Detección automática de humor en textos cortos en español

4.2 Requerimientos previos
Metodología para la formación de los rasgos
36
Antes de poder hacer la detección del humor es necesario contar con dos
diccionarios de términos, uno con palabras utilizadas en el lenguaje del albur (véase
Anexo 4), colectados del libro “Antología del Albur” [8]; y otro con palabras de
contenido sexual y otras palabras comunes en los chistes (véase Anexo 3),
colectados de diversos sitios de internet [25][26]. Esto con la finalidad de que sean
utilizados como soporte para detectar esas palabras en los textos. Para nuestro
trabajo, se cuenta con un diccionario de términos de albur con 203 elementos y un
diccionario de palabras de contenido sexual y otras palabras comunes en los
chistes de 93 elementos.
Es necesario también contar con al menos dos archivos de texto para el análisis de
su contenido, asegurándose de que uno de ellos estará compuesto, al menos en su
mayoría, por textos humorísticos; esto para garantizar el mejor desempeño del
detector automático de humor. Para nuestro trabajo, se cuenta con un corpus de
textos humorísticos de 3,676 elementos y un corpus de textos no humorísticos
(dichos) de 10,000 elementos.