Análisis Automático de Textos

UNIVERSIDAD DE GUANAJUATO
DIVISIÓN DE INGENIERÍAS
CAMPUS IRAPUATO - SALAMANCA

Análisis Automático de Textos
usando Computación Evolutiva

TESIS PROFESIONAL

PARA OBTENER EL TITULO DE:

INGENIERO EN SISTEMAS COMPUTACIONALES

P R E S E N T A:

Marco Antonio Ornelas Ramírez

A S E S O R:

Dr. Víctor Ayala Ramírez

SALAMANCA, GTO.

MARZO DEL 2011

Resumen
En esta tesis sepresenta una propuesta de representación y análisis automático de textos
basado en algoritmos genéticos. Se propone una función de ponderación de rasgos como parte de
la definición general de un modelo de representación de documentos. Con esta función se pretende
determinar el peso que tiene un rasgo en el contenido de un documento: Se establece un marco
teórico general en el cual se fundamentanuestra propuesta.
Se parte con el objetivo principal de desarrollar representaciones basadas únicamente en el
contenido textual de los documentos. El ámbito de aplicación será la indexación automática y
el agrupamiento "clustering" de documentos electrónicos. Estos procesos pueden utilizarse en la
creación de directorios web temáticos o aplicarse sobre los resultados devueltos tras unaconsulta
a un motor de búsqueda.
Nuestro sistema consiste en particionar el documento en N partes, a cada parte se le asigna
un coeficiente de ponderación de nos indica el nivel de importancia de las particiones del documento. Para encontrar las palabras claves que pueden indexar el documento se crea una función
llamada Filtro de Histograma que hace un conteo único de las palabras que aparecen en eldocumento dependiendo de la posición en el texto. El objetivo del Algoritmo Genético es encontrar las
mejores coeficientes de ponderación para cada partición del documento tomando como referencia
el criterio de análisis de expertos humanos.
Una de las ventajas que ofrece el método propuesto es que permite representar un documento
sin necesidad de analizar previamente ninguna colección dereferencia. No será necesario extraer
información relativa a las frecuencias de aparición de los diferentes rasgos dentro de una colección
de documentos.
Para la evaluación de las representaciones propuestas se utilizan representaciones manuales
realizadas por expertos sobre un conjunto de textos de prueba, ambas colecciones de textos fueron
a analizadas por expertos para así obtenerrepresentaciones con distintos criterios de análisis.

ii

Agradecimientos.
Agradezco a mis padres que tanto estimo y amo, por haberme apoyado incondicionalmente en
mis estudios. A mi papá Marco Antonio Ornelas Villanueva por ser mi mejor compañero y un gran
apoyo para la realización de mis estudios, por enseñarme a terminar siempre lo que se empieza,
no importa el tiempo que te lleve realizarlo. A mimamá Aurora Ramírez Urbieta que me ha inculcado que siempre hay que ser constantes en el trabajo para la realización de las metas que uno
se propone y por motivarme siempre a seguir adelante, superarme y a confiar más en mí y en Dios.
A mis hermanos Hugo y Wendoline, por el entusiasmo, alegría y ánimo que me trasmiten y
por que son parte de mi motivación. A mi hermana Sandra que me hademostrado que siempre
hay que seguir adelante con la frente en alto, que todo esfuerzo y sacrificio tendrá su recompensa.
Al Doctor Víctor Ayala Ramírez, por haberme ayudado en mi proceso de aprendizaje para el
desarrollo de éste trabajo de tesis. Gracias por enseñarme a que no hay obstáculos para realizar
lo que uno quiere, siempre y cuando se tenga las agallas de querer realizarlo. Le agradezco suspalabras de las que mucho he aprendido y por el tiempo invertido en este trabajo. Gracias por
todas las oportunidades que me ha brindado.
Al Doctor Raúl Enrique Sánchez Yánez, por ilustrar con el ejemplo que con la disciplina,
la puntualidad y el trabajo constante, se avanza con mayor rapidez para el logro de nuestros
objetivos.
A mis compañeros del Laboratorio de Visión, Robótica e...