Jiménez Salazar, Héctor, Pinto Avendaño, David Eduardo, Rosso, Paolo
Uso del punto de transición en la selección de términos índice para agrupamiento de textos cortos
JIMÉNEZ SALAZAR, Héctor; PINTO AVENDAÑO, David Eduardo; ROSSO, Paolo. “Uso del punto de transición en la selección de términos índice para agrupamiento de textos cortos”. Procesamiento del lenguaje natural. Nº 35 (sept. 2005), pp. 383-390
URI: http://hdl.handle.net/10045/1338
DOI: 
ISSN: 1135-5948
Abstract: 
La aplicación de los métodos de agrupamiento de textos considera la
decisión crítica sobre cuáles términos serán usados para representar a cada instancia
de la colección. Abordamos el agrupamiento de resúmenes de textos de un dominio
específico. Así, el problema se complica porque hay pocos elementos que pueden
usarse en la selección de términos, y se tratan textos muy parecidos. Nuestro enfoque
ha sido utilizar los términos cuya frecuencia está en una vecindad del llamado punto
de transición; la frecuencia que divide al vocabulario del texto en términos de alta y
baja frecuencia. En las pruebas se utilizó una variante del método vecino más cercano
sobre una colección de resúmenes del evento CICLing-2002. Evaluamos nuestros
resultados con el estándar dado en el mismo evento y observamos un alto índice de
desempeño con el método de selección de términos que proponemos.
Nowadays a wide variety of clustering methods exist. The critical decision
of what keywords will be used in the representation of the collection is considered
in those methods. In this paper we deal with the problem of clustering a set of
short texts from an specific domain. Thus, the problem become to be more complex
because of the small number of terms that can be used in term selection process;
besides, all texts of the collection are very similar. Our approach uses a neighborhood
of terms around of the named transition point (frequency that divides vocabulary
in terms of high and low frequency). In our tests over a collection of abstracts from
CICLing-2002, a modified method of Nearest Neighbour (NN) was used. We used
a Gold Standard for the evaluation, observing a high performance for the proposed
method.
Keywords:Selección de términos, Agrupamiento, Resumen, Term selection, Clustering, Abstract
Sociedad Española para el Procesamiento del Lenguaje Natural
info:eu-repo/semantics/article