Caracterización de documentos utilizando técnicas de minería de textos

Título:

Caracterización de documentos utilizando técnicas de minería de textos

Autor:

Aquino, Germán

Otros autores / Colaboradores:

 Lanzarini, Laura Cristina; [ Director/a] 

Temas:

REDES NEURONALES; APRENDIZAJE AUTOMÁTICO; BÚSQUEDA Y RECUPERACIÓN DE INFORMACIÓN; 

URL:

,

Palabras clave:

minería de textos, extracción de palabras clave, 

Nota de tesis:

Tesina (Licenciatura en Informática) - Universidad Nacional de La Plata, Facultad de Informática, 2013.

Extensión:

110 p.  : il. col. + 1 DVD

Resumen:

Obtener el conjunto de términos más representativos de un documento es una tarea importante, ya que permite caracterizarlo y simplificar los procesos de búsqueda y recuperación. En este trabajo se presenta un nuevo método que, sin importar el idioma en el que el documento esté escrito, permite extraer el conjunno de palabras clave más adecuado. Su funcionamiento se basa en una Red Neuronal que, luego de ser entrenada, es capaz de decidir para cada término del documento si se trata de una palabra clave o no. El ingreso del documento a la Red neuronal implicó la definición de una representación numérica adecuada que permite medir la participación de un término dentro del documento. El método propuesto fue medido sobre una base de datos de artículos científicos publicados en WICC entre los años 1999 y 2012 demostrando un desempeño superior al de KEA, uno de los algoritmos de extracción de palabras clave más citados en la bibliografía.

Puede solicitar más fácilmente el ejemplar con: TES 13/30

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