Evaluación de Reglas de Asociación en Text Mining Utilizando ...

c) Representación de los Textos
Una vez que se han aplicados las herramientas de NLP, se escoge la representación de
los textos, la cual podría ser por medio de palabras, keyterms, features, conceptos, etc. Esta
representación debe ser fácil de manejar en las tareas de Minería de Textos y debe ser lo más
informativa posible, es decir, debe capturar los aspectos o características del espacio del
problema. Enfoques de Minería de Textos que escogen representaciones informativas son más
fáciles de entender en la etapa de interpretación que aquellos que ocupan representaciones no
informativas.
El enfoque más sencillo de representación de textos se denomina Bolsa de Palabras
(Bag of Words), en el cual, la bolsa esta compuesta por las palabras que se encuentran en los
documentos. En este enfoque se ignora el orden de las palabras. En [5] se presenta un
enfoque, que a diferencia del Bag of Words, considera cierta semántica para seleccionar los
features que representan al corpus de textos, específicamente se utilizan features que
representan conceptos médicos.
En la mayoría de los enfoques de Minería de Textos es común eliminar del corpus de
textos palabras que no aportan conocimiento alguno, es decir, palabras de función o que
ocurren muy frecuentemente, tales como: “el”, “la”, “ellos”, “nosotros”, “de”, etc. Estas
palabras eliminadas reciben el nombre de “Stopwords” y por medio de su eliminación se
reduce el tamaño de la representación del texto, mejorando así la efectividad de las distintas
técnicas de Minería de Textos.
Una vez que se ha preprocesado el corpus de textos, los textos poseen una
representación más estructurada que en su forma original. Esta estructuración de los textos
permite aplicar métodos provenientes desde Data Mining. Entre los métodos más populares
destacan: clustering, clasificación y predicción, reglas de asociación, y minado de tipos de
datos complejos [17]. Estos métodos se pueden aplicar en tareas de Text Mining para
descubrir conocimiento en los textos.
Entre las principales tareas de Minería de Textos, destacan: descubrimiento de
estructuras en los textos utilizando clustering y clasificación; descubrimiento de patrones
donde se utiliza el método de reglas de asociación. En las siguientes secciones se presentan
estos métodos ampliamente utilizados en enfoques de Text Mining.
14