RESUMEN DE TESIS DOCTORAL. Minería de Texto empleando la Semejanza entre Estructuras Semánticas

Transcripción

1 RESUMEN DE TESIS DOCTORAL Computacón y Sstemas Vol. 9 Núm., pp , CIC-IPN, ISSN , Impreso en Méxco Mnería de Texto empleando la Semeanza entre Estructuras Semántcas Text Mnng usng Comparson of Semantc Structures raduated: Manuel Montes y ómez Centro de Investgacón en Computacón IPN Av. Juan de Dos Bátz s/n esq. Mguel Othón de Mendzábal C. P Méxco D. F. raduado en febrero 26, 2002 Insttuto Naconal de Astrofísca, Óptca y Electrónca (INAOE) Lus Enrque Erro #, Sta. María Tonantzntla, Puebla, Méxco. mmontesg@naoep.mx Advsor: Alexander elbukh Centro de Investgacón en Computacón - IPN Av. Juan de Dos Bátz s/n esq. Mguel Othón de Mendzábal C. P Méxco D. F. cc.pn.mx; Co-Advsor Aurelo López López Insttuto Naconal de Astrofísca, Óptca y Electrónca (INAOE) Lus Enrque Erro #, Sta. María Tonantzntla, Puebla, Méxco. allopez@naoep.mx Resumen El tesoro más valoso de la raza humana es el conocmento. ran parte de este conocmento exste en forma de lenguae natural: lbros, peródcos, artículos, etcétera. La posesón real de todo este conocmento depende de nuestra habldad para realzar certas operacones con la nformacón, por eemplo: buscarla, compararla, y resumrla. La mnería de texto, una nueva área de nvestgacón defnda como descubrmento de conocmento en coleccones de textos, se enfoca en el análss de grandes conuntos de documentos. En partcular, consdera el descubrmento de patrones nteresantes, tales como grupos, asocacones y desvacones, en coleccones de textos. Los métodos actuales de mnería de texto se caracterzan por usar representacones sencllas del contendo de los documentos, por eemplo, bolsas o vectores de palabras. Por una parte estas representacones son fácles de obtener y analzar, pero por otra parte restrngen los patrones descubertos a un nvel temátco. Con el propósto de obtener resultados más útles y sgnfcatvos deben usarse representacones más completas de la nformacón. Basándonos en esta suposcón se propuso un nuevo método para realzar mnería de texto a nvel detalle. Este método usa los grafos conceptuales como representacón del contendo de los textos, y obtene algunos patrones descrptvos de los documentos aplcando varos tpos de operacones sobre estos grafos. Palabras Clave: Mnería de Texto, rafos Conceptuales, Agrupamento Conceptual, Descubrmento de Conocmento. Abstract Knowledge s the most valuable treasure of humanknd. Most of ths knowledge exsts n natural language format, for nstance, n books, ournals, reports, etc. The real possesson of all ths knowledge depends on our capabltes to perform dfferent tasks wth texts, such as: searchng for nterestng texts, comparng dfferent documents, and summarzng them.text mnng, an emergng research area that can be roughly characterzed as knowledge dscovery n large text collectons, s focused on automatcally analyzng a set of texts. Manly, t s concerned wth the dscovery of nterestng 63

2 Manuel Montes y ómez patterns such as clusters, assocatons, and devatons from large text collectons. Current methods of text mnng tend to use smplstc and shallow representatons of texts, e.g., keyword sets or keyword frequency vectors. On one hand, such representatons are easy to obtan from texts and easy to analyze, but on the other hand, however, they restrct the knowledge dscovery results to the topc level. To obtan more useful and meanngful results, rcher text representatons are necessary. On the bass of ths assumpton, we propose a new method for dong text mnng at detal level. Ths method uses conceptual graphs for representng text content and reles on performng some tasks on these graphs, allowng the dscovery of more descrptve patterns. Keywords: Text Mnng, Conceptual raphs, Conceptual Clusterng, Knowledge Dscovery Introduccón El tesoro más valoso de la raza humana es el conocmento. ran parte de este conocmento exste en forma de lenguae natural: lbros, peródcos, artículos, etcétera. La posesón real de todo este conocmento depende de nuestra habldad para hacer certas operacones con la nformacón, por eemplo: buscar nformacón nteresante, comparar fuentes de nformacón dferentes y resumr grandes conuntos de nformacón. La lngüístca computaconal se enfoca prncpalmente en el dseño de los mecansmos que permtan a las computadoras entender el lenguae natural, aunque tambén consdera varas tareas relaconadas con el procesamento de nformacón textual. Algunos eemplos de estas tareas son la búsqueda de nformacón, la extraccón de nformacón y la mnería de texto. El desarrollo de los métodos para el procesamento de nformacón textual ha sdo paralelo al desarrollo de los métodos para la comprensón del lenguae (análss morfológco, sntáctco y semántco). Por ello, típcamente se busca y analza la nformacón textual consderando úncamente el tema de los textos y no su contendo completo. Esta estratega faclta el análss de grandes conuntos de textos, e ncluso mantene una ndependenca del domno, pero lmta grandemente la expresvdad y la dversdad de los resultados de los sstemas de análss de textos. En la recuperacón de nformacón, por eemplo, esta estratega de análss mpde hacer búsquedas que consderen detalles del contendo de los textos que van más allá de sus temas (por eemplo: propóstos, planes, obetvos y enfoques). Por su parte, en la mnería de texto, esta estratega mpde descubrr patrones nteresantes relaconados con dchos detalles del contendo de los textos. Actualmente, buscando una solucón a este problema de expresvdad y dversdad de los resultados, se comenzan a usar más elementos provenentes de la lngüístca computaconal comprensón del lenguae en las tareas de procesamento de textos. Así pues, se empezan a susttur las representacones sencllas de los textos, como las lstas de palabras clave, por representacones más completas que consderan aspectos estructurales y contextuales del contendo de los textos. En la recuperacón de nformacón se han usado tanto representacones sntáctcas como semántcas del contendo de los textos aunque su aplcacón no ha sdo tan defntva y valosa como se esperaba (Sparck-Jones, 999). Las prncpales causas de este resultado desfavorable son, entre otras, las sguentes:. Los métodos de comparacón de las nuevas representacones no son los adecuados. 2. Algunas característcas de la búsqueda de nformacón, por eemplo, su naturaleza temátca, la rapdez de respuesta requerda, y en muchas ocasones la necesdad de ndependenca del domno, complcan la aplcacón de estas nuevas representacones. En la mnería de texto no se han usado representacones que consderen algunos elementos estructurales y contextuales de los textos; ello a pesar de que tanto su obetvo, el descubrmento de conocmento, como algunas de sus característcas hacen suponer una notable meoría en los resultados. Algunas de estas característcas son: 64

3 Mnería de texto empleando la Semeanza entre Estructuras Semántcas. El descubrmento de conocmento es una tarea típcamente dependente del domno. 2. La rapdez no es un factor determnante en el proceso de descubrmento, por el contraro, lo más mportante es la expresvdad y precsón de los resultados. 3. El proceso de descubrmento generalmente no se realza en un ambente de pregunta y respuesta. Este trabao de tess consderó el problema de la expresvdad de los resultados de la mnería de texto, y tambén la oportundad de comenzar a usar representacones más completas del contendo de los textos en ella. Báscamente en esta tess se planteó el uso de una representacón semántca del contendo de los textos, y se propuseron algunos métodos para el descubrmento de patrones nteresantes en un conunto de dchas representacones. Así pues, el obetvo de este trabao fue defnr algunas estrategas de mnería de texto para meorar la expresvdad y la dversdad de los patrones descubertos con respecto a los obtendos usando las técncas tradconales. 2 Mnería de Texto La mnería de texto es el área de nvestgacón más recente del procesamento automátco de textos. Ella se defne como el proceso automátco de descubrmento de patrones nteresantes en una coleccón de textos. Estos patrones no deben de exstr explíctamente en nngún texto de la coleccón, y deben de surgr de relaconar el contendo de varos de ellos (Hearst, 999; Kodratoff, 999). El proceso de mnería de texto consste de dos etapas prncpales: una etapa de preprocesamento y una etapa de descubrmento (Tan, 999). En la prmera etapa, los textos se transforman a algún tpo de representacón estructurada o semestructurada que faclte su posteror análss, mentras que en la segunda etapa las representacones ntermedas se analzan con el obetvo de descubrr en ellas algunos patrones nteresantes o nuevos conocmentos. Entonces, dependendo del tpo de métodos aplcados en la etapa de preprocesamento es el tpo de representacones ntermedas construdas, y en funcón de dcha representacón se determnan los métodos usados en la etapa de descubrmento, y en consecuenca, el tpo de patrones descubertos. La fgura muestra las prncpales estrategas usadas en los actuales sstemas de mnería de texto. De acuerdo con esta fgura, la mayoría de los actuales de mnería de texto lmtan sus resultados a un nvel temátco o de entdad, y por lo tanto mposbltan el descubrmento de cosas más detalladas como por eemplo: Consensos, que por eemplo respondan a preguntas como: Cuál es la opnón mayortara de los mexcanos sobre el goberno de Fox? Tendencas, que ndquen por eemplo s han exstdo varacones en la postura de Fox con respecto a la educacón. Desvacones, que dentfquen por eemplo opnones raras con respecto al desempeño de la seleccón mexcana de fútbol. Etapa de pre-procesamento Tpode representacón Tpode descubrmentos Categorzacón Vector detemas Nvel temátco Full-text Secuencadepalabras Patronesdelenguae Extraccóndenformacón Tabladedatos Relaconesentreentdades Fg.. Estado del arte de la mnería de texto 65

4 Manuel Montes y ómez A contnuacón se descrben brevemente los prncpales métodos empleados en ambas etapas de la mnería de texto. Una descrpcón más completa del estado del arte del área, y una lsta de referencas pertnentes puede consultarse en (Montes-y-ómez, 2002; Hearst, 999; Kodratoff, 999; Tan, 999). 2. Etapa de Preprocesamento En la etapa de preprocesamento los textos se transforman a una representacón estructurada o semestructurada de su contendo. Estas representacones ntermedas de los textos deben ser, por una parte, sencllas para facltar el análss de los textos, pero por otra parte, completas para permtr el descubrmento de patrones nteresantes, e ncluso de nuevos conocmentos. Las representacones ntermedas más usadas en la mnería de texto son báscamente de dos tpos: A nvel documento, donde cada representacón se refere a un texto dferente de la coleccón. A nvel concepto, donde cada representacón ndca un obeto, tema o concepto nteresante para el domno específco de aplcacón. La construccón de estas representacones sgue dferentes estrategas. Por eemplo, las representacones a nvel documento se construyen típcamente usando métodos de categorzacón, de texto completo e ndexamento. Por su parte, las representacones a nvel concepto se obtenen báscamente aplcando métodos dependentes del domno tales como la extraccón de térmnos mportantes y la extraccón de nformacón. 2.2 Etapa de Descubrmento Típcamente, los descubrmentos de mnería de texto y por consecuenca sus métodos y sus tareas se clasfcan en: descrptvos y predctvos. Sn embargo es posble clasfcarlos de otras maneras. Por eemplo, una clasfcacón alternatva de la mnería de texto consdera que los textos son una descrpcón de stuacones y obetos del mundo, y que las representacones ntermedas de dchos textos obtendas en la etapa de preprocesamento son una descrpcón estructurada del contendo de estos últmos. Con base en esta consderacón, los descubrmentos de la mnería de texto se pueden clasfcar en tres enfoques: () descubrmentos a nvel representacón, () descubrmentos a nvel texto, y () descubrmentos a nvel mundo. Descubrmentos a Nvel Representacón Los métodos de este enfoque ntentan construr o descubrr una representacón estructurada o semestructurada de los textos. Los más comunes se encargan de la clasfcacón, categorzacón e ndexamento de los textos. Descubrmentos a Nvel Texto Los métodos de este enfoque son de dos tpos: métodos que descubren patrones de lenguae a partr de una coleccón de textos, y métodos que descubren la organzacón oculta de una coleccón de textos. Los métodos relaconados con la dentfcacón de patrones de lenguae se dstnguen por consderar todas las palabras de los textos y mantener su orden relatvo, es decr, usar representacones de texto completo (full-text, en nglés). Estos métodos detectan secuencas frecuentes de palabras, y en ocasones tambén construyen, con base en estas secuencas, un conunto de reglas asocatvas que expresan combnacones de palabras de uso común. Por su parte los métodos relaconados con el agrupamento de textos se caracterzan por utlzar dversos tpos de métodos, desde tradconales basados en una medda eucldana de la dstanca entre los textos, hasta sofstcados basados en redes neuronales de tpo mapas auto-organzados. En partcular estos métodos enfatzan la vsualzacón e nterpretacón de 66

5 Mnería de texto empleando la Semeanza entre Estructuras Semántcas los resultados. Por eemplo, algunos emplean nterfaces gráfcas para analzar los agrupamentos, otros determnan una etqueta descrptva del contendo de cada grupo, y otros más determnan el documento representatvo de cada clase. Adconalmente, el agrupamento de los textos se usa en el análss exploratoro de las coleccones de textos, en la generacón de resúmenes multdocumento, y en otras tareas de descubrmento tales como la deteccón de asocacones y desvacones. Descubrmentos a Nvel Mundo Este enfoque consdera dstntas tareas, entre ellas el descubrmento de asocacones, la deteccón de desvacones y el análss de tendencas. Los métodos de este enfoque comparten las sguentes característcas: () emplean tanto representacones de los textos a nvel concepto como a nvel documento; () usan conocmentos de domno, generalmente expresados en erarquías de conceptos o conuntos de predcados, y () permten que el usuaro guíe el proceso de descubrmento, especfcando prncpalmente las regones y los conceptos de mayor nterés. Entre los trabaos de descubrmento de asocacones destacan aquellos que plantean la deteccón de asocacones temátcas no-exactas de la forma smlar ( A) B ( confanza / soporte), y el uso de los elementos estructurados y no estructurados para la obtencón de dchas relacones. Por su parte, los métodos de deteccón de desvacones consderan la deteccón de los textos raros con temátca dferente al promedo de una coleccón, así como la deteccón de los nuevos temas en una coleccón dnámca, por eemplo en un fluo de notcas. El análss de tendencas se encarga de la descrpcón de la evolucón de una coleccón de textos. Entre sus métodos destacan los sguentes dos enfoques: () la deteccón de temas de dscusón con un comportamento preestablecdo, y la comparacón de la temátca de una coleccón en dos tempos dferentes. 3 Mnería de Texto usando rafos Conceptuales En esta seccón se presentan los métodos prncpales de nuestro enfoque de mnería de texto a nvel detalle basado en el uso de representacones semántcas grafos conceptuales de los documentos. Prmero se defnen los crteros para la comparacón de dos grafos conceptuales, y después de presentan algunos métodos para descubrr patrones nteresantes (grupos, asocacones y desvacones) en una coleccón de grafos conceptuales. Los prncpos de la teoría de grafos conceptuales se ntroducen en el apéndce A, mentras que la transformacón de los textos a grafos conceptuales es tratada en (Sowa and Way, 986; Sowa, 999). 3. Comparacón de rafos Conceptuales El procedmento general propuesto para la comparacón de dos grafos conceptuales consste de dos etapas: () el apareamento de los grafos, y () la medcón de la semeanza. En la prmera etapa se dentfcan todos los elementos, conceptos y relacones, comunes de ambos grafos, y se construye, a partr de estos, la o las descrpcones de dcha semeanza. Estas descrpcones las llamamos traslapes. En la segunda etapa se calcula la medda de la semeanza de los dos grafos. Esta medda expresa la mportanca relatva del traslape con respecto a los grafos conceptuales orgnales. Cuando se dentfca más de un traslape, se calcula una medda de semeanza con respecto a cada uno. La mayor medda se consdera la medda de semeanza fnal, y el traslape que la produce la meor descrpcón de la semeanza. En ambas etapas, la de apareamento y la de medcón, se utlza conocmento del domno y se consderan los ntereses del usuaro. El conocmento del domno se expresa a través de un conunto de erarquías de conceptos. Báscamente, estas erarquías permten determnar semeanzas entre los conceptos de los grafos a dferentes nveles de generalzacón. Por su parte, los ntereses del usuaro se expresan por dos medos. En prmer lugar, a través de algunos parámetros de la medda 67

6 Manuel Montes y ómez de semeanza, por eemplo, los que determnan la mportanca relatva de las entdades, accones y atrbutos. En segundo lugar, a través del conocmento del domno que el usuaro establece lbremente. Apareamento de rafos Conceptuales Típcamente, el apareamento de dos grafos conceptuales permte dentfcar todos sus elementos generalzacones comunes. Debdo a que el operador de proyeccón π no es necesaramente uno-a-uno y tampoco únco (referrse al apéndce), algunas de estas generalzacones comunes pueden expresar nformacón redundante o duplcada. Entonces, para lograr construr una descrpcón precsa de la semeanza entre dos grafos conceptuales es necesaro dentfcar los conuntos de generalzacones comunes que formen una máxma generalzacón común compatble. Cada uno de estos conuntos es lo que llamamos un traslape. Un traslape lo defnmos de la sguente manera: = de los grafos conceptuales y 2 es compat Defncón. El conunto de generalzacones comunes O { g, g, 2, g n } ble s y solo s exste un mapeo { π, π, 2, } n π = n g = π 2 = g = Ο/ π n tal que sus correspondentes proyeccones en y 2 no se ntercepten: Defncón 2. El conunto de generalzacones comunes O { g, g, 2, } = de los grafos conceptuales y 2 es máxmo s y solo s no exste otra generalzacón común g de y 2, tal que alguna de las sguentes condcones se satsfaga:. O = { g, g,, g, 2 n g} es compatble. : g g, g g, y O = g,, g, g, g+,, g n es compatble. 2. { } Defncón 3. El conunto de generalzacones comunes O { g, g, 2, } = de los grafos conceptuales y 2 es un traslape s y sólo s es compatble y máxmo. g n De acuerdo con esto, cada traslape expresa en forma completa y precsa la semeanza entre dos grafos conceptuales. Esto mplca que traslapes dstntos pueden ndcar dferentes maneras de vsualzar e nterpretar dcha semeanza. Debdo a que el apareamento y la proyeccón de los grafos conceptuales son problemas defndos como NP-completos (Mugner, 995), nuestro algortmo es de compledad exponencal con respecto al número de conceptos comunes de los dos grafos. Sn embargo, esto no mplca nnguna lmtacón mportante para su aplcacón en la mnería de texto (tal y como nosotros la pretendemos realzar), ya que los grafos que serán comparados son generalmente el resultado del análss sntáctco superfcal (shallow parsng, en nglés) de pequeñas partes descrptvas del contendo de los textos, y en consecuenca son pequeños 30 conceptos como máxmo y tenen solamente unos cuantos conceptos comunes. Medcón de la Semeanza La medcón de la semeanza es la segunda etapa de la comparacón de los grafos conceptuales. En esta etapa se recbe como entrada los dos grafos que se comparan y el conunto de todos sus posbles traslapes. Para cada traslape se calcula una medda de semeanza. Fnalmente se entrega como resultado la mayor medda y el traslape que la produce (que es la descrpcón fnal de la semeanza). Dados dos grafos conceptuales y 2, y uno de sus traslapes, la medda de semeanza expresa la mportanca relatva de los elementos comunes (traslape) con respecto a toda la nformacón de los grafos orgnales. En general, nuestra medda tene las sguentes característcas:. Se fundamenta en las sguentes ntucones báscas (Ln, 998): () la semeanza entre dos grafos conceptuales se relacona con su traslape (elementos comunes), entre más especalzado y más extenso sea éste, más semeantes son los grafos; () la semeanza entre dos grafos conceptuales se relacona con sus dferencas, entre más dferencas tengan, g n 68

7 Mnería de texto empleando la Semeanza entre Estructuras Semántcas menos semeantes son; () la mayor semeanza entre dos grafos conceptuales se obtene cuando son déntcos, sn mportar cuantos elementos comunes tengan, y (v) la semeanza entre dos grafos conceptuales es nula cuando los grafos no tenen nngún elemento común, esto es, cuando su traslape es nulo. 2. Se basa en una medda conocda para la comparacón de textos; a saber: el coefcente de Dce. El valor de este coefcente entre dos textos T y T 2 se defne como: s ( T, T2 ) = 2 t2 t + t 2, donde t es el número de térmnos del texto T, y t 2 es el número de térmnos comunes de los textos T y T Aprovecha la estructura bpartta de los grafos conceptuales. La medda de semeanza se obtene combnando dos tpos de semeanzas parcales: una semeanza conceptual y una semeanza relaconal. La semeanza conceptual expresa que tan smlares son las entdades, accones y atrbutos menconados en los dos grafos conceptuales, mentras que la semeanza relaconal señala que tan parecdas son las nterconexones entre los conceptos comunes de ambos grafos. 4. Consdera conocmento del domno. Este conocmento se expresa en forma de un dcconaro de snónmos y algunas erarquías de conceptos, y permte evaluar adecuadamente la contrbucón de las semeanzas no exactas. 5. Permte que el usuaro establezca algunos parámetros de la medda de semeanza. Por eemplo, la mportanca relatva de las semeanzas conceptual y relaconal, y la mportanca relatva de las entdades, accones y atrbutos. Esta característca otorga una gran flexbldad al proceso de comparacón de los grafos conceptuales. Medda de Semeanza Dados dos grafos conceptuales y 2, y uno de sus traslapes, denotado por O, su semeanza 0 s es una combnacón de dos valores: una semeanza conceptual s c y una semeanza relaconal s r. Semeanza Conceptual La semeanza conceptual 0 s c depende de la cantdad de conceptos comunes de y 2. A grandes rasgos, esta semeanza ndca que tan parecdas son las entdades, accones y atrbutos menconados en ambos grafos conceptuales. La semeanza conceptual s c se calcula usando una expresón análoga al coefcente de Dce: s c ( ), 2 ( weght( c) β ( π c π c) ) 2, 2 c O = weght ( c) + weght( c) c En esta expresón, la funcón weght ( c) ndca la mportanca del concepto c dependendo de su tpo, y la funcón ( π c c) β,π 2 expresa el nvel de generalzacón del concepto común c O con respecto a sus proyeccones en los grafos orgnales π c y π 2 c. La funcón weght ( c) evalúa en forma dferente los dstntos tpos de conceptos. Esta funcón se defne de la sguente manera: we s c representa una entdad weght( c) = wv s c representa una accón wa s c representa un atrbuto Aquí, we, wv y wa son constantes postvas que ndcan la mportanca relatva de las entdades, accones y atrbutos respectvamente. Sus valores son asgnados por el usuaro de acuerdo con sus ntereses de análss. Por su parte, la funcón β ( π c,π c) 2 expresa la semeanza semántca entre los conceptos orgnales π c y π 2 c con base en una erarquía de conceptos preestablecda. Esta funcón se defne de la sguente manera : En esta defncón, la condcón type( c) type( c) π = tambén se satsface cuando los tpos conceptuales son snónmos. π 2 c 2 69

8 Manuel Montes y ómez β ( π c, π c) 2 depth = depth + 2 d c d + d π c π c 2 s type s type s type ( π c) = type( π c) y referent( π c) = referent( π c) ( π c) = type( π c) y referent ( π c) referent( π c) ( π c) type( π c) En la prmera condcón, los conceptos π c y π 2 c son guales, y por lo tanto β ( π c, c ) = π 2. En la segunda condcón, los conceptos π c y π 2 c se referen a dferentes ndvduos del msmo tpo, esto es, a dferentes nstancas de la msma clase. En este caso, β ( π c π c) = depth ( depth ), donde depth ndca el número de nve 2 2 2, + 2 les de la erarquía de conceptos dada. De acuerdo con esta asgnacón, la semeanza entre dos conceptos con el msmo tpo pero con dferentes referentes es sempre mayor que la semeanza entre dos conceptos con dferentes tpos. En la tercera condcón, los conceptos π c y π 2 c tenen dferentes tpos, es decr, señalan elementos de dstntas clases. En este caso, β ( π c,π c) 2 expresa la semeanza semántca de los conceptos type( π c) y type( π 2 c) en la erarquía de conceptos preestablecda. Esta semeanza se calcula usando, una vez más, una expresón análoga al coefcente de Dce: β ( π c, π c) 2 = d 2 d c + d En este caso, d es la dstanca, expresada como el número de nodos, desde el concepto hasta la raíz de la erarquía. Semeanza Relaconal π c La semeanza relaconal 0 s r ndca que tan smlares son las relacones entre los conceptos comunes en ambos grafos conceptuales y 2. En otras palabras, la semeanza relaconal ndca que tan parecdos son los vecndaros de los conceptos del traslape en los grafos conceptuales orgnales. El vecndaro del traslape O en el grafo conceptual, denotado como N O ( ), es el conunto de todas las relacones conceptuales conectadas a los conceptos comunes en el grafo ; esto es: N N O ( ) = N ( c) c O, donde : π c 2 ( c) = { r r está conectada a π c en } Con base en esta defncón, la semeanza relaconal se calcula de la sguente manera; tambén análoga al coefcente de Dce: 2 weghto ( r ) (, r O sr 2 ) = weght ( r ) + weght ( ) r 2 r N ( ) r N ( ) O En esta fórmula weght ( r ) ndca la mportanca de la relacón conceptual r en el grafo conceptual. Este valor se calcula de acuerdo con el vecndaro de r en ; así se garantza la homogenedad entre los pesos de los conceptos y las relacones conceptuales. weght N ( r ) = c N weght ( r ) N r ( ) ( c) ( r ) = { c c está conectado a r en } O 2, donde :

9 Mnería de texto empleando la Semeanza entre Estructuras Semántcas Semeanza Total La semeanza total se obtene combnando la semeanza conceptual s c y la semeanza relaconal s r. En prmer lugar, esta combnacón debe ser estrctamente multplcatva, de tal forma que la semeanza total sea proporconal a ambos componentes. Con base en esta consderacón, la semeanza total se defne como: s = s c sr. Sn embargo, la semeanza relaconal debe tener una mportanca secundara, porque su exstenca depende drectamente de la exstenca de algunos conceptos comunes, y además porque aún cuando los dos grafos no tenen nnguna relacón común, certo nvel de semeanza puede exstr entre ellos. Así, la semeanza total s debe ser proporconal a las semeanzas conceptual y relaconal, pero puede ser dferente de cero cuando s r = 0. Este comportamento se modela suavzando el efecto de la semeanza relaconal sobre la semeanza total: ( a ) s = s + c bs r Con esta defncón, cuando no exste nnguna semeanza relaconal entre los dos grafos conceptuales (es decr, cuando s r = 0), la semeanza total depende exclusvamente de la semeanza conceptual, sendo s = asc. Los coefcentes a y b ndcan la mportanca relatva de la semeanza conceptual y relaconal respectvamente. Sus valores son establecdos por el usuaro de acuerdo con sus ntereses de análss, consderando úncamente las sguentes dos condcones: 0 < a, b < y a + b =. 3.2 Agrupamento de rafos Conceptuales Dada una coleccón de textos representados por grafos conceptuales, una de las tareas más mportantes para su análss es su agrupamento. En prmer lugar, este agrupamento permte descubrr la estructura oculta de la coleccón. En segundo lugar, este agrupamento consttuye un resumen organzado de la coleccón que faclta su vsualzacón, su posteror análss, y tambén el descubrmento de otros tpos de patrones nteresantes. El método propuesto es un agrupamento conceptual que, a dferenca de las técncas tradconales de agrupamento, no sólo permte dvdr el conunto de grafos conceptuales en varos grupos, sno tambén asocar una descrpcón a cada uno de estos grupos y organzarlos erárqucamente de acuerdo con dchas descrpcones (Mchalsk, 980). Báscamente, dado un conunto de grafos conceptuales, nuestro método dentfca todas sus regulardades elementos comunes de dos o más grafos del conunto y construye una erarquía conceptual de ellas. La erarquía resultante H no es necesaramente un árbol o lattce, sno un conunto de árboles, es decr, un bosque. Esta erarquía es una espece de red de herenca, en donde los nodos nferores ndcan regulardades especalzadas y los nodos superores sugeren regulardades generalzadas. Formalmente, cada nodo h de esta erarquía se representa por una trada (cov(h ), desc(h ), coh(h )), donde: cov(h ), llamada cobertura de h, es el conunto de grafos cubertos por o asocados con la regulardad h. desc(h ), llamada descrpcón de h, es el conunto de los elementos comunes de los grafos cubertos por h, es decr, es el traslape de los grafos de cov(h ). Entonces, desc(h ) ndca propamente la regulardad. coh(h ), llamada cohesón de h, es la semeanza mínma entre dos grafos cualesquera de cov(h ). Esto sgnfca que para todo nodo h se cumple la sguente condcón:, cov( h ) : sm(, ) coh( h ). Dados dos nodos h y h de la erarquía, el nodo h es un descendente del nodo h, o lo que es lo msmo, el nodo h es un ascendente del nodo h, descrto como h < h, s y sólo s:. El nodo h agrupa o cubre más grafos que el nodo h : cov( h ) cov( h ). 2. La descrpcón del nodo h es una generalzacón de la descrpcón del nodo h : ( h ) desc( h ) desc <. 3. La cohesón de los grafos del agrupamento h es menor o gual que la cohesón de los grafos del agrupamento h : coh coh( h ). 7

10 Manuel Montes y ómez Con base en estas consderacones, el conunto de nodos hos de h, denotado por S ( h ) de h, denotado por P ( h ), se defnen de la sguente manera: S P = { h H h < h, h : h < h < h } = { h H h < h, / h : h < h < h } k k k k, y el conunto de nodos padre Construccón de la Jerarquía Conceptual El método propuesto emplea una estratega de aprendzae no supervsado que permte construr ncrementalmente el agrupamento conceptual del conunto de grafos. Así, la ncorporacón de un grafo n a la erarquía conceptual H se realza en dos pasos. En el prmer paso se añade a la erarquía un nodo que cubre exclusvamente al nuevo grafo (ver la fgura 2). Este nuevo nodo se defne como ({ n}, n, ). En el segundo paso se dentfcan todas las regulardades asocadas con la nueva evdenca. Estas regulardades (nuevos nodos) se añaden a la erarquía sguendo una estratega ascendente, esto es, cada nodo de nvel superor se construye combnando dos nodos de nveles más baos. Por eemplo, el nodo h n de la fgura 2(b) se construye a partr de los nodos h o y h l. En este caso, el nodo nuevo h n se defne de la sguente manera: ( hn ) ( ho ) cov( hl ) ( hn ) = match( desc( ho ) desc( hl ) ) sm( desc( ho ), desc( hl ) ) s cov( ho ) = cov( ho ) ( hn ) = mn( coh, coh ) otro caso cov = cov desc, coh = o En este caso, la funcón match (, ) regresa el meor traslape de los grafos y ; la funcón ( ) la medda de semeanza de los grafos y ; y la funcón ( coh, coh( h )) l sm, regresa mn regresa la menor cohesón entre los grupos h y h. Por otra parte, cada vez que una nueva regulardad h n se añade a la erarquía conceptual H, las regulardades duplcadas redundantes se elmnan. Las reglas de elmnacón de redundancas son las sguentes: S desc( h o) = desc( h n), entonces el nodo h o se elmna de la erarquía. S desc( h l) = desc( h n), entonces h l se elmna. 3.3 Descubrmento de Asocacones Dado un conunto de grafos conceptuales C = { }, donde cada grafo conceptual representa un texto dferente, una regla asocatva es una expresón de la forma g g (c/s), donde g es una generalzacón de g (g < g ), c es la confanza de la regla y s es su soporte. 72

11 Mnería de texto empleando la Semeanza entre Estructuras Semántcas h n h o h l k n k n I ncorporacón de Nuevas regulardades (a) (b) Fg. 2. Incorporacón de un nuevo grafo a la erarquía Báscamente, una regla de este tpo ndca que los grafos conceptuales del conunto que contenen el grafo g, c% de las veces tambén contenen el grafo más especalzado g. Además que s% de los grafos de la coleccón contenen el grafo especalzado g. Entonces, el descubrmento de asocacones en un conunto de grafos conceptuales se defne como el problema de encontrar todas las reglas asocatvas g g (c/s), tal que c mnconf y s mnsup. El descubrmento de las reglas asocatvas en un conunto de grafos conceptuales C = { } se auxla de su erarquía agrupamento conceptual H. Cada nodo h de esta erarquía expresa una regulardad, cuya descrpcón desc(h ) es una generalzacón común de dos o más grafos de C. Además, todo grafo conceptual g mplícto en h, es decr, todo grafo conceptual g tal que: desc(h ) < g y / hk H : desc( h < desc( hk ) < g ), es tambén una generalzacón común mplícta del msmo subconunto de grafos de C. Con base en la erarquía conceptual H es posble determnar dos tpos de reglas asocatvas. Asocacones Explíctas: Para cada par de nodos h y h de la erarquía conceptual H, tal que h < h, la sguente regla asocatva es valda: desc desc cov c = cov cov, s = C Asocacones Implíctas: Para todo grafo conceptual g mplícto en h, las sguentes reglas asocatvas son valdas: Además, h H: desc(h ) < desc(h ): y h k H: desc(h ) < g < desc(h k): g desc g desc desc k g cov c =, s = C cov c = cov cov c = cov De acuerdo con estas defncones es posble descubrr todas las reglas asocatvas en un conunto de grafos conceptuales. Usualmente, el conunto de todas estas reglas es muy grande y contene mucha nformacón redundante que debe ser elmnada. ( h ) k, s =, s = cov C cov C 73

12 Manuel Montes y ómez Asocacón Implícta Redundante: La regla asocatva mplícta g k (,α ) g es redundante, s y sólo s, una de las sguentes dos condcones se satsface: Exste otra regla asocatva mplícta gh g l (,α ), tal que g h es una generalzacón de g (g g h), y/o g l es una especalzacón de g k (g l g k). Exste la regla asocatva mplícta g (, g β ) en combnacón con la regla asocatva explícta g k ( γ,α ) en donde, g k < g < g. g, 3.4 Deteccón de Desvacones Dado un conunto de grafos conceptuales C = { }, donde cada grafo conceptual representa un texto dferente, una desvacón contextual es una expresón de la forma: g : g ( r, s). En esta expresón, g ndca un contexto y g expresa algunas desvacones para dcho contexto; r es el grado de rareza de la desvacón g en el contexto g, y s es el soporte de dcha desvacón contextual, es decr, es la representatvdad del contexto g en el conunto C. Báscamente, esta expresón ndca que: dentro del subconunto de grafos conceptuales textos que contenen el grafo g, y que representa el s% del conunto completo de grafos, los grafos textos que contenen el grafo g son raros; sendo éstos solamente el r%. Entonces, con base en lo anteror, la deteccón de desvacones en un conunto de grafos conceptuales se defne como el problema de encontrar todas las desvacones contextuales g : g (r/s) para un umbral m preestablecdo por el usuaro. La deteccón de las desvacones contextuales en un conunto de grafos conceptuales C = { } se auxla de su erarquía conceptual H. En esta erarquía, cada nodo h ndca un contexto específco de C descrto por la regulardad desc(h ) y compuesto por el conunto de grafos cov(h ). Además, el conunto de nodos ho de h, defndo como: = { h H h < h / h : h < h h } S <, k k, ndca una partcón del contexto h, donde la descrpcón de cada uno de estos nodos ho desc(h ) expresa una característca posblemente representatva del contexto h. De acuerdo con esto se establece lo sguente: Característca Representatva: La descrpcón desc(h ) del nodo S ( h ) h es una característca representatva del contexto h s: cov m cov( h ). Entonces, el conunto de característcas representatvas del contexto h se defne como: rafo Conceptual Raro: El grafo conceptual cov( h ) F { } desc h S, cov m cov =. característca representatva desc ( h ) en el contexto h tal que: ( ) es un grafo raro en el contexto h, s y sólo s, no exste nnguna cov h. { } Entonces, el conunto de grafos raros del contexto h se defne como: R( h ) cov( h ) / g F ( h ) : cov( g ) Desvacón Contextual: El grafo conceptual ( h k ) s y sólo s: cov ( hk ) R( h ). =. desc, relaconado con el nodo h k < h, es una desvacón en el contexto h, 74

13 Mnería de texto empleando la Semeanza entre Estructuras Semántcas Cobertura: 8 Cohesón: solve mnr numercally Cobertura: 6 Cohesón: 0.3 Cobertura: 4 Cohesón: 0.28 solve mnr numercally equaton numercally mnr solve ob problem Cobertura: 4 Cohesón: Cobertura: 2 Cohesón: 0.89 Cobertura: 2 Cohesón: 0.35 solve ob polynomal-equaton mnr numercally solve ob problem mnr solve ob boundary-value-problem atr lnear mnr atr numercally equaton atr ordnary numercally pont atr dfferental art art 2 art 3 art 4 art 5 art 6 art 7 art 8 art a art 4...(numercal soluton of the polynomal equaton)... art 5...(the numercal soluton of boundary value problems for lnear ordnary dfferental equatons)... art 6...(the numercal soluton of an n-pont boundary value problem for lnear ordnary dfferental equatons)... art (the numercal soluton of a thn plate heat transfer problem)... art (the numercal soluton of nonlnear two-pont boundary problems by fnte dfference methods)... Fg. 3. rupo nterno de la coleccón B En este caso, la desvacón contextual puede defnrse de la sguente manera: desc : desc k cov r = cov ( hk ) cov, s = C Esta defncón permte encontrar todas las desvacones contextuales en un conunto de grafos conceptuales con respecto a un valor predefndo de m. Muchas de estas desvacones contenen nformacón redundante o nformacón mplícta en otras desvacones. Por eemplo, s es raro que se hable de anmales en un conunto determnado de grafos conceptuales, entonces obvamente es aún más raro que se hable de perros. Entonces, para vsualzar meor las desvacones es necesaro elmnar las redundantes. Nosotros defnmos una desvacón redundante de la sguente manera: g es redundante s exste otra desvacón con cov gk cov g. Desvacón Contextual Redundante: La desvacón contextual : gk ( α, β ) textual : g ( γ, β ) g, con α < γ, tal que g es una generalzacón de g k. Esto mplca que: ( ) ( ) 75

14 Manuel Montes y ómez analyze ob dscplne revew ob dscplne (63%, 7/225) revew revew mnr anually (63%, 7/225) dscplne scence (75%, 2/225) nformaton-scence ob nformaton-scence revew ob technology (66%, 6/225) mnr annually nformaton-system desgn ob nformaton-system (55%, 6/225) (a) Algunos eemplos de asocacones revew ob dscplne : revew ob lterature (4%, 7/225) nformaton-scence : evaluate ob nformaton-scence (%, 9/225) 4 Resultados Expermentales (b) Algunos eemplos de desvacones Fg. 4. Patrones descrptvos del conunto A Nuestro método de mnería de texto fue probado medante el análss de dos conuntos de artículos centífcos. El prmero, denomnado a partr de ahora conunto A, se compone de 225 artículos sobre cencas de la nformacón; el segundo, referdo como conunto B, consste de 495 artículos de cencas de la computacón. Los resultados descrtos a contnuacón son de dos tpos, cualtatvos y cuanttatvos. Los resultados cualtatvos muestran la capacdad de nuestro método para descubrr patrones nteresantes a un nvel más descrptvo y completo que el temátco. Por su parte, los resultados cuanttatvos demuestran la vabldad de nuestro método de mnería de texto. 4. Evaluacón Cualtatva Nuestro método de mnería de texto permte descubrr patrones más descrptvos sobre el contendo de los textos que los métodos tradconales. En esta seccón se muestran algunos eemplos de estos patrones; en especal se muestran algunos grupos (segmentos del agrupamento erárquco), asocacones y desvacones obtendas a partr de los conuntos de prueba. Agrupamento Conceptual El agrupamento del conunto A generó una erarquía conceptual de 50 nodos; donde 225 representan los artículos orgnales. Por su parte, el agrupamento del conunto B creó una erarquía conceptual de 272 nodos, donde 495 representan los artículos orgnales. En la fgura 3 se presenta un grupo nterno de una de las erarquías conceptuales obtendas. 76

15 Mnería de texto empleando la Semeanza entre Estructuras Semántcas Asocacones y Desvacones Los métodos de descubrmento de asocacones y deteccón de desvacones dsmnuyen el problema de nterpretacón contextual de los patrones descubertos. Báscamente generan reglas que preservan las relacones semántcas (o de cualquer tpo de relacón representada en los grafos) entre los conceptos partcpantes, y además permten determnar patrones a dferentes nveles de generalzacón. La fgura 4 muestra algunos eemplos de asocacones y desvacones correspondentes al conunto de prueba A. Estos patrones ndcan que una parte mportante de los artículos del conunto A se enfoca en el análss de dstntas dscplnas; sendo las cencas las más analzadas y la lteratura la menos. Además, señala que estos análss son en la mayoría de las veces revsones anuales. 4.2 Evaluacón Cuanttatva Crecmento del Agrupamento Conceptual Los agrupamentos conceptuales tenen característcas muy nteresantes para los propóstos de descubrmento de conocmento y mnería de texto, por eemplo, son muy descrptvos y altamente estructurados. Sn embargo, su tamaño (que puede ser exponencal con respecto al número de grafos del conunto) lmta consderablemente su aplcacón. Nuestros expermentos demostraron que el agrupamento conceptual de un conunto de grafos conceptuales que representan el contendo de textos es factble. Por eemplo, en la fgura 5 se descrbe el crecmento de los agrupamentos conceptuales correspondentes a los dos conuntos de prueba. Algunas conclusones mportantes son las sguentes:. El crecmento del agrupamento conceptual, meddo en funcón del número de grupos y conexones, es cas lneal. Además de que esta tendenca se mantene cuando se emplea el conocmento del domno. 2. El mpacto del conocmento del domno es mayor en las conexones que en los grupos. Intutvamente esto sgnfca que se logran formar grupos más grandes y más homogéneos (más nterconectados), pero no muchos más grupos. 3. Los grupos y las conexones crecen ncalmente muy parecdo, pero después, conforme se nsertan más grafos en el agrupamento, las conexones crecen más rápdamente. Este comportamento sucede porque en un prncpo, cuando el agrupamento no exste, cada nuevo grafo genera nuevos grupos, pero después cuando el agrupamento es mayor, cada nuevo grafo sólo se nserta en algunos grupos exstentes. Densdad de Conexones 77

16 Manuel Montes y ómez # deelementos rafos nsertados.5 (a) Conunto A rupos Conexones # de elementos conexones /grupo (a) Análss del conunto A rafos nsertados Snconocmentos conexones /grupos (b) Conunto B 0.5 rafos nsertados rupos Conconocmentos Conexones Fg. 5. Crecmento del agrupamento (b) Análss del conunto B rafos nsertados Snconocmentos Conconocmentos Fg. 6. Densdad de conexones Otra característca nteresante de los agrupamentos conceptuales (prncpalmente del proceso de su construccón) es la densdad de conexones, es decr, el número de conexones por grupo. La fgura 6 muestra la varacón de la densdad de conexones durante el proceso de construccón de los agrupamentos correspondentes a los dos conuntos de prueba. Con base en esta fgura deducmos lo sguente:. La densdad de conexones se ncrementa conforme se nsertan los grafos conceptuales en el agrupamento. La razón de aumento de la densdad de conexones es en prncpo muy elevada, pero se establza conforme se nsertan más grafos en el agrupamento. Este comportamento sucede porque ncalmente, cuando el agrupamento no exste, cada nuevo grafo genera nuevos grupos, pero después cuando el agrupamento es mayor, cada nuevo grafo solamente se nserta o se conecta con algunos grupos exstentes. 2. La densdad de conexones aumenta cuando se usa conocmento del domno. Este ncremento es cas constante a través de todo el proceso de construccón. Tempo de Construccón 78

17 Mnería de texto empleando la Semeanza entre Estructuras Semántcas Las gráfcas de crecmento del agrupamento y de densdad de conexones exponen algunas ventaas del uso de conocmento del domno en la construccón del agrupamento de los grafos conceptuales. Báscamente, estas gráfcas muestran que este conocmento permte encontrar grupos más grandes y más homogéneos (meor nterconectados). Estas ventaas tenen un costo prncpal: el tempo de construccón del agrupamento. En la fgura 7 se muestran los tempos de construccón de los agrupamentos de los conuntos de prueba. Allí se observa que el uso de conocmento del domno afecta consderablemente la rapdez del análss de los grafos. A pesar del aumento en el tempo de análss de los grafos conceptuales, la construccón de su agrupamento conceptual sgue sendo factble. Por eemplo, el tempo de nsercón del grafo 495 del conunto B en la erarquía conceptual necesto solamente de un segundo. Analzando la fgura 7 se determna que el tempo de nsercón de un grafo conceptual en el agrupamento, cuando no se usa conocmento del domno, es cas estable. Esto últmo nos permte suponer que el ncremento en el tempo de construccón cuando se usa conocmento del domno se orgna de una mala mplementacón del sstema (prncpalmente de la erarquía de conceptos); y que por lo tanto, un esfuerzo en esta dreccón permtrá meorar consderablemente el funconamento del método de mnería de texto propuesto. 5 Conclusones La mayoría de los métodos actuales de mnería de texto utlzan representacones sencllas del contendo de los textos, por eemplo lstas de palabras clave o tablas de datos. Estas representacones son relatvamente fácles de construr a partr de los textos, pero mpden representar varos detalles de su contendo. Como consecuenca, los resultados de estos sstemas, es decr, los patrones que con ellos se descubren, son poco descrptvos y de nvel temátco. Una dea generalzada para meorar la expresvdad de los resultados de los métodos de mnería de texto consste en emplear representacones de los textos más compleas que las palabras clave, es decr, representacones que consderen más tpos de elementos textuales. Sguendo esta dea, propusmos un método para hacer mnería de texto a nvel detalle. Este método tene la capacdad de usar grafos conceptuales para representar el contendo de los textos, y el potencal para trasladar los resultados, es decr, los patrones descubertos, del actual nvel temátco a un nvel mucho más descrptvo. Algunas contrbucones mportantes de esta nvestgacón son las sguentes: Se planteó, por prmera vez, el uso una representacón semántca, en especfco grafos conceptuales, en las tareas de mnería de texto. Se demostró que el uso de los grafos conceptuales, y en general de las representacones semántcas, en la mnería de texto es factble, pero sobre todo, benefcoso para meorar el nvel descrptvo de resultados. Se dseñó una nueva aproxmacón para realzar mnería de texto. Para ello se adaptaron algunos métodos de comparacón y agrupamento de grafos conceptuales para las tareas propas de mnería de texto; y se dseñaron nuevas estrategas para descubrr asocacones y detectar desvacones en un conunto de grafos conceptuales. 79

18 Manuel Montes y ómez segundos (a) Análss del conunto A rafos nsertados Snconocmentodedomno Conconocmentodedomno segundos (b) Análss del conunto B rafos nsertados Snconocmentodedomno Conconocmentodedomno Fg. 7. Tempo de construccón del agrupamento Así pues, esta nvestgacón contrbuyó al estado del arte de dversas áreas del conocmento, entre las que destacan la mnería de texto y la teoría de grafos conceptuales. Lmtacones del Método El método de mnería de texto propuesto en este trabao tene dos problemas que lmtan consderablemente su aplcacón. Estos problemas y sus lmtacones relaconadas se descrben a contnuacón. Prmer problema: El casamento de los grafos conceptuales es exponencal con respecto al número de conceptos comunes entre los dos grafos. Las prncpales lmtacones son: Análss de grafos conceptuales relatvamente pequeños, con unas cuantas decenas de nodos concepto. Esta lmtacón ndca que nuestro método de mnería de texto es más adecuado para analzar grafos conceptuales que representen algunas partes de los textos con un sgnfcado especal (por eemplo, descrpcones de eventos u opnones sobre algún tema) o los detalles más mportantes de su contendo, que para analzar grafos que ntenten representar completamente el contendo de los textos. El uso de erarquías de conceptos relatvamente pequeñas. Esta lmtacón se orgna por el sguente efecto: entre más grande es la erarquía de conceptos, más correspondencas elementos comunes entre los grafos pueden detectarse, y por lo tanto, mayor es la compledad del análss. 80

19 Mnería de texto empleando la Semeanza entre Estructuras Semántcas Una consecuenca mportante de esta lmtacón es la pérdda de nformacón, es decr, el uso de erarquías pequeñas puede ocasonar que no se detecten semeanzas posblemente nteresantes entre los grafos. Segundo problema: La transformacón automátca de los textos a grafos conceptuales no es una tarea senclla. Sus prncpales efectos son: Análss de textos cortos o sólo de algunas de sus partes. Esta lmtacón es una consecuenca drecta de los problemas de los métodos actuales de procesamento de textos (por eemplo, métodos de análss sntáctco y semántco). Báscamente, mplca que nuestro método de mnería de texto es más adecuado para el análss de textos cortos o de algunas partes de los textos con un sgnfcado especal. Análss de textos de un solo domno. La transformacón de un texto en grafo conceptual, como todo proceso que nvolucra el análss semántco de los textos, requere de certo conocmento del domno. Esto últmo sgnfca que es necesaro un consderable esfuerzo humano para trasladar el mecansmo de transformacón de los textos en grafos conceptuales, y por ende nuestro método de mnería de texto, de un domno a otro. 6 Rumbos de Investgacón Posteror En este trabao propusmos un esquema general para hacer mnería de texto usando grafos conceptuales, aunque nuestros esfuerzos se concentraron en la etapa de descubrmento. Por ello, gran parte del trabao futuro que se presenta a contnuacón consdera el desarrollo de las demás etapas del proceso de mnería de texto usando grafos conceptuales.. Desarrollar un método para transformar los textos en grafos conceptuales. Este método deberá ser flexble, de tal forma que permta transformar textos de dstntos domnos a grafos conceptuales sn la necesdad de un gran esfuerzo humano. Tambén deberá ser adaptvo, de tal forma que aprenda las dstntas maneras de comuncar la nformacón que se desea extraer y convertr a grafo conceptual. 2. Dseñar otros métodos para descubrr más patrones descrptvos en un conunto de grafos conceptuales. Estos métodos deberán consderar varas tareas de descubrmento que complementen las actuales, por eemplo: el análss de tendencas, la deteccón de contradccones y la clasfcacón de textos. 3. Desarrollar varos mecansmos de postprocesamento. En este sentdo deberán crearse algunos crteros para evaluar el nvel de utldad de los patrones descubertos, y tambén algunas nterfaces para vsualzar e nterpretar dchos resultados. Otras líneas de nvestgacón que se desprenden de este trabao consderan el uso de los métodos propuestos en este trabao en otras tareas de procesamento de textos. Por eemplo: 4. Aplcar el método de comparacón de grafos conceptuales en la búsqueda de nformacón para manear adecuadamente consultas compleas que consderen detalles del contendo de los textos. 5. Aplcar los nuestros métodos de análss de grafos conceptuales en la mnería semántca de la web. Referencas. Hearst (999), Untanglng Text Data Mnng, Proc. of ACL 99: The 37th Annual Meetng of the Assocaton for Computatonal Lngustcs, Unversty of Maryland, June 20-26,