Importar un único archivo ...

En el caso de un único texto (o corpus considerado como único texto), T-LAB no necesita nada más: es suficiente seleccionar la opción 'Importar un único archivo' (vease abajo).

Entonces se requieren cuatro pasos (ver la imagen siguiente) : (1) seleccionar cualquier archivo; (2) elegir el nombre del proyecto; (3) seleccionar el idioma de su texto; (4) hacer clic en "Importar" .

Sucesivamente aparece una ventana (véase abajo) en la cual el usuario puede elegir algunos tratamientos.

NOTA:
- Porque las diferentes opciones determinan el tipo y la cantidad de unidades de análisis (es decir las unidades de contexto y las unidades lexicales), diversas opciones determinan diversos resultados del análisis (véase abajo las opciones avanzadas). Por esta razón, todos los outputs de T-LAB (es decir gráficos y tablas) utilizados en el manual del usuario y en la ayuda en red son solo indicativos;
- Todas las etapas de pre-procesamiento se realizan al importar cualquier tipo de corpus.

1 - LEMATIZACIÓN AUTOMÁTICA O STEMMING

A continuación, se presenta el listado completo de los 30 idiomas para los cuales T-LAB prevé la posibilidad de implementar procesos de lematización automática y de stemming.

LEMATIZACIÓN: alemán, catalán, croata, eslovaco, español, francés, inglés, italiano, latín, polaco, portugués, rumano, ruso, serbo, sueco y ucraniano.
STEMMING: árabe, bengalí, búlgaro, checo, danés, finlandés, griego, hindi, húngaro, indonesio, marathi, noruego, persa y turco.

En cualquier caso, sin lematización automática y / o mediante diccionarios personalizados, el usuario puede analizar textos en todos los idiomas. Lo importante es que las palabras estén separadas por espacios y/o signos de puntuación.

El resultado del proceso del lematización se puede verificar por medio de la función Vocabulario y se puede modificar por medio de la función Personalización del Diccionario.

2 - SEGMENTACIÓN DE TEXTOS (CONTEXTOS ELEMENTALES)

Según la elección del usuario, los contextos elementales para el cómputo de co-ocurrencias pueden ser: frases, fragmentos de longitud comparable, párrafos o textos breves (por ejemplo, respuestas a las preguntas abiertas).

El fichero corpus_segments.dat contiene el resultado de la segmentación del corpus.

3 - CONTROL DE MULTI-PALABRAS

La opción "Básico" activa el uso automático de la lista multi-palabras de T-LAB.

Diferentemente la opción "Avanzado", disponible solamente con la lematización automática, permite las operaciones siguientes:
- verificar y modificar la lista de multi-palabras no incluidas en base de datos de T-LAB;
- importar y utilizar listas personalizadas de multi-palabras (archivos Multiwords.txt).

4 - CONTROL DE PALABRAS VACÍAS

La opción "Básico" activa el uso automático de la lista palabras vacías de T-LAB.

Diferentemente la opción "Avanzado" permite las operaciones siguientes:
- verificar y modificar la lista de palabras vacías presentes en el corpus;
- importar y utilizar listas personalizadas de palabras vacías (archivos StopWords.txt).

5 - SELECCIÓN DE PALABRAS CLAVE

Las opciones disponibles permiten que elijamos el método de la selección (TF-IDF o Chi-cuadrado) y la cantidad máxima de unidades lexicales que se incluirán en una lista usada por T-LAB para analizar los textos con la configuración automática.

NOTA: Al término de la fase de importación, utilizando la configuración personalizada, el usuario puede revisar la selección de palabras clave y crear varias listas para ser aplicadas.