Felipe Bravo

Los intereses y experiencia en investigación de Felipe Bravo se centran en la adquisición de conocimiento e información a partir de datos no estructurados, en particular textos en lenguaje natural, abarcando diversos campos dentro de esa línea investigativa, dentro de esos campos se pueden mencionar los siguientes: NLP, Data mining, Data Science, Machine Learning, Information Retrieval, Social media analytics, Computational social science, Artificial Intelligence, Statistics, entre otros. Sus principales objetivos de investigación son el estudio de la sociedad mediante el análisis computacional de las huellas que las personas dejan en el espacio digital.

Afiliaciones

• • Profesor Asociado en el Departamento de Ciencias de la Computación, Universidad de Chile.
  • Investigador Asociado en el Centro Nacional de Inteligencia Artificial (CENIA).
  • Investigador Joven en el Millennium Institute for Foundational Research on Data (IMFD).
  • Investigador Honorario Asociado en Machine Learning Group en University of Waikato de Nueva Zelanda (Aotearoa).
  • Miembro Fundador del grupo de investigación Representations for Learning and Language (ReLeLa) del Departamento de Ciencias de la Computación en la Universidad de Chile.
  • Miembro Asociado en Te Ipu o te Mahara, The Artificial Intelligence Institute at the University of Waikato.

Educación

• • PhD. en Ciencias de la Computación, University of Waikato (2017)
  • MSc. en Ciencias de la Computación, Universidad de Chile (2013)
  • Ingeniero en Ciencias de la Computación, Universidad de Chile (2010)
  • Ingeniero Civil Industrial, Universidad de Chile (2010)

Publicaciones

1. G. Iturra-Bocaz and F. Bravo-Marquez RiverText: A Python Library for Training and Evaluating Incremental Word Embeddings from Text Data Stream. In Proceedings of the 46th International ACM SIGIR Conference on Research and Development in Information Retrieval SIGIR 2023), Taipei, Taiwan. Association for Computational Linguistics.
2. F. Bravo-Marquez and C. Tamblay Words, Tweets and Reviews: Leveraging Affective Knowledge Between Multiple Domains. In Cognitive Computation, Volume 14, January 2022. Pages 388-406. DOI: 10.1007/s12559-021-09923-9 (pdf).
3. H. Sarmiento, F. Bravo-Marquez, E. Graells-Garrido, and B. Poblete Identifying and Characterizing New Expressions of Community Framing during Polarization. In Proceedings of the 16th The International AAAI Conference on Web and Social Media (ICWSM 2022), Atlanta, Georgia, USA. AAAI Press. Pages 841-851.
4. P. Badilla, F. Bravo-Marquez, and J. Pérez WEFE: The Word Embeddings Fairness Evaluation Framework. In Proceedings of the 29th International Joint Conference on Artificial Intelligence (IJCAI 2020), Yokohama, Japan. Pages 430-436. DOI:10.24963/ijcai.2020/60. Acceptance rate: 12.6%. (pdf),(code). 
5. F. Bravo-Marquez, E. Frank, and B. Pfahringer Positive, Negative, or Neutral: Learning an Expanded Opinion Lexicon from Emoticon-annotated Tweets, In IJCAI ’15: Proceedings of the 24th International Joint Conference on Artificial Intelligence. Buenos Aires, Argentina 2015.(pdf)|(poster).

Cursos

• • CC6205 Procesamiento de lenguaje natural.
  • CC6104 Pensamiento estadístico.
  • CC5205 Minería de datos.

Contacto