Text Mining

Una aplicación my popular de text mining es el documento realizado por Don Swanson que extrajo información derivada de colecciones de texto. Swanson demostró como cadenas de implicaciones causales dentro de la literatura médica pueden conducir a hipótesis para enfermedades poco frecuentes.

Este extrajo solo de los títulos de presentes en la literatura biomédica respecto a artículos relaciones con la migraña, que demostraban que la perdida de magnesio podrá representar un papel en algunos tipos de migraña, una hipótesis que no existía en la literatura y que se encontró mediante ligas.

El objetivo del text mining es presentar herramientas que faciliten la gestión y la descripcion de corpus o textos de gran tamaño y que permitan derivar la información de ellos desde el puno de vista estadístico.

La lengua es nuestra morada vital

Le lengua nos hace y en ella nos hacemos.

Estudios recientes indican que le 80% de información de una compañía esta almacenada en forma de textos o formatos no estructurados.

Con text mining es fácil saber como distintos segmentos utilizan diferentes palabras para expresar la misma idea. Identificar las variaciones en el uso del lenguaje es muy importante si deseamos comunicarnos con nuestros clientes usando sus propias palabras, si queremos saber como verbalizan su agrado o desagrado.

L a buque da de una estrategia adecuada depende de los objetivos, se requiere saber el vocabulario utilizado por personas con características diversas respecto a un producto o servicio.

Unidades léxicas y segmentación del corpus

Iniciamos por unidad del análisis. Esta unidad puede ser un carácter una palabra o un conjunto de palabras. Tal vez no interese saber las palabras asociadas a un producto, por ejemplo: go. Si lo que nos interesa es haber un concepto transmitiendo lo que deseamos, la unidad puede ser un segmento.

La aplicación de text mining en investigación de mercados tiene varias vertientes.

Blogs, Focus Group, Preguntas abiertas.

En el caso de las preguntas abiertas, diversos estudios han concluido que la forma de preguntar, ya sea abierta o cerrada, cambia de manera radical los resultados.

Aun cuando una pregunta se realiza de manera abierta. Las respuestas pasan por un procedimiento de codificación que presenta varias desventajas.

Mediación del codificador, empobrecimiento del contenido, las respuestas raras, originales y poco claras se asignas a códigos residuales, destrucción de forma.

Text mining es un conjunto de técnicas de análisis que ayudan a estudiar las respuestas abiertas sin necesidad de codificar.

¿Como text mining puede resolver problemas de I.M?

Identificando vocabulario, encuentra la estructura de una asociación de texto, forma clústeres semánticos.

1. Identificación de campos semánticos por segmentos.

L a ideas es encontrar el espectro de las palabras que nuestros clientes usan paras describir cierto producto o servicio, hallar las palabras mas frecuentemente utilizadas en cada contexto de las mismas, por grupos de edad, sexo, nivel socioeconómico, etc. Lo interesante es que no solo de identifica las palabras que usa si no también las que no usa.

2. Estructura de asociación de un texto.

El objetivo es visualizar la asociación de palabras con segmentos demográficos, actiudinales o de cualquier otro tipo de relevancia para el análisis como la respuesta, cuando un patrón existe en un texto, algunas técnicas estadísticas pueden detectarlos y exhibirlos.

La herramienta básica para la visualización de asociación cuya salida final es un mapa, es bien conocida en investigación de mercados: el análisis de correspondencias.

3. Formación de clústeres semánticos.

El objetivo es obtener grupos homogéneos como sea posible con respecto a sus opiniones

...