Tratamiento de Textos en Perl Primero pasos rumbo al Textmining El tratamiento de textos durante la última década ha cobrado mucho interés por la relevancia del procesamiento, búsqueda y extracción de información previamente desconocida y potencialmente útil de un cuerpo de datos textuales desestructurados.
Text Mining En text mining, cada documento es representado como un vector, cuya dimensión es aproximadamente el número de palabras claves (keywords) distintas que se encuentran en él. Este número, puede ser considerablemente grande. Uno de los mayores retos en text mining es clasificar estos datos textuales de tal “dimensionalidad”. Además de la “dimensionalidad”., los algoritmos de text mining deben lidiar con la ambigüedad de las palabras como pronombres, sinónimos, errores de ortografía, abreviaturas, acrónimos y errores de semántica.
Introducción
S
e calcula que entre un 75% y 85% de la información disponible en Internet se encuentra en formato no estructurado, es decir, en textos del tipo relato. Cientos de miles de artículos, resúmenes, notas, etc. están disponibles en la web, pero el acceso a ellos se produce de manera bastante básica a partir de la búsqueda de palabras en sus contenidos. Este alto porcentaje y el continuo incremento de este tipo de información ha permitido que se investiguen y desarrollen formás que permitan o faciliten su procesado y análisis con diversos objetivos.
El text mining puede ser visto como una tarea de descubrir patrónes desconocidos en base de datos textuales escritos en lenguaje natural. Las tareas inmersas buscan descubrir conocimiento que no sea conocido por los expertos humanos, es decir, la información o patrónes descubiertos deben ser de utilidad en la toma de decisiones.
Tratamiento de textos El tratamiento de textos esta referido al procesamiento, búsqueda y extracción de información previamente desconocida y potencialmente útil de un cuerpo de datos textuales desestructurados, asimismo .