Content Argus

Inleiding

Er is een gigantische hoeveelheid content beschikbaar, die in verschillende vormen gepubliceerd wordt: in print, web, video/tv, radio, social media en podcasts. Het gehele landschap wordt steeds verder gediversifieerd. Binnen al deze kanalen vinden uitingen plaats die relevant zijn voor de samenleving.

Probleemstelling

Echter, het ontbreekt op dit moment aan convergerende oplossingen om de informatie uit de verschillende vormen van content integraal te ontsluiten, te beoordelen en aan elkaar te relateren en er zinvolle informatie van te maken. Het snel en efficiënt doorzoeken van content van audio en/of video is technisch gezien maar beperkt mogelijk. Daarnaast vereist dit veel handmatige handelingen om inzage te krijgen in de uitspraken die mensen hebben gedaan.

Doelstelling

Om deze problemen te adresseren willen X-CAGO en Amberscript Content Argus ontwikkelen met de volgende doelstelling:

1. Het ontwikkelen van een AI-gebaseerde software-oplossing waarmee ook AV (audio/video)-content naar tekst kan worden geconverteerd.
2. Samengevat vastleggen wie, wanneer, wat (met welk sentiment) en in welke context heeft gezegd om analyse en duiding van uitspraken te vereenvoudigen.

Innovatie

Met deze innovatie introduceren de projectpartners niet alleen een innovatieve software-oplossing die vanuit economisch perspectief interessant is, maar ook aansluit op de toepassingsgebieden van de NL AIC, namelijk Cultuur en Media en Publieke Diensten.

Technologie

In de software wordt een combinatie van Unsupervised Learning, Supervised Learning en Reinforcement Learning verwerkt om te komen tot de beoogde projectdoelstellingen.