Red de co-ocurrencia
La red de co-ocurrencia , a veces denominada red semántica , [1] es un método para analizar texto que incluye una visualización gráfica de relaciones potenciales entre personas , organizaciones, conceptos, organismos biológicos como bacterias [2] u otras entidades representadas dentro material. La generación y visualización de redes de co-ocurrencia se ha vuelto práctica con el advenimiento del texto almacenado electrónicamente compatible con la minería de texto .
A modo de definición, las redes de co-ocurrencia son la interconexión colectiva de términos basados en su presencia pareada dentro de una unidad de texto específica. Las redes se generan conectando pares de términos utilizando un conjunto de criterios que definen la co-ocurrencia. Por ejemplo, se puede decir que los términos A y B "coexisten" si ambos aparecen en un artículo en particular. Otro artículo puede contener términos B y C. La vinculación de A con B y B con C crea una red de co-ocurrencia de estos tres términos. Las reglas para definir la co-ocurrencia dentro de un corpus de texto se pueden establecer de acuerdo con los criterios deseados. Por ejemplo, un criterio más estricto de co-ocurrencia puede requerir que aparezcan un par de términos en la misma oración.. Se descubrió que las redes de co-ocurrencia son particularmente útiles para analizar textos grandes y big data , al identificar los temas y temas principales (como en una gran cantidad de publicaciones en redes sociales), revelando sesgos en el texto (como sesgos en la cobertura de noticias). ), o incluso cartografiar un campo de investigación completo. [3]
El proceso de construcción de redes de co-ocurrencia incluye identificar palabras clave en el texto, calcular las frecuencias de co-ocurrencias y analizar las redes para encontrar palabras centrales y grupos de temas en la red. [4]
Se pueden crear redes de co-ocurrencia para cualquier lista dada de términos (cualquier diccionario ) en relación con cualquier colección de textos (cualquier corpus de texto ). Los pares de términos coexistentes pueden denominarse "vecinos" y estos a menudo se agrupan en "vecindarios" en función de sus interconexiones. Los términos individuales pueden tener varios vecinos. Los vecindarios pueden conectarse entre sí a través de al menos un término individual o pueden permanecer desconectados.
Los términos individuales, dentro del contexto de la minería de texto, se representan simbólicamente como cadenas de texto . En el mundo real, la entidad identificada por un término normalmente tiene varias representaciones simbólicas. Por lo tanto, es útil considerar que los términos están representados por un símbolo principal y hasta varios símbolos alternativos sinónimos . La aparición de un término individual se establece mediante la búsqueda de cada representación simbólica conocida del término. El proceso se puede aumentar a través de algoritmos NLP ( procesamiento de lenguaje natural ) que interrogan segmentos de texto en busca de posibles alternativas, como el orden de las palabras , el espaciado y la separación de sílabas.. La PNL también se puede utilizar para identificar la estructura de la oración y categorizar cadenas de texto de acuerdo con la gramática (por ejemplo, categorizar una cadena de texto como un sustantivo en función de una cadena de texto anterior que se sabe que es un artículo ).
La representación gráfica de las redes de co-ocurrencia permite visualizarlas y hacer inferencias sobre las relaciones entre entidades en el dominio representado por el diccionario de términos aplicado al corpus textual. La visualización significativa normalmente requiere simplificaciones de la red. Por ejemplo, las redes se pueden dibujar de manera que el número de vecinos que se conectan a cada término sea limitado. Los criterios para limitar a los vecinos pueden basarse en el número absoluto de co-ocurrencias o criterios más sutiles como la "probabilidad" de co-ocurrencia o la presencia de un término descriptivo intermedio.
_-_ENG.jpg/440px-Word_co-occurrence_network_(range_3_words)_-_ENG.jpg)
_-_ENG.jpg){kind=link}