Contribuciones a la minería de textos desde una perspectiva no supervisada: nuevos enfoque y métodos
Palabras clave:
minería de texto, recuperación de información personalizada, generación de resúmenes, extracción de frases relevantes, análisis de textos basada en grafosResumen
Introducción: El volumen de información textual está creciendo exponencialmente. Embebido en eso textos se encuentra una gran cantidad de información relevante y conocimientos extraordinario valor para la actividad humana, a nivel económico, político, intelectual, académico, social, y otros. Por tanto, la identificación y extracción de esa información relevante, así como el descubrimiento de esos conocimientos valiosos, constituyen intereses primordiales en muchos ámbitos. En este contexto las soluciones innovadoras de minería de texto son cada vez más necesarias.
Objetivos: Mejorar la eficacia en la recuperación de la información a través de la personalización. Concebir y desarrollar nuevas soluciones para la síntesis automática de textos que aporten mayor eficacia. Concebir y desarrollar una solución para el análisis y descubrimiento de conocimiento en los textos a partir de su representación en forma de grafos.
Métodos: Se proponen un conjunto de soluciones para la recuperación de información personalizada. Se proponen métodos para la generación automática de resúmenes extractivos partiendo de múltiples documentos y para la extracción de frases relevantes en textos. Se concibió un modelo para el análisis computacional de textos basado en grafos de conocimiento.
Resultados: Las contribuciones propuestas se evaluaron y validaron a nivel experimental y varias de ellas también a través de su aplicación práctica en varios escenarios. Se demostraron los aportes y beneficios de las soluciones en el procesamiento de diferentes tipos de textos, desde noticias, artículos científicos, correos, entre otros. Se lograron impactos importantes para el análisis de información en el ámbito de la seguridad y el orden interior.
Conclusiones: Las soluciones desarrolladas representan contribuciones que arrojan resultados prometedores en el estado del arte de la minería de texto con enfoque no supervisada, con énfasis en el tratamiento de la semántica y el uso de grafos de conocimiento.
Descargas
Citas
1. Hambarde K, Proença H. Information Retrieval: Recent Advances and Beyond. IEEE Access. 2023 [Consultado jul 2024];99:1-1. Disponible en: https://ieeexplore.ieee.org/document/10184013
2. Singh A, Dey N, Ashour A, Santhi V. Web Semantics for Personalized Information Retrieval. En A. Singh N, Dey AS, Ashour V. Santhi (Eds.). Web Semantics for Textual and Visual Information Retrieval, IGI Global. 2017 [Consultado may 2018];166-86. Disponible en: https://www.igi-global.com/chapter/web-semantics-for-personalized-information-retrieval/198576
3. Liu J, Liu Ch, Belkin NJ. Personalization in Text Information Retrieval: A Survey, Journal of the Association for Information Science and Technology. 2020 [Consultado abr 2022];71(3):349-69. Disponible en: https://asistdl.onlinelibrary.wiley.com/doi/abs/10.1002/asi.24234
4. Utrera EB, Simón-Cuevas A, Olivas JA. Análisis de tendencias en la personalización de los resultados en buscadores web. Revista Cubana de Ciencias Informáticas. 2018 [Consultado jun 2024];12(2):111-28. Disponible en: http://scielo.sld.cu/pdf/rcci/v12n2/rcci09218.pdf
5. Utrera EB, Simón-Cuevas A, Olivas JA, Romero FP. Aproximación a un modelo de recuperación de información personalizada basado en el análisis semántico del contenido. Procesamiento del Lenguaje Natural. 2018 [Consultado jun 2024];61:31-8. Disponible en: http://journal.sepln.org/sepln/ojs/ojs/index.php/pln/article/view/2018-61-3/3376
6. Utrera EB, Simón-Cuevas A, Olivas JA, Romero FP. A Personalized Information Retrieval Approach using Semantic Processing of Text Documents. Proceedings of the International Conference on Artificial Intelligence (ICAI'18). CSREA Press. 2018 [Consultado jun 2024];414-9. Disponible en: https://www.researchgate.net/publication/326522466_A_Personalized_Information_Retrieval_Approach_using_Semantic_Processing_of_Text_Documents
7. Serrano J, Romero FP, Olivas JA. A relevance and quality-based ranking algorithm applied to evidence-based medicine. Computer Methods and Programs in Biomedicine. 2020 [Consultado sep 2024];191:105415. Disponible en: https://www.sciencedirect.com/science/article/pii/S0169260719303785
8. El-Kassas WS, Salama ChR, Rafea AA, Mohamed HK. Automatic text summarization: A comprehensive survey, Expert Systems with Applications. 2021 [Consultado jul 2024];165:113679. Disponible en: https://www.sciencedirect.com/science/article/abs/pii/S0957417420305030
9. Gambhir, M., Gupta V.: Recent automatic text summarization techniques: a survey. Artificial Intelligence Review. 2017 [Consultado mar 2019];47(1):1-66. Disponible en: https://dl.acm.org/doi/10.1007/s10462-016-9475-9
10. del Camino Valle O, Simón-Cuevas A, Valladares-Valdés E, Olivas JA, Romero FP. Generación de resúmenes extractivos de múltiples documentos usando grafos semánticos. Procesamiento del Lenguaje Natural. 2019 [Consultado jul 2024];63:103-10. Disponible en: http://journal.sepln.org/sepln/ojs/ojs/index.php/pln/article/view/6100
11. Miller G, Fellbaum C. WordNet: An Electronic Lexical Database, The MIT Press: Cambridge, MA. 1998.
12. Rao SX, Piriyatamwong P, Ghoshal P, Nasirian S, de Salis E, Mitrovié S, Wechner M, Brucker V, Egger P, Zhang C. Keyword extraction in scientific documents, arXiv preprint arXiv:2207.01888. 2022 [Consultado feb 2024]. Disponible en: https://arxiv.org/abs/2207.01888
13. Song M, Liu H, Hyperrank JL. Hyperbolic ranking model for unsupervised keyphrase extraction. Proceedings of the 2023 Conference on Empirical Methods in Natural Language Processing. 2023 [Consultado feb 2024];16070-80. Disponible en: https://aclanthology.org/2023.emnlp-main.997/
14. Barreiro-Guerrero M, Simón-Cuevas A, Pérez-Guadarrama Y, Romero FP, Olivas JA. Applying OWA Operator in the Semantic Processing for Automatic Keyphrase Extraction. Lecture Notes in Computer Science. 2019 [Consultado jul 2024];11896:62-71. Disponible en: https://link.springer.com/chapter/10.1007/978-3-030-33904-3_6
15. Pérez-Guadarramas Y, Simón-Cuevas A, Hojas Mazo W, Romero FP, Olivas JA. A Fuzzy Approach to Improve an Unsupervised Automatic Keyphrase Extraction Process. IEEE International Conference on Fuzzy Systems (FUZZ-IEEE). 2018 [Consultado sep 2024];70-5. Disponible en: https://ieeexplore.ieee.org/document/8491487
16. Pérez Y, Rodríguez A, Simón-Cuevas A, Hojas W, Olivas JA. Combinando patrones léxico-sintácticos y análisis de tópicos para la extracción automática de frases relevantes en textos. Procesamiento del Lenguaje Natural. 2017 [Consultado sep 2024];59:39-46. Disponible en: http://journal.sepln.org/sepln/ojs/ojs/index.php/pln/article/view/5491
17. Pérez-Guadarramas Y, Simón-Cuevas A, Romero FP, Olivas JA. Topic Modeling Based on OWA Aggregation to Improve the Semantic Focusing on Relevant Information Extraction Problems. G. Rivera et al. (eds.), Data Analytics and Computational Intelligence: Novel Models, Algorithms and Applications, Studies in Big Data. 2023 [Consultado sep 2024];17-42. Disponible en: https://link.springer.com/chapter/10.1007/978-3-031-38325-0_2
18. Pérez-Guadarramas Y, Barreiro-Guerrero M, Simón-Cuevas A, Romero FP, Olivas, JA. Analysis of OWA operators for automatic keyphrase extraction in a semantic context. Intelligent Data Analysis. 2020 [Consultado sep 2024];24:43-62. Disponible en: https://journals.sagepub.com/doi/10.3233/IDA-200008
19. Hojas-Maz W, Simón-Cuevas A, Iglesia M, Romero FP, Olivas JA. A Concept-Based Text Analysis Approach Using Knowledge Graph. Communications in Computer and Information Science (CCIS). 2018 [septiembre 2024];854:696-708. Disponible en: https://link.springer.com/chapter/10.1007/978-3-319-91476-3_57
20. Rodríguez A, Simón A. Método para la extracción de información estructurada desde textos. Revista Cubana de Ciencias Informáticas. 2013 [marzo 2024];7(1):55-67. Disponible en: http://www.scielo.sld.cu/pdf/rcci/v7n1/rcci07113.pdf
21. Rodríguez A, Simón A, Hojas W, Perea JM. Extracción de Datos Enlazados desde Información No Estructurada Aplicando Técnicas de PLN y Ontologías. CEUR-WS Proceedings Series. 2016 [septiembre 2021];1797. Disponible en: https://ceur-ws.org/Vol-1797/paper8.pdf
22. Simón A, Ceccaroni L, Rosete A, Suárez-Rodríguez A, Victoria R. A support to formalize a conceptualization from a concept map repository. En Cañas AJ, Reiska P, Ahlberg MK, Novak JD. (Eds.). Proceedings of the 3rd International Conference on Concept Mapping. 2008 [mayo 2021];1:68-75. Disponible en: https://cmc.ihmc.us/cmc2008papers/Backup/cmc2008-p291.pdf
23. Hojas-Mazo W, Simón-Cuevas A, de la Iglesia Campos M, Ruíz-Carrera JC. Semantic Processing Method to Improve a Query-Based Approach for Mining Concept Maps. Advances in Intelligent Systems and Computing. 2019 [junio 2024];1078:22-35. Disponible en URL: https://link.springer.com/chapter/10.1007/978-3-030-33614-1_2
24. Hojas W, Simón A, Rodríguez A. Aplicación de técnicas de minería de grafos para el análisis de textos. III Congreso Internacional de Ingeniería Informática y Sistemas de Información (CIIISI 2016). La Habana, Cuba, 2016 [junio 2024]. Disponible en: https://www.researchgate.net/publication/312727056_Aplicacion_de_tecnicas_de_mineria_de_grafo_para_el_analisis_de_texto
25. Hojas W, Simón A, de la Iglesia M. Método de análisis semántico basado en WordNet para la extracción de información en mapas conceptuales. Research in Computing Science. 2016 [junio 2024];124:81-92. Disponible en: https://rcs.cic.ipn.mx/2016_124/Metodo%20de%20analisis%20semantico%20basado%20en%20WordNet%20para%20la%20extraccion%20de%20informacion.pdf
26. Hojas-Mazo W, Simón-Cuevas A, Romero FP, Olivas JA. Procesamiento Semántico Difuso Aplicado a un Modelo de Análisis de Textos basado en Grafos. Actas de XVIII Conferencia de la Asociación Española para la Inteligencia Artificial (CAEPIA 2018). 2018 [Consultado jun 2024];279-84. Disponible en: https://www.researchgate.net/publication/328463183_Procesamiento_Semantico_Difuso_Aplicado_a_un_Modelo_de_Analisis_de_Textos_basado_en_Grafos
27. Suárez LM, Hojas W, Simón-Cuevas A. Un método para la recuperación de pasajes de texto a partir de mapas conceptuales usando Lucene. XVI Congreso Internacional de Informática en la Educación (InforEdu’16). Habana, Cuba, 2016 [Consultado jun 2024]. Disponible en: https://www.researchgate.net/publication/299398019_Un_metodo_para_la_recuperacion_de_pasajes_de_texto_a_partir_de_mapas_conceptuales_usando_Lucene
28. Vicente-López E, M de Campos L, Fernández-Luna JM, Huete JF, Tagua-Jiménez A. Tur-Vigil C. An automatic methodology to evaluate personalized information retrieval systems, User Modeling and User-Adapted Interaction. 2014 [Consultado ene 2019];25(1):1-37. Disponible en: https://link.springer.com/article/10.1007/s11257-014-9148-9
29. Lin C.-Y. ROUGE: a package for automatic evaluation of summaries. En Proceedings of the ACL-04 workshop. 2004 [Consultado feb 2019];74-81. Disponible en: https://aclanthology.org/W04-1013/
30. Valladares-Valdés E, Simón-Cuevas A, Romero FP, Olivas JA. A Fuzzy Approach for Sentences Relevance Assessment in Multi-document Summarization. Advances in Intelligent Systems and Computing. 2019 [Consultado feb 2019];950: 57-67. Disponible en: https://link.springer.com/chapter/10.1007/978-3-030-20055-8_6
31. Ying Y, Qingping T, Qinzheng X, Ping Z, Panpan L. A graph-based approach of automatic keyphrase extraction. Procedia Computer Science. 2017 [Consultado ene 2024];107:248-55. Disponible en: https://www.sciencedirect.com/science/article/pii/S1877050917303629
32. Duari S., Bhatnagar V. sCAKE: semantic connectivity aware keyword extraction. Information Sciences. 2019 [Consultado ene 2024];477:100-17. Disponible en: https://www.sciencedirect.com/science/article/abs/pii/S0020025518308521
33. Zhu X, Lou Y, Zhao J, Gao W, Deng H. Generative non-autoregressive unsupervised keyphrase extraction with neural topic modeling. Engineering Applications of Artificial Intelligence. 2023 [Consultado feb 2024];120:105934. Disponible en: https://www.sciencedirect.com/science/article/abs/pii/S0952197623001185
34. Verma RM, Zeng V, Faridi H. Data quality for security challenges: Case studies of phishing, malware and intrusion detection datasets. Proceedings of the 2019 ACM SIGSAC Conference on Computer and Communications Security. 2019 [Consultado mar 2024]; 2605-07. Disponible en: https://dl.acm.org/doi/10.1145/3319535.3363267
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Alfredo Javier Simón-Cuevas, Yamel Pérez Guadarrama, Wenny Hojas Mazo , José Ángel Olivas Varela , Francisco Pascual Romero Chicharro, Manuel Barreiro Guerrero , Eduardo Javier Valladares-Valdés , Manuel de La Iglesia Campos , Jesús Serrano Guerrero, Oleyda del Camino Valle
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
La revista Anales de la Academia de Ciencias de Cuba protege los derechos de autor, y opera con una Licencia Creative Commons 4.0 (Licencia Creative Commons Reconocimiento-NoComerciall 4.0). Al publicar en ella los autores permiten copiar, reproducir, distribuir, comunicar públicamente su obra y generar obras derivadas, siempre y cuando se cite y reconozca al autor original. No permiten, sin embargo, utilizar la obra original con fines comerciales ni lucrativos.
Los autores autorizan la publicación de sus escritos conservando los derechos de autoría, y cediendo y transfiriendo a la revista todos los derechos protegidos por las leyes de propiedad intelectual que rigen en Cuba, que implican la edición para difundir la obra.
Los autores podrán establecer acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, situarla en un repositorio institucional o publicarla en un libro), con el reconocimiento de haber sido publicada primero en esta revista.
Para conocer más, véase https://creativecommons.org
