Por qué necesitas Deep Semantic Analytics - MeaningCloud webinar

Automatiza la
comprensión profunda de
documentos complejos
12 julio 2017
Webinar

Por qué necesitas Deep Semantic Analytics
Antes de empezar
Ponente
Cómo vamos a funcionar
• Enviar preguntas de texto a través del chat
• “Levanta la mano” para hablar y abriremos tu micro
• Publicaremos enlace a webinar grabado
y contenidos como tutoriales en blog
Antonio Matarranz
CMO

El propósito de este webinar…
Entender el valor que
aporta la Analítica
Semántica Profunda de
documentos complejos

Agenda
 Comprensión automática de documentos no
estructurados.
 En qué consiste Deep Semantic Analytics.
Comparación con la analítica de texto convencional.
 Dónde se puede aplicar.
 Caso práctico: proceso de due diligence.
 Cómo debería ser una buena solución de Deep
Semantic Analytics.
 Roadmap MeaningCloud en Deep Semantic Analytics.
 Conclusiones y preguntas.

OpinionesTemas
Hechos
Conceptos
Organizaciones
Personas
Análisis
Semántico
Relaciones
Analítica de texto convencional
Un primer nivel de comprensión automática del contenido no estructurado

Extrayendo elementos aislados de información
 Detectar de manera no ambigua y dependiente del contexto apariciones bajo
diversos sinónimos
 Categorización temática
 Mucho más que detectar cadenas de texto
Donald Trump takes major step to wiping out Obama’s climate-change
record
Presidential order will instruct federal regulators to rewrite key rules curbing
carbon emissions
President Trump’s executive order will tell the EPA to begin rewriting the 2015 regulation
that limits greenhouse-gas emissions from existing power plants Justin Lane/EPA
President Trump will take the most significant step yet in obliterating his predecessor’s
environmental record on Tuesday, instructing federal regulators to rewrite key rules
curbing US carbon emissions.
The sweeping executive order also seeks to lift a moratorium on federal coal leasing and
remove the requirement that federal officials consider the impact of climate change when
making decisions.
The order sends an unmistakable signal that just as President Barack Obama sought to
weave climate considerations into every aspect of the federal government, Trump is
hoping to rip that approach out by its roots.
Entidades:
Barack H. Obama, POTUS44
Donald J. Trump, POTUS45
Conceptos:
Emisiones de gas invernadero
Cambio climático
Orden presidencial
Gobierno federal
Regulador federal
Temas:
Calentamiento global
Legislación EE.UU.

Extraer datos aislados no es suficiente
¿Qué pasa si quiero encontrar…?
“Todos los contratos donde aparece D.
Aureliano Buendía como comprador de un
inmueble por valor de más de 250.000 €.”
“Todas las empresas que tienen un
accionista con más del 40% del capital.”
“Todas las noticias que hablan de la
posible adquisición de una compañía por
parte de Google.”

Analítica de Texto convencional
Deep Semantic Analytics
Descubre el significado
profundo de documentos
complejos
Es necesario ir más allá de la Analítica de Texto convencional

Comparación Deep Semantic Analytics / Analítica de Texto
Analítica de Texto convencional Deep Semantic Analytics
 Extracción de información: entidades
con nombre, conceptos, cantidades…
 Categorización temática general
 Análisis de sentimiento
 Clustering
 Resúmenes automáticos
 Etc.
Lo que ofrece la Analítica de Texto
convencional +
 Categorización a nivel de fragmento
 Extracción de relaciones semánticas
 Otras funcionalidades?

Categorización a nivel de fragmento
Feeling That Trump Will ‘Say Anything,’ Europe Is Less Restrained, Too
HAMBURG, Germany — The Europeans have stopped trying to paper over their differences with President Trump
and the United States.
Traditionally respectful of American leadership and mindful of the country’s crucial role in European defense and
global trade, European leaders normally repress or soften their criticism of United States presidents. But here at
the Group of 20 summit meeting of the world’s industrialized nations, public splits with Mr. Trump were the order of
the day.
Mr. Macron, who waved his iPhone around during the meeting as a symbol of global trade, sharply criticized those
like Mr. Trump who do not support multilateral institutions but push nationalism instead.
“We need better coordination, more coordination,” Mr. Macron said. “We need those organizations that were
created out of the Second World War. Otherwise, we will be moving back toward narrow-minded nationalism.”
Mr. Trump and the British vote to leave the European Union “have proved to be great unifiers for the European
Union,” said Mark Leonard, the director of the European Council on Foreign Relations. “There is a renewed sense
of confidence in Europe after the French election,” the apparent retreat of populism, an increase in economic
growth and the prospect of Ms. Merkel’s re-election in September, he said.
The strains were most visible here on climate policy and trade. Mr. Trump’s withdrawal from the Paris accord was
widely condemned, with Ms. Merkel saying she deplored the move, and all the leaders aside from Mr. Trump
signing up to language that called the agreement “irreversible.” The climate debate in the meeting displayed how
hard it is to isolate the richest, most powerful country in the world.
Prime Minister Theresa May of Britain, her authority weakened at home after a botched election gamble, also tried
to balance Mr. Trump’s deep unpopularity in Britain with her need for American support for the country’s exit from
the European Union and for future trade deals She was criticized for not making the climate issue one of her four
priorities here, and found comfort in Mr. Trump’s promise of a “very powerful” trade deal for a post-“Brexit” Britain
that could be completed “very, very quickly.”
On trade, there was more effort to find compromise, with previous G-20 positions for free trade and against
protectionism watered down to secure American support. The communiqué cited, for the first time, the right of
countries to protect their markets with “legitimate trade defense instruments” — wording that essentially gives Mr.
Trump room to pursue his “America first” policy on issues like steel imports, where Washington is talking about
restrictions based on “national security.”
Política internacional
Cumbre G20
Conflicto diplomático
Nacionalismo
Elecciones
Política sobre el clima
Brexit
Proteccionismo

Extracción de relaciones semánticas
IRVING, Texas, March 2 /PRNewswire/ --
Exxon Mobil Corporation (NYSE: XOM)
announced today that it has reached
agreement to sell Exxon's 130,000 b/d
Benicia, California, refinery and California
fuels marketing assets, and to assign
California supply arrangements, to Valero
Energy Corporation. In addition to the
refinery, the sale involves Exxon's
interest in about 340 service stations.
The assets will be purchased for $895
million plus an amount for inventories and
working capital which will be based on
market-related prices at closing. The
supply arrangements and assets involved
in the Valero Energy Corporation sale
satisfy the conditions required by the
Federal Trade Commission (FTC) and
the State of California, which signed a
parallel consent order and approved the
ExxonMobil merger on November 30,
1999. The final terms of the sale
between ExxonMobil and Valero Energy
Corporation require approval by the FTC
and the State of California.
Acuerdo
compraventa
Exxon's Benicia,
California, refinery and
California fuels
marketing assets
Exxon Mobil
Corporation
$895 million plus
an amount for
inventories and
working capital
Valero Energy
Corporation
Vendedor Comprador
Activo
Precio

Juan García
Industrial Manufacturera, S.L.
Tecnologías Globales, S.A.
Tema: Negocios - Empresas
Juan
García
Industrial
Manufacturera, S.L.
Tecnologías
Globales, S.A.
Ha adquirido
Es directivo
Negocios –
Fusiones y
Adquisiciones
Negocios –
Directivos de
empresa
Descubriendo el
significado profundo
de documentos
complejos

APLICACIONES

Aplicación a contratos
 Tipificación general
 Identificación y categorización de
clausulas
• Ej.: intervinientes, duración,
indemnizaciones…
• Presente / ausente
• Típica / atípica
 Extracción de términos en cláusulas
• Identificación y papel de
intervinientes
• Fechas de inicio y final, duración
• Legislación aplicable
• Cantidad de indemnización

Aplicación a informes financieros
 Identificación y categorización de
apartados
• Presente / ausente
• Típica / atípica
 Extracción de términos en apartados
• Principales accionistas: identificación y
volumen de acciones
• Empresas participadas: identificación y
porcentaje de participación
• Concentración cifra de negocio en
ciertos clientes: identificación y
porcentaje

Aplicación a noticias
 Categorización a nivel de
fragmento
 Extracción de relaciones
significativas (p.ej., market-
moving information)
• Fusiones y adquisiciones
• Inversiones
• Compraventa de líneas de negocio
• Nuevos proyectos
• Nuevos acuerdos de colaboración
• Nuevas patentes

Aplicación a información de salud
 Real-World Evidence
• Prevalencia de enfermedades
• Eficacia de medicamentos
• Comportamientos y uso
• Descubrimiento de efectos adversos
Historiales clínicos,
publicaciones científicas,
foros especializados…

CASO PRÁCTICO

Caso práctico: due diligence
 Análisis de miles de
documentos complejos:
contratos, informes, etc.
 Labor típicamente manual
• Errores
• Discrepancias
• Retrasos

Automatización due diligence (1)
1. Clasificar por tipo de documento
• Acuerdo de compraventa, Contrato
laboral, Acuerdo de confidencialidad,
Contrato de arrendamiento…
2. Analizar cada contrato para detectar
e identificar sus cláusulas y otras
partes
• Título, Intervinientes, Fecha,
Duración, Cesión, Cambio de
control, Derecho aplicable, Fuerza
mayor, Indemnización, Limitación de
responsabilidad…

3. Dentro de las diferentes cláusulas, extraer datos y relaciones clave
• Intervinientes → identificación completa y detallada de las partes
• Duración → plazo durante el cual el acuerdo es efectivo
• …
Ejemplo: cláusula de duración
…The term of this Contract
shall commence on January
19, 2017 and continue until
January 18, 2018. …
<contract_dates>
<valid_from>2017-01-19</valid_from>
<valid_to>2018-01-18</valid_to>
</contract_dates>

Ejemplo: cláusula de intervinientes
…This Contract is made this 4th
day of January in the year 2017
by and between the BIG BANK
CORPORATION (hereinafter
referred to as the "Purchaser"),
having its principal office at 10
A Street, N.W., Washington
D.C. 20433 and
TechnologyVendor, LLC
hereinafter referred to as the
"Contractor"), a corporation
incorporated under the laws of
the state of New
York having a principal place of
business at 30 Broad Rd, Union
NJ 07083...
<eligible_contract_participants>
<purchaser>
<name>BIG BANK
CORPORATION</name>
<location><address>10 A Street,
N.W.</address><city>Washington
D.C.</city><zip>20433</zip></location>
</purchaser>
<contractor>
<name>TechnologyVendor, LLC</name>
<location><address>30 Broad
Rd</address><city>Union</city><state>
New
Jersey</state><zip>07083</zip></locatio
n>
</contractor>
</eligible_contract_participants>

Ejemplo: cláusula de indemnización
…Vendor shall pay BIG BANK the
amounts specified below, either in
immediately available funds or as a
credit as elected by BIG BANK in
its sole discretion, within thirty
(30) days after such breach of the
corresponding Vendor obligation:
Vendor Obligation
Amount Payable Upon Breach
Unauthorized Data Access
USD 1,000,000
Unauthorized Data Modification,
Addition, Deletion
USD 1,000,000
Unauthorized Data Disclosure
USD 10,000,000
Unauthorized Transfer of Data
USD 10,000,000…
<obligations>
<obligation><description>Unauthorized
Data Access</description><amount>USD
1,000,000</amount></obligation>
Data Modification, Addition,
Deletion</description><amount>USD
Data
Disclosure</description><amount>USD
Transfer of
Data</description><amount>USD
</obligations>

4. Obtener insights valiosos del conjunto de documentos.

SOLUCIONES DEEP SEMANTIC
ANALYTICS

Cómo debería ser una buena solución
 Analizar información en diversos formatos y
presentaciones: texto, PDF, Word, formato libre, tablas
 Exactitud en la extracción de insights, con
independencia del dominio
 Flexibilidad en el tipo de insights a extraer y
productividad en su definición
 Multiidioma
 Alta escalabilidad, disponibilidad y confidencialidad
 Mínimos costes y riesgo en su adopción
 Time-to-benefit corto

MeaningCloud: “Meaning as a Service”
(SaaS y on-premises)
Regístrate y úsalo GRATIS en
http://www.meaningcloud.com

APIs MeaningCloud
Identifica apariciones de
nombres de personas,
organizaciones…, conceptos
abstractos, cantidades, etc.
Clasifica por temas
según taxonomías
predefinidas
Identifica polaridad
general y por atributos
Identifica el lenguaje de
entre un conjunto de 60
Análisis morfosintáctico detallado Evalúa el impacto de opinión
sobre varios ejes
reputacionales
Descubre temas significativos y
similitudes entre textos, sin
partir de taxonomías
predefinidas

APIs MeaningCloud para Deep Semantic Analytics
1. Define tu modelo
• Ontología de dominio
• Reglas semánticas (+
sintácticas + léxicas)
Texto
2. Extrae insights profundos
• Categorización a nivel de fragmento
• Patrones complejos
• Relaciones semánticas
3. Escala
• Calidad
• Fiabilidad
• Tiempo real
• Multiidioma

APIs MeaningCloud para Deep Semantic Analytics
 APIs para
• Categorización a nivel de fragmento
• Extracción de relaciones semánticas
 Tecnología basada en
• Análisis morfosintáctico
y semántico profundo
• Reglas semánticas para definir
categorías y relaciones
 Beneficios:
• Gran exactitud
• Alta productividad en definición,
evaluación y evolución
• No requiere entrenamiento masivo
 En beta en varios clientes

En conclusión
añade mucho valor
Algunos ya lo están
implementando
Juan García
Industrial Manufacturera, S.L.
Tecnologías Globales, S.A.
Tema: Negocios - Empresas
Juan
García
Industrial
Manufacturera, S.L.
Tecnologías
Globales, S.A.
Ha adquirido
Es directivo
Negocios –
Fusiones y
Adquisiciones
Negocios –
Directivos de
empresa

Turno de Preguntas

Permaneced atentos a nuestros emails y blog
Pronto publicaremos la grabación del webinar y los
contenidos en forma de tutorial

Antonio Matarranz, amatarranz@meaningcloud.com
sales@meaningcloud.com
support@meaningcloud.com
http://www.meaningcloud.com
@MeaningCloud
https://www.linkedin.com/company/meaningcloud
Gracias por vuestra atención!
 MeaningCloud LLC
35-37 36th St.
Astoria, New York 11106
+1 (646) 403-3104
 MeaningCloud Europe SL
Llano Castellano 13
28034 Madrid (Spain)
+34 91 3324301

Por qué necesitas Deep Semantic Analytics - MeaningCloud webinar

Recomendados

Recomendados

Más contenido relacionado

Similar a Por qué necesitas Deep Semantic Analytics - MeaningCloud webinar

Similar a Por qué necesitas Deep Semantic Analytics - MeaningCloud webinar (20)

Más de MeaningCloud

Más de MeaningCloud (20)

Último

Último (20)

Por qué necesitas Deep Semantic Analytics - MeaningCloud webinar