1. Minería de Datos y Minería de Textos
1.1. El Proceso de Extracción
1.2. Fases del proceso de Extracción de Conocimiento
1.2.1. Integración y Recopilación
1.2.2. Selección, limpieza y transformación
1.2.3. El proceso de Minería de Datos
1.2.4. Evaluación e interpretación
1.3. Cuestiones relevantes en la Minería de Datos
1.3.1. Tipos de datos. Discretización y numerización
1.3.2. Normalización y escalado de los datos
1.3.3. Expresividad y separabilidad
1.3.4. Dimensionalidad
1.3.5. Medidas de distancia
1.4. Minería de Textos
1.4.1. Tareas y representaciones en la minería de textos
1.4.2. Caracterización de documentos
1.5. Resumen del capítulo
2. Técnicas de la Minería de Datos
2.1. Tareas de la Minería de Datos
2.2. Relación entre las técnicas y las tareas
2.3. Redes Neuronales
2.3.1. Aprendizaje supervisado
2.3.2. Perceptrón multicapa y algoritmo de Backpropagation
2.3.3. Aprendizaje no supervisado
2.4. Algoritmo K-medias
3. El método LIKE. Pre-procesamiento de los datos
3.1. El problema de la extracción de palabras clave
3.2. LIKE: Recopilación, integración y limpieza de los datos
3.3. Transformación de los datos
3.3.1. Obtención de los términos
3.3.2. Generación de características
3.4. Resumen del capítulo
4. El método LIKE. Entrenamiento y evaluación del modelo
4.1. El problema del desbalance de clases
4.2. Entrenamiento de la red neuronal
4.3. KEA: Keyphrase Extraction Algorithm
4.3.1. Generación de frases candidatas
4.3.2. Construcción del modelo
4.4. Medidas de evaluación. Precisión, recall y F-measure
4.5. Evaluación y resultados obtenidos
4.6. Resumen del capítulo
5. Conclusiones
Índice de figuras
Índice de tablas
Bibliografía