Resumen

Las crecientes cantidades de medios disponibles en redes de difusión digital convergentes y redes de banda ancha móvil requerirán interfaces inteligentes capaces de personalizar la selección de contenido. Con el objetivo de capturar el estado de ánimo en el contenido, construimos un espacio semántico basado en etiquetas, frecuentemente utilizadas para describir emociones asociadas con la música en la red social. Implementando el análisis semántico latente (LSA), modelamos el contexto afectivo de las canciones basándonos en sus letras, y aplicamos un enfoque similar para extraer estados de ánimo de las descripciones de sinopsis de episodios de TV de la BBC utilizando términos de atmósfera de TV-Anytime. Basándonos en nuestros primeros resultados, proponemos que LSA podría implementarse como un método de aprendizaje automático para extraer el contexto emocional y modelar las preferencias afectivas del usuario.

• Materias:Convergencia Transmisión en vivo Codificadores innovadores Interferencia estacionaria Codificación conjunta
• Subjects:Convergence Live Broadcasting Innovative encoders Stationary interference Joint coding
• Palabras claves:Medios; Radiodifusión digital convergente; Redes de banda ancha móvil; Interfaces inteligentes; Selección de contenido personalizado; Espacio semántico; Etiquetas; Emociones; Música; Red social; Análisis semántico latente; Contexto afectivo; Canciones; Letras; Descripciones de sinopsis de la BBC; Episodios de TV; Términos de atmósfera de TV-Anytime; Aprendizaje automático; Contexto emocional; Preferencias afectivas del usuario
• Keywords:Media; Converged digital broadcast; Mobile broadband networks; Intelligent interfaces; Personalized content selection; Semantic space; Tags; Emotions; Music; Social network; Latent semantic analysis; Affective context; Songs; Lyrics; BBC synopsis descriptions; TV episodes; TV-Anytime atmosphere terms; Machine learning; Emotional context; Affective user preferences