Evaluación de reglas de asociación en Text Mining utilizando métricas semánticas y estructurales.

Abstract

Tareas tradicionales en minería de textos descubren patrones desconocidos considerados interesantes desde un punto de vista estadístico usando métricas estándar. Esta evaluación estadística no toma en cuenta modelos mentales, usuarios o conocimiento del dominio. Mientras existen algunos enfoques para evaluar patrones (reglas de asociación) en text mining éstos fallan en determinar con exactitud cuales de los patrones descubiertos resultan ser interesantes/novedosos. En esta tesis, se propone y discute un nuevo enfoque que combina semántica basada en corpus (LSA) y modelo de conocimiento basado en Lattices. Los experimentos realizados utilizando nuestro enfoque en comparación con otros modelos de evaluación del estado del arte muestran lo promisorio de nuestro método para evaluar los patrones descubiertos como interesantes o sin interés hacia expertos humanos.