Use this link to cite:
http://hdl.handle.net/2183/31485 Uso de minería de redes sociales para mejorar la interacción con un robot social, una propuesta
Loading...
Identifiers
Publication date
Authors
Castro-González, Álvaro
Onorati, Teresa
Morales Sánchez, Rodrigo
Salichs, Miguel Ángel
Advisors
Other responsabilities
Journal Title
Bibliographic citation
Castro-González A., Onorati T., Morales-Sánchez R., Salichs M.Á. Uso de minería de redes sociales para mejorar la interacción con un robot social, una propuesta. XLIII Jornadas de Automática: libro de actas, pp.654-661. https://doi.org/10.17979/spudc.9788497498418.0654
Type of academic work
Academic degree
Abstract
[Resumen] Actualmente, las capacidades de interacción de los robots sociales son limitadas y, después de un tiempo de convivencia, los diálogos que pueden mantener son percibidos como predecibles, repetitivos y poco naturales. Esto puede llevar a una pérdida de interés de la persona en el robot. Si se quiere apostar por una convivencia exitosa y larga, es necesario dotar los robots de discursos más variados y que se adapten fácilmente a los cambios de necesidades que pueda haber en los usuarios. En esta contribución se propone una metodología que combina técnicas de minería de datos y de aprendizaje automático para, mediante el contenido publicado en las redes sociales, definir la comunicación verbal del robot de una forma dinámica. Se propone extraer información útil de las redes sociales para construir modelos de conocimiento basados en temas que son de interés para el usuario y en el contexto de la interacción con el robot. Además, se plantea mantener el modelo actualizado de acuerdo con la nueva información que se publique o cambios que pudieran ocurrir desde un punto de vista del usuario.
[Abstract] Currently, the interaction capabilities of social robots are limited and, especially in long-term interactions, the human-robot dialogues can be perceived as predictable, repetitive, and unnatural. This situation can lead the user to lose interest in the robot. If we want to bet on a successful and long-lasting coexistence, it is necessary to provide robots with more varied discourses that can adapt to the changing needs of the users. This contribution proposes a methodology that combines data mining and machine learning techniques to dynamically define the robot’s verbal communication through the content published on social networks. We propose to extract useful information from social networks to build knowledge models based on the context of the interaction so that it changes according to the published information.
[Abstract] Currently, the interaction capabilities of social robots are limited and, especially in long-term interactions, the human-robot dialogues can be perceived as predictable, repetitive, and unnatural. This situation can lead the user to lose interest in the robot. If we want to bet on a successful and long-lasting coexistence, it is necessary to provide robots with more varied discourses that can adapt to the changing needs of the users. This contribution proposes a methodology that combines data mining and machine learning techniques to dynamically define the robot’s verbal communication through the content published on social networks. We propose to extract useful information from social networks to build knowledge models based on the context of the interaction so that it changes according to the published information.
Description
Editor version
Rights
Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es


