Formación Académica

Formación Complementaria

Experiencia profesional

Áreas de actuación

Idiomas

Líneas de investigación

Reconocimientos

Cursos de corta duración

SERGIO GONZALO JIMENEZ VARGAS, Diplomado en Análisis Computacional del Lenguaje, Finalidad: . En: Colombia  ,2015,  ,.  participación: Docente , 8 semanas 

Trabajos dirigidos/tutorías

SERGIO GONZALO JIMENEZ VARGAS, JULIA MARLEN BAQUERO VELASQUEZ, PREDICCIÓN AUTOMÁTICA DE LA DIFICULTAD DE PREGUNTAS ABIERTAS DE RESPUESTA CORTA CON PROPÓSITOS EDUCATIVOS  UNIVERSIDAD NACIONAL DE COLOMBIA SEDE BOGOTA  Estado: Tesis concluida  MAESTRÍA EN EDUCACIÓN  ,2014,  . Persona orientada: George Enrique Dueñas Luna  , Dirigió como: Tutor principal,  meses  
Areas:
Humanidades -- Idiomas y Literatura -- Lingüística, Ciencias Sociales -- Ciencias de la Educación -- Educación General (Incluye Capacitación, Pedagogía),

SERGIO GONZALO JIMENEZ VARGAS, GEORGE ENRIQUE DUENAS LUNA, TOWARDS THE EVALUATION OF WRITTEN PROFICIENCY ON A COLLABORATIVE SOCIAL NETWORK FOR LEARNING LANGUAGES: YASK  Instituto Caro Y Cuervo  Estado: Tesis concluida  Maestría en Lingüística  ,2014,  . Persona orientada: FABIO NELSON SILVA PENAGOS  , Dirigió como: Tutor principal,  meses  

SERGIO GONZALO JIMENEZ VARGAS, DIALECTONOS: BÚSQUEDA DE FRONTERAS DIALECTALES ESTADÍSTICAMENTE SIGNIFICATIVAS USANDO CORPUS LÉXICOS GEOLOCALIZADOS  Instituto Caro Y Cuervo  Estado: Tesis concluida  Maestría en Lingüística  ,2014,  . Persona orientada: Carlos Alberto Rodríguez Díaz  , Dirigió como: Tutor principal,  meses  
Areas:
Humanidades -- Idiomas y Literatura -- Lingüística,

SERGIO GONZALO JIMENEZ VARGAS, ALEXANDER GELBUKH, AUTOMATIC EXTRACTION OF REGIONAL WORDS FROM SOCIAL NETWORKS https://tesis.ipn.mx/handle/123456789/25258?show=full  Centro de Investigación en Computación - IPN  Estado: Tesis concluida  Maestría en Computación  ,2015,  . Persona orientada: SERGIO ANDRÉS MANCERA NOMESQUE  , Dirigió como: Coturor/asesor,  meses  
Areas:
Ciencias Naturales -- Computación y Ciencias de la Información -- Ciencias de la Computación, Humanidades -- Idiomas y Literatura -- Lingüística,

Jurado en comités de evaluación

SERGIO GONZALO JIMENEZ VARGAS, Titulo: Automatic authorship analysis using deep neural networks Tipo de trabajo presentado: Trabajo de grado/tesis en:  UNIVERSIDAD NACIONAL DE COLOMBIA SEDE BOGOTA  programa académico Magister en Ingeniería de Sistemas y Computación  Nombre del orientado: Sebastián Ernesto Sierra Loaiza  

Par evaluador

Ámbito: Nacional  Par evaluador de: Material para publicación científica  Revista: Ingeniería y Competitividad,  2017,  Enero  

Ámbito: Internacional  Par evaluador de: Material para publicación científica  Revista: Computación y Sistemas,  2017,  Enero  

Ámbito: Nacional  Par evaluador de: Material para publicación científica  Revista: Investigación & Desarrollo,  2015,  Agosto  

Ámbito: Internacional  Par evaluador de: Material para publicación científica  Revista: IEEE Transactions on Learning Technologies,  2018,  Noviembre  

Ámbito: Internacional  Par evaluador de: Material para publicación científica  Revista: Expert Systems with Applications,  2017,  Diciembre  

Ámbito: Internacional  Par evaluador de: Material para publicación científica  Revista: Fuzzy Sets and Systems,  2014,  Diciembre  

Ámbito: Internacional  Par evaluador de: Material para publicación científica  Revista: Fuzzy Information and Engineering,  2017,  Noviembre  

Ámbito: Internacional  Par evaluador de: Material para publicación científica  Revista: Neural Computing '&' Applications,  2017,  Septiembre  

Ámbito: Internacional  Par evaluador de: Material para publicación científica  Revista: Expert Systems with Applications,  2017,  Agosto  

Eventos científicos

Artículos

SERGIO GONZALO JIMENEZ VARGAS, FABIO AUGUSTO GONZALEZ OSORIO, ALEXANDER GELBUKH, "Soft Cardinality in Semantic Text Processing: Experience of the SemEval International Competitions" . En: México 
Polibits  ISSN: 1870-9044  ed: 
v.51 fasc. p.63 - 72 ,2015,  DOI: http://dx.doi.org/10.17562/PB-51-9
Palabras:
Afinidad Semántica, Soft Cardinality, Soft computing, Text Comparison, natural language processing, semantics, sets cardinality,

SERGIO GONZALO JIMENEZ VARGAS, ALEXANDER GELBUKH, CLAUDIA JEANNETH BECERRA CORTES, FABIO AUGUSTO GONZALEZ OSORIO, "Recomendación de productos a partir de perfiles de usuario interpretables" . En: Colombia 
Tecnura  ISSN: 0123-921X  ed: Editorial UD (Editorial Universidad Distrital Francisco José de Caldas)
v.19 fasc.45 p.89 - 100 ,2015,  DOI:  http://dx.doi.org/10.14483/udistrital.jour.tecnura.2015.3.a07
Palabras:
etiquetado social, filtrado colaborativo, interfaces de usuario, sistemas de etiquetado colaborativo, sistemas de recomendación,

SERGIO GONZALO JIMENEZ VARGAS, ALEXANDER GELBUKH, "Baselines for Natural Language Processing Tasks Based on Soft Cardinality Spectra" . En: Azerbaiyán 
Applied and Computational Mathematics  ISSN: 1683-3511  ed: Azerbaycan Dovlet Iqtisad Universiteti
v.11 fasc.2 p.180 - 199 ,2012,  DOI: 

SERGIO GONZALO JIMENEZ VARGAS, GEORGE ENRIQUE DUENAS LUNA, "G-WordNet: Moving WordNet 3.0 and Its Resources to a Graph Database" . En: Colombia 
Communications in Computer and Information Science  ISSN: 1865-0929  ed: Springer-Verlag London Ltd.
v.735 fasc. p.100 - 114 ,2017,  DOI: https://doi.org/10.1007/978-3-319-66562-7_8
Palabras:
WordNet, Lexical Databases, Graph Databases, Neo4j, Semantic Lexical Similarity,

SERGIO GONZALO JIMENEZ VARGAS, ALEXANDER GELBUKH, FABIO AUGUSTO GONZALEZ OSORIO, "Text Comparison Using Soft Cardinality" . En: Alemania 
Lecture Notes in Computer Science  ISSN: 0302-9743  ed: Springer-Verlag London Ltd.
v.6393 fasc.2010 p.297 - 302 ,2010,  DOI: 
Palabras:
Búsqueda Aproximada de Cadenas, Soft Cardinality, Text Comparison, sets cardinality,

SERGIO GONZALO JIMENEZ VARGAS, ALEXANDER GELBUKH, "SC Spectra: A Linear-Time Soft Cardinality Approximation for Text Comparison" . En: Alemania 
Lecture Notes in Computer Science  ISSN: 0302-9743  ed: Springer-Verlag London Ltd.
v.7095 fasc. p.213 - 224 ,2011,  DOI: 10.1007/978-3-642-25330-0_19
Palabras:
Búsqueda Aproximada de Cadenas, Similarity measure, Soft Cardinality,

SERGIO GONZALO JIMENEZ VARGAS, CLAUDIA JEANNETH BECERRA CORTES, FABIO AUGUSTO GONZALEZ OSORIO, ALEXANDER GELBUKH, "Generalized Mongue-Elkan Method for Approximate Text String Comparison" . En: Alemania 
Lecture Notes in Computer Science  ISSN: 0302-9743  ed: Springer-Verlag London Ltd.
v.5449 fasc.n/a p.559 - 570 ,2009,  DOI: 
Palabras:
Búsqueda Aproximada de Cadenas,

SERGIO GONZALO JIMENEZ VARGAS, YOULIN YANDIRIA AVILA, GEORGE ENRIQUE DUENAS LUNA, ALEXANDER GELBUKH, "Automatic prediction of citability of scientific articles by stylometry of their titles and abstracts" . En: Países Bajos 
Scientometrics  ISSN: 0138-9130  ed: Springer Netherlands
v.125 fasc.N/A p.3187 - 3232 ,2020,  DOI: 10.1007/s11192-020-03526-1
Palabras:
Bibliometrics, Citation prediction, Paper retrieval, Stylometry,

SERGIO GONZALO JIMENEZ VARGAS, FABIO AUGUSTO GONZALEZ OSORIO, "An Ontology-Based Information Extractor for Data-Rich Documents in the Information Tecnology Domain" . En: Colombia 
Avances En Sistemas E Informática  ISSN: 1657-7663  ed: Universidad Nacional De Colombia Sede Medellin
v.5 fasc.1 p.47 - 54 ,2008,  DOI: 
Palabras:
Búsqueda Aproximada de Cadenas, Extracción de Información, Afinidad Semántica, Desambigüación de sentidos de palabras, Ontologías, Gestión del conocimento,

SERGIO GONZALO JIMENEZ VARGAS, "Mathematical properties of soft cardinality: Enhancing Jaccard, Dice and cosine similarity measures with element-wise distance" . En: Estados Unidos 
Information Sciences  ISSN: 0020-0255  ed: Elsevier Bv
v.367 fasc.N/A p.373 - 389 ,2016,  DOI: http://dx.doi.org/10.1016/j.ins.2016.06.012

SERGIO GONZALO JIMENEZ VARGAS, "Automatically Assessing Children¿s Writing Skills Based on Age-Supervised Datasets" . En: Alemania 
Lecture Notes in Computer Science  ISSN: 0302-9743  ed: Springer-Verlag London Ltd.
v.8404 fasc.N/A p.566 - 577 ,2014,  DOI: 10.1007/978-3-642-54903-8_47

SERGIO GONZALO JIMENEZ VARGAS, GEORGE ENRIQUE DUENAS LUNA, CLAUDIA JEANNETH BECERRA CORTES, "An Ontology-Based Recommender System with an Application to the Star Trek Television Franchise" . En: Suiza 
Future Internet  ISSN: 1999-5903  ed: Multidisciplinary Digital Publishing Institute (MDPI)
v.11 fasc.9 p.1 - 23 ,2019,  DOI: 10.3390/fi11090182
Palabras:
Ontological engineering, sistemas de recomendación, Sistemas de recomendación basados en conocimi,

SERGIO GONZALO JIMENEZ VARGAS, ALEXANDER GELBUKH, FABIO AUGUSTO GONZALEZ OSORIO, GEORGE ENRIQUE DUENAS LUNA, "word2set: WordNet-Based Word Representation Rivaling Neural Word Embedding for Lexical Similarity and Sentiment Analysis" . En:  
IEEE Computational Intelligence Magazine  ISSN: 1556-603X  ed: Institute of Electrical and Electronics Engineers
v.14 fasc.2 p.41 - 53 ,2019,  DOI: 10.1109/MCI.2019.2901085

SERGIO GONZALO JIMENEZ VARGAS, GEORGE ENRIQUE DUENAS LUNA, ALEXANDER GELBUKH, CARLOS ALBERTO RODRIGUEZ DIAZ, JOHNATAN ESTIVEN BONILLA HUERFANO, "Dialectones: Finding Statistically Significant Dialectal Boundaries Using Twitter Data" . En: México 
Computacion y Sistemas  ISSN: 1405-5546  ed: Editores Asociados
v.22 fasc.4 p.1213 - 1222 ,2018,  DOI: 10.13053/CyS-22-4-3104
Palabras:
Dialectometry, non-parametric methods, corpus-based dialectometry, Hilbert-Schmidth independence criterion, HSIC, Wilcoxon signed-rank test, ecotone, dialectone,

GEORGE ENRIQUE DUENAS LUNA, SERGIO GONZALO JIMENEZ VARGAS, ALEXANDER GELBUKH, "Automatic Detection of Regional Words for Pan-Hispanic Spanish on Twitter" . En: Suiza 
Lecture Notes in Computer Science  ISSN: 0302-9743  ed: Springer-Verlag London Ltd.
v.11238 fasc. p.404 - 416 ,2018,  DOI: 10.1007/978-3-030-03928-8_33
Palabras:
Spanish regionalisms, automatic regional words detection, regionalisms meaning, HSIC, TF-IDF, word2vec,

GEORGE ENRIQUE DUENAS LUNA, SERGIO GONZALO JIMENEZ VARGAS, "LAR-WordNet: A Machine-Translated, Pan-Hispanic and Regional WordNet for Spanish" . En: Suiza 
Lecture Notes in Computer Science  ISSN: 0302-9743  ed: Springer-Verlag London Ltd.
v.11238 fasc. p.392 - 403 ,2018,  DOI: 10.1007/978-3-030-03928-8_32
Palabras:
Spanish WordNet, machine-translated WordNet, WordNet, Semantic Lexical Similarity, cross-lingual textual similarity,

SERGIO GONZALO JIMENEZ VARGAS, FABIO AUGUSTO GONZALEZ OSORIO, GEORGE ENRIQUE DUENAS LUNA, ALEXANDER GELBUKH, "BM25-CTF: Improving TF and IDF factors in BM25 by using collection term frequencies" . En: Países Bajos 
Journal Of Intelligent '&' Fuzzy Systems  ISSN: 1064-1246  ed: IOS Press
v.34 fasc.N/A p.2887 - 2899 ,2018,  DOI: 10.3233/JIFS-169475
Palabras:
BM25, TF-IDF, collection term frequency, information retrieval heuristics, TREC collections, deviation from randomness,

Capitulos de libro

Softwares

SERGIO GONZALO JIMENEZ VARGAS, COMPUCOMPRA-CRM, Nombre comercial: COMPUCOMPRA-CRM, contrato/registro: , . En: Colombia,  ,2005,  .plataforma: PC,  .ambiente: Windows,

SERGIO GONZALO JIMENEZ VARGAS, PROCONTA/PROVENTA, Nombre comercial: PROCONTA/PROVENTA, contrato/registro: , . En: Colombia,  ,1995,  .plataforma: PC,  .ambiente: DOS,

Proyectos

Tipo de proyecto: Investigación y desarrollo 
Investigación en temas avanzados del Procesamiento del Lenguaje Natural y la Sociolingüística Computational II
Inicio: Febrero  2019 Fin: Diciembre  2019 Duración 
Resumen

En continuidad con la iniciativa de promoción de la producción de nuevo conocimiento con verificación bibliométrica del grupo de investigación en Lingüística del ICC en 2018, proponemos cuatro investigaciones enmarcadas en el campo del Procesamiento del Lenguaje Natural y la Sociolingüística Computacional. Los temas varían desde el análisis a nivel de corpus hasta el léxico, los cuales incluyen: la adquisición natural de español como L2/LE, la evaluación de la similitud narrativa basada en ontologías, análisis lingüístico de la dificultad de las preguntas con fines educativos y la representación léxica basada en WordNet. Estas investigaciones se abordarán con metodología empírica basada en conjuntos de datos textuales de gran tamaño y con evaluaciones cuantitativas que contrastan los resultados frente al estado del arte. Adicionalmente, proponemos cuatro respectivos productos de generación de nuevo conocimiento en revistas internacionales homologadas por Colciencias, productos de apropiación social del conocimiento y desarrollo tecnológico.

Tipo de proyecto: Investigación y desarrollo 
Estilometría para predecir la citabilidad de los trabajos a partir de títulos y resúmenes
Inicio: Febrero  2020 Fin: Diciembre  2020 Duración 
Resumen

La decisión de leer un artículo de investigación se toma comúnmente al leer su título y resumen. Aunque el contenido y el mérito deben orientar esta decisión, otros factores como el estilo de escritura pueden intervenir. Eventualmente, más lecturas de un artículo podrían producir más citas. Proponemos investigar los factores estilísticos en el título y el resumen de los artículos de investigación que afectan su ¿citabilidad¿ mediante métodos del Procesamiento del Lenguaje Natural y la Cienciometría. Dado que el número de citas es la función de ranqueo preferida de varios motores de búsqueda académicos (p. ej. Google Scholar, ArtnetMiner), nuestra investigación podría aliviar la baja representación de los artículos recientes aún no citados en los resultados de las consultas. Para esta investigación, pretendemos recolectar un conjunto de datos de Scopus, destinado a serrepresentativo de toda la ciencia, es decir,se abordará con metodología empírica y con evaluaciones cuantitativas que contrastan los resultados frente al estado del arte. Para cada pareja de título y resumen en el conjunto de datos, extraeremos características estilísticas, que incluyen, entre otras, características en los niveles de carácter, sílaba, token (i.e.,palabras), oración y categorías gramaticales. El resultado de esta investigación será un producto de generación de nuevo conocimiento en revista internacional homologada por Colciencias.

Tipo de proyecto: Investigación y desarrollo 
Investigación en temas avanzados del Procesamiento del Lenguaje Natural y la Sociolingüística Computacional
Inicio: Febrero  2018 Fin: Noviembre  2018 Duración 
Resumen

El Procesamiento del lenguaje natural y su evolución hacia la Sociolingüística computacional son un tema emergente en la comunidad científica. Los resultados y recursos fruto de la investigación en el 2017 en el Instituto Caro y Cuervo (G-WordNet, Corpus de Twitter del Español, LA-WordNet), así como resultados de la formación académica previa de los investigadores propuestos (tesis doctoral de Sergio Jiménez y de maestría de George Dueñas), proveen un conjunto de temas con el potencial de producir publicaciones en revistas de alto impacto a nivel internacional en estas áreas de la investigación. Por otra parte, Colciencias ha establecido las directrices para la medición de la producción científica de los procesos de investigación en Colombia. Estos modelos al ser aplicados al Instituto Caro y Cuervo han dado como resultado una medida de rendimiento baja que no corresponde a la realidad de calidad y tradición investigativa del Instituto. En el año 2018, buscamos focalizar los esfuerzos en materia de producción de artículos de nuevo conocimiento con el fin de maximizar el impacto en el modelo de medición de Colciencias. Así, al mejorar los indicadores bibliométricos del Grupo de Investigación en Lingüística, se mejoran las perspectivas para su participación futura en convocatorias nacionales e internacionales para la consecución de recursos, así como mejorar la categorización de sus miembros. Adicionalmente, al mejorar dichos indicadores, esperamos que también mejore la percepción que tienen del Instituto las instituciones a las cuales este debe rendir cuentas y el público en general.

Tipo de proyecto: Investigación y desarrollo 
UNA VERSIÓN DE WORDNET PARA EL ESPAÑOL COLOMBIANO Y/O LATINOAMERICANO
Inicio: Febrero  2017 Fin: Noviembre  2017 Duración 
Resumen

WordNet es el recurso léxico basado en conocimiento más importante usado en investigaciones y desarrollo en las áreas del procesamiento del lenguaje natural y la lingüística computacional, por ejemplo, en tareas como: extracción de información, resumen automático, búsquedas de respuestas, entre otras. Aunque WordNet puede ser utilizada por humanos como un diccionario, ya que contiene información sobre nombres, verbos, adjetivos, adverbios, etc., su principal cualidad es que es asequible por sistemas automáticos. WordNet se refiere usualmente a la red semántica que fue desarrollada para el idioma inglés desde la década de los 80 en la Universidad de Princeton, la cual actualmente está en su versión 3.01. Una idea del impacto de WordNet en la comunidad de la lingüística computacional es que 1,353 artículos de los casi 38,000 que existen en la antología de la Association for Computational Linguistics (aclweb.org/anthology/) la mencionan en el título o en el abstract. Dada su importancia, investigadores de todo el mundo han querido desarrollar versiones equivalentes en otras lenguas . La iniciativa Global WordNet (globalwordnet.org) pretende unificar las WordNet desarrolladas para otras lenguas en un espacio semántico multilingüe común. Tres iniciativas de desarrollo de WordNets han incluido la lengua española: EuroWordnet (1998), Multilingual Central Repository (España 2004) y MultiWordnet (Italia 2002). Estas son únicamente representativas del español de España, haciendo que el español latinoamericano no esté representado en esta iniciativa global a pesar de contar con la mayoría de los hablantes. En Latinoamérica el español se caracteriza por estar en contacto con otras lenguas nativas, enriqueciéndolo con nuevas palabras y, por tanto, diferenciándolo del dialecto europeo. Esta riqueza lingüística no está representada en WordNet, excluyendo a los latinoamericanos de un paradigma global con el consecuente rezago en investigación y desarrollo. Esto afecta indirectamente a millones de hablantes del español quienes interactúan a diario con nuevas tecnologías del lenguaje y podrían encontrarse en desventaja competitiva en un mundo globalizado debido a esta situación. El Instituto Caro y Cuervo ha sido un líder a nivel latinoamericano en la creación de diccionarios y otros recursos léxicos y lingüísticos. Ha participado en la creación de obras como el Diccionario de construcción y régimen de la lengua castellana de Rufino José Cuervo, Diccionario electrónico sáliba-español, Diccionario de Señas, realizado en convenio con el Instituto Nacional para Sordos (INSOR), el Léxico de la Violencia en Colombia, el Diccionario de Colombianismos, que se realiza en convenio con la Academia Colombiana de la Lengua. Por lo tanto, es el escenario ideal para la creación de la primera WordNet en Latinoamérica.

Tipo de proyecto: Investigación y desarrollo 
Sistema de recomendación basado en conocimiento obtenido de manera automática para ambientes de comercio electrónico
Inicio: Octubre  2011 Fin: Marzo  2015 Duración 
Resumen