Caracterización de documentos utilizando técnicas de minería de textos

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

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