T-LAB Home
T-LAB PLUS 2019 - AIUDA EN RED Prev Page Prev Page
T-LAB
Introducción
Qué hace y qué permite hacer
Requisitos y prestaciones
Preparación del corpus
Preparación del corpus
Criterios Estructurales
Criterios Formales
Archivo
Importar un único archivo...
Preparar un Corpus (Corpus Builder)
Abrir un projecto ya existente
Configuraciones de Análisis
Configuración Automática y Personalizada
Personalización del Diccionario
Análisis de Co-ocurrencias
Asociaciones de Palabras
Análisis de Co-Palabras y Mapas Conceptuales
Comparaciones entre Parejas de Palabras-Clave
Análisis de Secuencias y Análisis de Redes
Concordancias
Análisis Temáticos
Análisis Temático de Contextos Elementales
Modelización de Temas Emergentes
Clasificación Temática de Documentos
Clasificación Basada en Diccionarios
Contextos Clave de Palabras Temáticas
Análisis Comparativos
Análisis de Especificidades
Análisis de Correspondencias
Análisis de Correspondencias Múltiples
Cluster Analysis
Descomposición de Valores Singulares
Herramientas Léxico
Text Screening / Desambiguaciónes
Vocabulario
Palabras Vacías
Multi-Palabras
Segmentación de Palabras
Otras Herramientas
Variable Manager
Búsqueda avanzada en el Corpus
Tablas de Contingencias
Editor
Glosario
Análisis de Correspondencias
Cadenas de Markov
Chi-cuadrado
Cluster Analysis
Codificación
Contextos Elementales
Corpus y Subconjuntos
Desambiguación
Documentos Primarios
Especificidad
Graph Maker
Homógrafos
IDnumber
Índices de Asociación
Isotopía
Lematización
Lexia y Lexicalización
MDS
Multiwords (Multi-Palabras)
N-gramas
Naïve Bayes
Normalización del Corpus
Núcleos Temáticos
Ocurrencias y Co-ocurrencias
Palabras y Lemas
Palabras Clave
Perfil
Polos de Factores
Stop Word List
Tablas de Datos
Umbral de Frecuencia
TF-IDF
Unitad de Análisis
Unidad de Contexto
Unidad Lexical
Valor Test
Variables y Modalidades
Bibliografía
www.tlab.it

Multidimensional Scaling (MDS, Escalamiento Multidimensional)


Conjunto de técnicas estadísticas que permiten analizar matrices de semejanza para proporcionar una representación visual de las relaciones entre los datos dentro uno espacio de dimensiones reducidas.

En T-LAB un tipo de MDS (método de Sammon) se utiliza para representar las relaciones entre las unidades lexicales o entre los núcleos temáticos (véase Análisis de Co-Palabras y Modelización de Temas Emergentes).

Las tablas de input se constituyen de matrices cuadradas que contienen los valores de proximidad (desemejanzas) derivados del cálculo de un índice de asociación.

Los resultados obtenidos, como los del análisis de correspondencias, nos permiten interpretar las relaciones entre los "objetos" y las dimensiones que organizan el espacio en el cual se representan.

El grado de correspondencia entre las distancias, entre los puntos obtenidos por el mapa de MDS y aquellos de la matriz input, es medido (inverso) por una función de stress. Cuanto menor es el valor de lo stress (e.g. < 0,10), tanto mayor es la calidad del ajuste obtenido.


La fórmula de stress es la siguiente:

Donde representa las distancias entre los puntos (ij) de la matriz input y representa las distancias entre los mimos puntos en el mapa MDS.