- Percepción de la obesidad en twitter
- Mejora de un sistema automático de pregunta-respuesta de domino acotado (bot de diálogo)
- Mejora de texto predictivo para pictogramas mediante modelos de lenguaje
- Mejora de texto predictivo personalizada
- Extracción de información de historias clínicas
- Sobre ontologías de dominio legal (en la línea de nuestro trabajo A Low-cost, High-coverage Legal Named Entity Recognizer, Classifier and Linker)
- detectar semejanzas y disparidades entre las entidades que se encuentran en nodos a diferentes niveles de la ontología, y proponer cambios
- aplicar técnicas de clustering para sugerir una ontología
- Argument Mining en Twitter
- Stance detection en tweets, basado en la tarea de stance detection de SemEval 2016
- Relación entre stance y sentimiento / violencia / topic / factuality con stance detection o claim detection
- Transfer de otros dominios a Twitter para claim detection
- Diferentes tipos de embeddings para mejorar argument mining
- Mejora de las anotaciones humanas en texto legal, aplicando active learning o métodos híbridos
- Exploración de tópicos relacionados a leyes y normativas
- Técnicas de Textual Entailment aplicadas a detección de relaciones argumentativas, siguiendo el trabajo de Combining Textual Entailment and Argumentation Theory for Supporting Online Debates Interactions
- Detección de texto con opinión (opinionated text) o persuasión con transfer learning
- Active learning para Argument Mining
- Ensembles para Argument Mining
- active learning for sentence wikification
- mejorar NERC legal
No relacionados con Argument Mining:
- tareas del SemEval 2019, SemEval 2018 o SemEval 2017
- image captioning para imágenes médicas
- exploraciones sobre el impacto de diferentes tipos de embeddings
- revisión de diferentes tareas de pretexto