Text analytics
Oscar Ayala
Data Scientist
Librerias ejercicio Text Analitycs
• library(tm)
• library(SnowballC)
• library(wordcloud)
• library(ggplot2)
• library(dplyr)
• library(readr)
• library(RColorBrewer)
Definiciones
El análisis de texto es una de las técnicas dentro de Data mining que establece el
análisis de lo que está escrito en un texto.
Dicho de otra manera, existen técnicas analíticas para poder extraer la información que
está contenida dentro de un texto. Ejemplo de ellos lo podemos encontrar en un tweet o
en una publicación de Facebook, desde el punto de vista de programación se establecen
técnicas para poder extraer la mayor información de todos estos tweets o todos estos
mensajes que han sido colocados en una red social.
El objetivo es poder interpretar toda la comunicación que se está generando allí de
manera inmediata y con la ayuda de algoritmos, tener una clara interpretación de lo que
están diciendo los usuarios.
Analisis de
Usos texto
Perfilacion Analisis de
de autor sentimientos
atribucion de verificacion
autor de autor
Definiciones
Corpus
Diccionarios
Stopwords
Limpieza de datos
Análisis de textos
Análisis de sentimientos
Beneficios del Text-Mining
• Costo y velocidad: Enormes economías de escala pueden alcanzarse en comparación a la
codificación manual, particularmente cuando se trata de grandes y recurrentes datos que necesitan
ser analizados. Una vez que los parámetros se establecen y validan, el proceso es automatizado
aunque cierto grado de intervención humana es necesario para asegurarse de que la exactitud y
relevancia funcionan correctamente.
• Consistencia: El análisis es más consistente que la codificación manual a través de variables, lo
que significa que los cambios en los resultados representan la variación real y no producto de un
enfoque de codificación diferente. Esto además permite la integración de datos de varias fuentes
para hacer posibles comparaciones y vínculos relevantes para una mejor analítica predictiva.
• Escalabilidad: Una vez que los parámetros están establecidos en un tema específico de negocio,
los datos de otros proyectos pueden ser analizados más eficientemente utilizando el mismo
parámetro.
• Simplicidad: Los datos no estructurados son notablemente complejos, pero gracias al Text-Mining,
es más fácil filtrar, buscar y hacer referencias cruzadas entre los datos con una sola vista unificada.
• Mejores ideas: El text-mining no es solamente una alternativa más económica que la codificación
manual. También una herramienta que incrementa significativamente nuestra habilidad para extraer
significados, inteligencia y capacidad de predicción a partir de textos a gran escala.