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

Contextos Clave de Palabras Temáticas


Esta herramienta de T-LAB puede ser utilizada para alcanzar dos objetivos diferentes:

a) extraer conjuntos de unidades de contexto que permiten profundizar el valor temático de palabras-clave especificas;
b) extraer las unidades de contexto que son más parecidas a los textos de muestra propuestos por el usuario.


Los procedimientos a seguir, paso a paso, son:

Caso (A)

Éste funciona de la siguiente manera:

1- el usuario elige una palabra temática "X" (véase abajo);
2- T-LAB propone una lista de palabras (máximo 50) los cuales valores de co-ocurrencia con "X" son más significativos;
3- el usuario puede quitar ítems irrelevantes de la lista proporcionada;
T-LAB asume que la lista del usuario es un vector de búsqueda (query vector) y computa sus índices de asociación (es decir los coeficientes del coseno) con todos los contextos elementales del corpus o del subconjunto seleccionado;
4- el output es un archivo HTML que contiene una lista de los contextos clave más significativos de "X" enumerados por orden descendente de sus índices de asociación (véase abajo).

Nota: Desemejante de la función Concordancias, que permite la extracción de todos los contextos elementales en los cuales las palabras clave seleccionadas son presentes (ocurrencias), y desemejante de la función Asociaciones de Palabras, que permite la extracción de todos los contextos elementales en los cuales las palabras clave seleccionadas se emparejan (co-ocurrencias), esta herramienta nos permite extraer los contextos elementales en los cuales cada palabra clave seleccionada se asocia a un conjunto de otras palabras (co-ocurrencias múltiples) que definen su campo temático.

Los resultados, tanto en formato HTML como en TXT, contienen un listado de los contextos clave más significativos de 'X' y están ordenados, de forma decreciente, en base a sus índices de asociación.

Los pasos 1-4 pueden ser reiterados para "n" palabras temáticas.

Caso (B)

Éste funciona de la siguiente manera:
1 - El usuario copia/pega un 'modelo' de texto (máx. 5000 caracteres) en la casilla correspondiente;
2 - Después de haber seleccionado la opción 'extraer contextos clave', T-LAB transforma el texto introducido en un vector (query vector) y calcula los índices reativos de asociación (es decir, los coeficientes coseno) junto con todos los contextos elementales del corpus o del subconjunto seleccionado.

Los resultados, bien en formato HTML o bien en formato TXT, contienen un listado de los contextos clave que más semejanza tienen con el texto de input.
Nota: En este caso, la medida de semejanza no incluye a las palabras múltiples cuyas cadenas, con o sin el carácter de guion bajo ('_'), no correspondan al texto analizado.


Los pasos 1-2 pueden ser reiterados para "n" modelos de texto.