Pasar al contenido principal

Proyecto I+D

Sistema inteligente multimodal basado en crowdsensing para un servicio de predicción de problemas sociales (ALLEGRO)

Proyecto PID2020-112827GB-I00

Inicio / Fin: desde el al

Financiado por MCIN/ AEI /10.13039/501100011033
Fondo Europeo de Desarrollo Regional

 

Carlos Periñán Pascual
jopepas3@upv.es
+34 962849433

EQUIPO DE INVESTIGACIÓN

 

  • Carlos Periñán Pascual (Investigador Principal, Universitat Politècnica de València)
  • Andrés Bueno Crespo (Universidad Católica de Murcia)
  • Andrés Muñoz Ortega (Universidad de Cádiz)
  • Ángela Alameda Hernández (Universidad de Granada)
  • Ángel Felices Lago (Universidad de Granada)
  • Antonia Sánchez Pérez (Universidad Católica de Murcia)
  • Antonio Llanes Castro (Universidad Católica de Murcia)
  • Baldomero Imbernón Tudela (Universidad Católica de Murcia)
  • Belén López Ayuso (Universidad Católica de Murcia)
  • Fernando Terroso Sáenz (Universidad Católica de Murcia)
  • Francisco Arcas Túnez (Universidad Católica de Murcia)
  • Jesús Soto Espinosa (Universidad Católica de Murcia)
  • José Luis Abellán Miguel (Universidad Católica de Murcia)
  • Juan Miguel Navarro Ruiz (Universidad Católica de Murcia)
  • Magdalena Cantabella Sabater (Universidad Católica de Murcia)
  • Manuel Curado Navarro (Universidad Católica de Murcia)
  • Nicolás Fernández Martínez (Universidad de Jaén)
  • Pedro Ureña Gómez-Moreno (Universidad de Granada)
  • Raquel Martínez España (Universidad de Murcia)
  • Rocío Jiménez Briones (Universidad Autónoma de Madrid).

EQUIPO DE TRABAJO

 

  • Miguel Ángel Guillén Navarro (Universidad Católica de Murcia)
  • Antonio Serrano Fernández (Universidad Católica de Murcia)
  • Joaquín Lasheras Velasco (CENTIC)
  • José Cano Reyes (University of Glasgow)
  • Juan Carlos Augusto Wrede (University of Middlesex)
  • Massimo Mecella (Sapienza Universitá Di Roma)
  • Jason J. Jung (Chung-Ang University)
  • Paulo Novais (Universidade Do Minho)
  • José Machado (Universidade Do Minho)
  • Mounir Ghogho (Université Internationale de Rabat)
  • Matjaz Gams (Jozef Stefan Institute)
  • Sofia Ouhbi (United Arab Emirates University)
  • Yanquin Duan (University Of Bedfordshire)
Las redes sociales se han convertido en un fenómeno global de la comunicación, donde los usuarios publican contenido en forma de texto, imágenes, vídeo, audio o una combinación de ellos para expresar sus opiniones, relatar hechos que están ocurriendo en ese momento o mostrar situaciones de interés. Una línea de investigación actual relacionada con estas herramientas consiste en el crowdsensing, i.e. el análisis y la interpretación de la ingente cantidad de información que se publica a diario en dichas herramientas. Son varios los retos que se plantean a la hora de desarrollar aplicaciones que puedan hacer uso de la información proporcionada por los usuarios de las redes sociales, los cuales se conciben como sensores sociales. Por un lado, cada vez es más frecuente encontrar diferentes tipos de información (p.ej. texto, audio, imágenes, etc.) incluidos en una misma publicación y, por tanto, es necesario extraer las características más relevantes de cada elemento con el fin de combinarlas y aumentar así la información sobre el contexto relativo al evento descrito en la publicación. Por otro lado, debido a la enorme cantidad de información a procesar, las técnicas tradicionales de fusión de información semántica deben adaptarse y combinarse con técnicas de aprendizaje automático y computación de altas prestaciones para poder ofrecer respuestas en tiempo real a partir del análisis de decenas de miles de publicaciones.

 

Para dar respuesta a estos retos, este proyecto propone el desarrollo de ALLEGRO (Adaptive muLti-domain sociaL-media sEnsinG fRamewOrk), un sistema inteligente multimodal (i.e. texto, audio e imagen) para el análisis y la fusión de la información publicada en redes sociales. Este sistema está compuesto por diferentes módulos interconectados de análisis, donde se aplicarán técnicas eficientes de aprendizaje automático para la extracción de las características más relevantes y el aumento de la información contextual de las publicaciones. Dichas características convergerán en un módulo de fusión de información, donde se aplicarán técnicas novedosas de integración semántica y aprendizaje profundo para obtener un modelo de conocimiento que describa los eventos o las situaciones que están teniendo lugar en tiempo real en el entorno del ciudadano. Con el fin de evaluar la arquitectura de ALLEGRO, implementaremos un prototipo dentro del marco del desarrollo de ciudades inteligentes. En este sentido, adoptamos un enfoque integral al concepto de ciudad inteligente, donde nos centramos no sólo en detectar problemas relacionados con la calidad de las infraestructuras y servicios proporcionados a los ciudadanos (p.ej. sanidad, alumbrado y transporte, entre otros) sino también en analizar la dimensión sociológica de la ciudad, la cual se refleja en las preocupaciones de sus habitantes (p.ej. conflictos raciales, desempleo y violencia, entre otros). De esta forma, desarrollaremos un sistema de “Social-Sensing as-a-service” cuyo objetivo sea abordar todos aquellos aspectos que no contribuyan a mejorar el bienestar y la calidad de vida de los ciudadanos.

Social-media tools have become a global phenomenon of communication, where users post content in the form of text, images, video, audio or a combination of them to convey their opinions, report facts that are happening at that time or show situations of interest. A current line of research related to these tools consists in crowdsensing, i.e. the analysis and interpretation of the huge amount of information that is daily posted in these tools. There are a number of challenges that should be faced when developing applications that make use of the information provided by social-network users, who are regarded as social sensors. On the one hand, it is increasingly common to find different types of information (e.g. text, audio, images, etc.) in the same post and, therefore, it is necessary to extract the most relevant features of each element in order to combine them and thus increase the information about the context of the event described by the post. On the other hand, due to the enormous amount of information to be processed, the traditional techniques of semantic-information fusion should be adapted and combined with machine-learning techniques and high-performance computing in order to be able to provide responses in real time from the analysis of tens of thousands of messages.

To meet these challenges, this project proposes the development of ALLEGRO (Adaptive muLti-domain sociaL-media sEnsinG fRamewOrk), a smart multi-modal system (i.e. text, audio, and image) for the analysis and fusion of information posted on social networks. This system is comprised of different interconnected analysis modules, where efficient machine-learning techniques will be applied to both the extraction of the most significant features and the increase of contextual information from posts. These features will converge in an information-fusion module, where novel semantic-integration and deep-learning techniques will be applied to obtain a knowledge model that serves to describe the events or situations that are taking place in real time in the citizen's environment. With the purpose of evaluating the ALLEGRO architecture, we aim to implement a social-sensing prototype for the smart-city framework. In this regard, we take an integral approach to the concept of "smart city", where we focus not only on detecting problems related to the quality of the infrastructure and services provided to citizens (e.g. healthcare, lighting, and transportation, among others) but also on analysing the sociological dimension of the city, which is reflected through people's concerns (e.g. racial conflicts, unemployment, and violence, just to name a few). Therefore, we aim to develop a “Social-Sensing as-a-service” system that could deal with issues that do not contribute to improving well-being and quality of life.

2022

 

Aragón-Jurado, J. M., Acuña-Vega, L. E., Ortiz, G., Boubeta-Puig, J., Muñoz, A. (2022) Detección inteligente de sucesos en Smart Cities con feedback de los ciudadanos. XVII Jornadas de Ingeniería de Ciencia e Ingeniería de Servicios (JCIS 2022). http://hdl.handle.net/11705/JCIS/2022/029

Bao, Y., Sun, Y., Feric, Z., Shen, M., Weston, M., Abellán, J. L., Baruah, T., Kim, J., Joshi, A., Kaeli, D. (2022) NaviSim: A highly accurate GPU simulator for AMD RDNA GPUs. Proceedings of the 31st International Conference on Parallel Architectures and Compilation Techniques (PACT 2022).

Curado, M., Rodriguez, R., Terroso-Saenz, F., Tortosa, L., Vicent, J. F. (2022) A centrality model for directed graphs based on the Two-Way-Random Path and associated indices for characterizing the nodes. Journal of Computational Science, 63, 101819. https://doi.org/10.1016/j.jocs.2022.101819

Garg, R., Qin, E., Muñoz-Martínez, F., Guirado, R., Jain, A., Abadal, S., Abellán, J. L., Acacio, M. E., Alarcón, E., Rajamanickam, S., Krishna, T. (2022) Understanding the design-space of sparse/dense multiphase GNN dataflows on spatial accelerators. Proceedings of the 2022 IEEE International Parallel and Distributed Processing Symposium (IPDPS), 571-582. https://doi.org/10.1109/IPDPS53621.2022.00062

López, B., Arcas-Túnez, F., Cantabella, M., Terroso-Sáenz, F., Curado, M., Muñoz, A. (2022) EMO-Learning: Towards an intelligent tutoring system to assess online students' emotions. Proceedings of the 18th International Conference on Intelligent Environments, 1-4. https://doi.org/10.1109/IE54923.2022.9826770

Muñoz-Martínez, F., Abellán, J. L., Acacio, M. E., Krishna, T. (2022) STIFT: A spatio-temporal integrated folding tree for efficient reductions in flexible DNN accelerators. Journal of Emerging Technologies and Computing Systems. https://doi.org/10.1145/3531011

Navarro Ruiz, J.M., Terroso-Sáenz, F., Fernández, J.M. (2022) Ampliación de aplicación móvil de sonometría para la clasificación de fuentes sonoras. 53º Congreso Español de Acústica -Tecniacústica 2022.

Periñán-Pascual, C. (2022) Measuring associational thinking through word embeddings. Artificial Intelligence Review 55, 2065-2102. https://doi.org/10.1007/s10462-021-10056-6

Pita, A., Rodriguez, F.J., Navarro, J.M. (2022) Analysis and evaluation of clustering techniques applied to wireless acoustics sensor network data. Applied Sciences 12(17): 8550. https://doi.org/10.3390/app12178550

Pita, A., Rodriguez, F.J., Navarro, J.M. (2022) On the application of unsupervised clustering to sound pressure data from an acoustic sensors network. Ambient Intelligence and Smart Environments 31: Workshops at 18th International Conference on Intelligent Environments (IE2022). Amsterdam: IOS Press. https://ebooks.iospress.nl/volumearticle/60119

Shivdikar, K., Jonatan, G., Mora, E., Livesay, N., Agrawal, R., Joshi, A., Abellan, J. L., Kim, J., Kaeli, D. (2022) Accelerating polynomial multiplication for homomorphic encryption on GPUs. Proceedings of the 2022 IEEE International Symposium on Secure and Private Execution Environment Design (SEED 2022).

Terroso-Saenz, F., Flores, R., Muñoz, A. (2022) Human mobility forecasting with region-based flows and geotagged Twitter data. Expert Systems with Applications, 117477. https://doi.org/10.1016/j.eswa.2022.117477

Terroso-Saenz, F., Muñoz, A., Arcas, F., Curado, M. (2022). An analysis of twitter as a relevant human mobility proxy. GeoInformatica, 1-30. https://doi.org/10.1007/s10707-021-00460-z

Terroso-Saenz, F., Muñoz, A., Arcas, F., Curado, M. (2022) Can Twitter be a reliable proxy to characterize nation-wide human mobility? A case study of Spain. Social Science Computer Review, 08944393211071071. https://doi.org/10.1177/08944393211071071

 

2021

 

Cebrian, J. M., Imbernón, B., Soto, J., & Cecilia, J. M. (2021). Evaluation of Clustering Algorithms on HPC Platforms. Mathematics, 9(17), 2156. doi:10.3390/math9172156

Sepúlveda, A., Periñán-Pascual, C., Muñoz, A., Martínez-España, R., Hernández-Orallo, E., Cecilia, J. M. (2021) COVIDSensing: Social sensing strategy for the management of the COVID-19 crisis. Electronics, 10(24), 3157. https://doi.org/10.3390/electronics10243157

Empresas

 

  • VIELCA INGENIERIOS, S.A.
  • CETENMA (Centro Tecnológico de la Energía y el Medio Ambiente)
  • CENTIC (Centro Tecnológico de la Energía y el Medio Ambiente)
  • Tranvía de Murcia, S.A.
  • Oficina de Congresos de Murcia
  • FECOAM (Federación de Cooperativas Agrarias de Murcia)
  • LEVERADE