la Facultad de Filosofía y
Letras (FFyL).
 Incorporación de la asignatura de Fonética
Forense al plan de estudios de la Licenciatura en
Ciencias Forenses.
 Repatriación de la Dra. Fernanda López a la FFyL
para impulsar el desarrollo del área de LF.
 Convenio de colaboración entre el Instituto y la
FFyL para el desarrollo de proyectos en LF.

Detección de voz
Análisis acústico
de voz
Comparación
automática de
parámetros acústicos
Obtención de
perfil lingüístico
Comparación
forense de voz
Red TIC
6 Grandes retos → Seguridad y
transparencia de la información y los
servicios
 Proyecto semilla: Tecnologías del lenguaje
para la lingüística forense
 Integración de colegas en diferentes líneas





Tecnologías del lenguaje y del conocimiento
Seguridad
Redes y comunicaciones
Cómputo suave y aprendizaje automático
1er Seminario de LF
Campos de acción de la lingüística forense




Magistrada María de los Angeles Garrido, Tribunal Federal de Justicia Fiscal y
Administrativa
Miguel Sarré, ITAM
Patricia González, UACH
Margarita Palacios, FFyL, UNAM
Fonética forense



GIL, UNAM/ForensicLab, UPF
FI, UNAM
SMAF
Lenguaje jurídico



UACM
Aston University
CIC, IPN
Detección de plagio



Universidad Politécnica de Valencia
GIL, UNAM
INAOE
Bomba TEC
Búsqueda de palabras
clave en Internet.
 Atribución de autoría
mediante análisis de
frecuencias:

 De n-gramas:
 Palabras funcionales
 Etiquetado POS
 Longitud de:
 Oración
 Párrafo
Análisis estilométrico para la
similitud textual

Determinación del significado de similitud
textual
 Plagio, paráfrasis, reuso, similitud textual

Creación del corpus
 De exploración y pruebas

Determinación de medidas estilométricas
 20 marcadores estilísticos
Congreso de análisis de
fraude

Convenio con Ecuador
 Transferencia de tecnología
 Capacitación
privadas
a instituciones públicas y
Planeación congreso

Propuesta de sede en la UNAM para la
Conferencia bianual de la Internacional
Association of Forensic Linguistics que se
llevará a cabo en 2013.

Cerca de 100 ponentes, entre otras de:
 Aston University
 University of Cambridge
 Georgetown University
 Hotsfra University
 Universidad Pompeu Fabra.
Tecnologías de IL en la LF

PLN
Lematización
 Tokenización
 POS


Recuperación de información



Minería de textos




Búsqueda de información
Agrupamiento
Extracción de información
Relación de datos
Detección de similitud textual
Inteligencia artificial

Métodos de aprendizaje automático del lenguaje