La transformación Extracción de términos extrae términos clave de un texto y los escribe en una columna de salida. Puede extraer nombres o frases nominales compuestas de dos palabras. Usa caracteres como retornos de carro, guiones y puntuación para separar el texto en frases y palabras. La configuración de la transformación y filtros de exclusión afectan los términos extraídos.

1. TERM
EXTRACTION
TRANSFORMATION
Dimitri Villamar

2. Term Extraction Transformation
Extrae términos del texto en una columna de
entrada de la transformación y, a continuación,
escribe los términos a una columna de salida de la
transformación.
Dimitri Villamar

3. Term Extraction Transformation
Utilizar la TET para descubrir el contenido de un conjunto de datos.
Por ejemplo, el texto que contiene mensajes de correo electrónico puede
proporcionar información útil sobre los productos, por lo que se puede utilizar
la transformación Extracción de términos para extraer los temas de discusión
en los mensajes, como una forma de analizar los comentarios.
Dimitri Villamar

4. Términos extraídos y tipos de
datos
TET, extrae nombres solamente, sólo frases nominales, o ambos sustantivos
y frases sustantivo. Un nombre es un nombre simple, un sustativo nominal es
de al menos dos palabras, de las cuales una es un sustantivo y el otro es un
sustantivo o un adjetivo.
Dimitri Villamar

5. Términos extraídos y tipos de
datos
Por ejemplo, si la transformación usa la opción de sólo los nombres, extrae
términos como "bicicleta" y "paisaje", y si la transformación usa la opción
sustantivo nominal, extrae términos como "nueva bicicleta azul", "casco de la
bicicleta" y "bicicletas en caja".
Artículos y pronombres no se extraen. Por ejemplo, la transformación
Extracción de términos extrae la bicicleta plazo a partir del texto de la
bicicleta, la bicicleta, y que la bicicleta
Dimitri Villamar

6. Condiciones de exclusión
Opcionalmente, la transformación Extracción de términos puede hacer
referencia a una columna en una tabla que contiene los términos de
exclusión, es decir, términos que la transformación debe saltar cuando se
extrae términos de un conjunto de datos
Dimitri Villamar

7. Sentencia y límites de las
palabras
La TET, separa el texto en frases utilizando los siguientes caracteres como
límites de la frase:
Caracteres de salto de línea ASCII 0x0D (retorno de carro) y 0x0A (avance
de línea). Para usar este carácter como límite de oración, tiene que haber
dos o más caracteres de salto de línea en una fila.
Los guiones (-). Para usar este carácter como límite de oración, ni el
carácter a la izquierda ni a la derecha del guión puede ser una letra.
Subrayado (_). Para usar este carácter como límite de oración, ni el
carácter a la izquierda ni a la derecha del guión puede ser una letra.
Todos los caracteres Unicode que son menos que o igual a 0x19, o mayor
que o igual a 0x7b.
Las combinaciones de números, signos de puntuación y caracteres
alfabéticos. Por ejemplo, A23B # 99 regresa el término A23B.
Los personajes,%, @, &, $, #, *,:.!?,;,,,,,, <,>, +, =, ^, ~, |, , /, (,), [,], {,}, "y '.x
Dimitri Villamar

8. Sentencia y límites de las
palabras
Caracteres de salto de línea ASCII 0x0D (retorno de carro) y 0x0A (avance de
línea).
Para usar este carácter como límite de oración, tiene que haber dos o más
caracteres de salto de línea en una fila.
Los guiones (-). Para usar este carácter como límite de oración, ni el carácter a la
izquierda ni a la derecha del guión puede ser una letra.
Subrayado (_). Para usar este carácter como límite de oración, ni el carácter a la
izquierda ni a la derecha del guión puede ser una letra.
Todos los caracteres Unicode que son menos que o igual a 0x19, o mayor que o
igual a 0x7b.
Las combinaciones de números, signos de puntuación y caracteres alfabéticos.
Por ejemplo, A23B # 99 regresa el término A23B.
Los personajes,%, @, &, $, #, *,:.!?,;,,,,,, <,>, +, =, ^, ~, |, , /, (,), [,],Dimitri Villamar
{,}, "y '.

9. Sentencia y límites de las
palabras
Siglas que incluyen uno o más puntos (.) no seran separadas en varias
sentencias.
La TET luego separa la oración en palabras usando los siguientes límites de
las palabras:
•Espacio
•Tabulaciones
•0x0d ASCII (retorno de carro)
•0x0a ASCII (salto de línea)
Dimitri Villamar

10. La configuración del TET
La TET utiliza algoritmos internos y modelos estadísticos para generar sus
resultados.
Puede que tenga que ejecutar la TET varias veces y examinar los resultados
para configurar la transformación para generar el tipo de resultados que
funcione para su solución de minería de texto.
Dimitri Villamar