La representación visual del texto debe ser fácil de entender por parte del usuario en un lenguaje natural, pero que de hecho requiere de algunos parámetro o requisitos como son: el dominio, la especialización, la preferencia del usuario, el contexto del trabajo con respecto al resultado, pero que ya existen algunas técnicas para cubrir estos, como es la clasificación y construcción de grupos comunes
2. INTRODUCCIÓN En la actualidad se busca analizar el texto existente en todo su ámbito y para ello se requiere de procedimientos automáticos para: extraer los temas, determinar en el texto la localización de las rupturas, visualizar la proximidad entre documentos y/o entre términos, indexar los documentos, construir bases de documentos para una interrogación automática a lo posterior.
3. Búsqueda de información VS Extracción de información Búsqueda de información: Es un tratamiento global de un gran nuero de documentos, búsqueda de temas, construcción de una tipología de los documentos. Extracción de información: consiste en la búsqueda de información “ciblada”, para alimentar una base de datos estructurada (relleno automático de los campos de la base).
4. Tipos de textos analizados Los tipos de textos analizados se pueden realizar entre: Encuestas de opinión Encuestas de satisfacción de clientela Entrevistas semi-abiertas en estudios de clientela Revistas de prensa Vigilia tecnológica: resúmenes de artículos contenidos en las bases científicas, patentes, entre otras.
5. Métodos de análisis Para ello se pueden identificar dos puntos importantes como son: La codificación: se debe conocer como se codifica el corpus, esta transforma el corpus en una tabla que se puede analizar mediante métodos estadísticos La distancia: el papel fundamental de la distancia escogida en el análisis estadístico de textos. Distancia entre elementos (entrevistados, categorías de entrevistados, palabras, entre otros.)
6. ¿Porquéesdificil? La minería de textos se ve compleja o difícil para su análisis debido a la conformación de: Títulos Imágenes Tablas Graficas Texto seguro Es difícil la visualización del texto como por ejemplo: la presencia de un objeto extraño se puede interpretar de varias formas como: alucinación, nave extraterrestre, platillo volador, OVNI
7. Lingüística computacional y procesamiento de textos Esta ciencia ha ayudado para tratar de aplicar métodos computacionales en el estudio del lenguaje natural. Por lo que es ha combinado dos importantes ciencias, la lingüística que el estudio de leyes del lenguaje humano, y la inteligencia artificial que investiga métodos computacionales para el manejo de sistemas complejos.
8. La solución tradicional de este problema consiste en construir un procesador lingüístico construido por diferentes módulos independientes.
9. Tipos de minería de textos Web (Web Mining) La Web Mining nos ayuda a descubrir información, encontrar documentados relacionados, mostrar temáticas, averiguar el grado de satisfacción de recursos web, etc. Según el fin deseado, la actividad de excavar en la web se desglosa en tres dominios de extracción de conocimiento de acuerdo con la naturaleza de los datos.
10. Tipos de minería de textos Web (Web Mining) Web contentmining (minería de contenido web) Web structuremining (minería de estructura web) Web usagemining (minería de uso web)
11. HERRAMIENTAS DE MINERÍA DE TEXTO Weka RapidMiner Lenguaje R Pentaho GATE Bases de datos de artículos técnicos. biotech medline chemicalabstractregistry
12. REFERENCIAS [1] Minería de Textos Web Recuperación y organización de la información Disponible en http://mineria-textos-web.awardspace.com/ [2] Explotación minera del texto Disponible en http://enciclopediaespana.com/Explotación_minera_del_texto.html [3] Explotación minera del texto http://www.worldlingo.com/ma/enwiki/es/Text_mining [4] Minería de textos y datos para-textuales Universitat Autónoma de Barcelona SEA 2 de febrero 2007 Mónica BécueBertaut [5] Minería de texto: Un nuevo reto computacional Manuel Montes-y-Gómez Centro de Investigación en Computación, Instituto Politécnico Nacional.