Modelado de temas en documentos de texto: análisis comparativo de LSA, PLSA y LDA
[ES] Este trabajo se centra en los modelos teóricos clásicos más representativos que han marcado el desarrollo del modelado de temas en la minería textual, razón por la cual se ha puesto el foco en el análisis de semántica latente, el análisis probabilístico de semántica latente y la asignación late...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2023 |
| País: | España |
| Institución: | Universitat Politècnica de València (UPV) |
| Repositorio: | RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia |
| Idioma: | español |
| OAI Identifier: | oai:riunet.upv.es:10251/197043 |
| Acceso en línea: | https://riunet.upv.es/handle/10251/197043 |
| Access Level: | acceso abierto |
| Palabra clave: | Latent Semantic Analysis (LSA) Probabilistic Latent Semantic Analysis (pLSA) Análisis Semántico Probabilístico Latente (pLSA) Latent Dirichlet Allocation (LDA) Asignación Latente de Dirichlet (ALD) Minería de textos Análisis Semántico Latente (LSA) Modelado de temas Topic modelling Text mining FILOLOGIA INGLESA Máster Universitario en Lenguas y Tecnología-Màster Universitari en Llengües i Tecnologia |
| Sumario: | [ES] Este trabajo se centra en los modelos teóricos clásicos más representativos que han marcado el desarrollo del modelado de temas en la minería textual, razón por la cual se ha puesto el foco en el análisis de semántica latente, el análisis probabilístico de semántica latente y la asignación latente de Dirichlet. Siendo una rama de investigación en el ámbito del procesamiento de lenguaje natural, el modelado de temas proporciona una solución automatizada para tareas como la categorización de textos y la elaboración de resúmenes, captando el interés de los investigadores por su capacidad de descubrir estructuras semánticas latentes en los documentos. En este contexto, el estudio aborda principalmente un análisis cuantitativo y cualitativo en dos modelos probabilísticos, i.e. análisis probabilístico de semántica latente y asignación latente de Dirichlet. El objetivo es evaluar y comparar la efectividad de ambos modelos cuando se aplican a corpus de distintos tamaños. Para ello, se crearon tres corpus a partir de títulos de noticias en Wall Street Journal y Nature. Basándonos en los datos obtenidos, concluimos que PLSA proporciona mejores resultados que LDA en la clasificación de los textos según los temas latentes. Asimismo, se ha notado una mejora considerable en el rendimiento de PLSA a medida que aumenta el tamaño del corpus. Este estudio también analiza algunas cuestiones críticas que pueden afectar a la efectividad de estos modelos. |
|---|