Investigador/es Principal/ais
Investigador/es CiTIUS
Datas de Execución
  • 2018-07-01 - 2020-06-30
Consorcio
Financiado por
  • Acciones de dinamización «Redes de Excelencia», Subprograma Estatal de Generación de Conocimiento, Programa Estatal de Fomento de la Investigación Científica y Técnica de Excelencia, Ministerio de Economía, Industria y Competitividad - Agencia Estatal de Investigación, PO FEDER Galicia 2014-2020 — Unha maneira de facer Europa, Unión Europea
iGLN: Rede de Excelencia en Tratamento Intelixente de Datos e Xeración de Linguaxe Natural

iGLN: Rede de Excelencia en Tratamento Intelixente de Datos e Xeración de Linguaxe Natural

A Rede Temática "Tratamento Intelixente da información e Xeración de Linguaxe Natural (iGLN)" integra dez grupos procedentes de dous ámbitos complementarios, que ata hai pouco viñeron desenvolvéndose de forma case independente: o tratamento intelixente de datos (principalmente baseado na Computación Flexible ou Soft Computing, SC) e a Xeración de Linguaxe Natural (Natural Language Generation, NLG).


A Rede defínese a través dun plan de colaboración entre os devanditos grupos, todos eles cunha experiencia e un perfil ben contrastados tanto a nivel científico coma no desenvolvemento e a transferencia de solucións en moi diversos ámbitos.

A visión da rede iGLN é definir a axenda de investigación conxunta nos ámbitos SC e NLG, en canto á súa utilización en novos contextos de aplicación real, partindo da experiencia previa dos grupos integrantes, onde a converxencia dos dous ámbitos poida demostrar a súa viabilidade. Como punto de partida, que asegure resultados transferibles á sociedade e aos sectores produtivos, tomaranse os ámbitos de aplicación real xa experimentados, con indubidable éxito, por parte dos grupos participantes.

Obxectivos

O obxectivo principal da rede iGLN é facilitar a iniciación da colaboración entre grupos de investigación españois de referencia en SC e NLG, co dobre obxectivo de:

  • Identificar puntos de converxencia e retos comúns para as dúas áreas, que teñen un maior impacto e relevancia, tanto a nivel de modelos como de aplicacións.
  • Preparar un mapa de ruta que defina e permita abordar estes retos nun futuro inmediato mediante actividades de I+D+i conxuntas.
Canonical link