Academic text classification based on lexical-semantic content;Clasificación de textos académicos en función de su contenido léxico-semántico

Revista Signos

Volumn 40, Issue 63, 2007, Pages 239-271

  Venegas, René ^a  

^a PONTIFICIA UNIVERSIDAD CATÓLICA DE VALPARAÍSO   (Chile)

Author keywords

Academic discourse; Na ve Bayes; Support Vector Machine; Vectorial model

Indexed keywords

EID: 57149091570     PISSN: 00350451     EISSN: 07180934     Source Type: Journal    
DOI: None     Document Type: Article

References (51)

1. Baldi, P., Frasconi, P. & Smyth, P. (2003). Modeling the Internet and the web. Chichester: John Wiley.
2. Bautista, E., Guzmán, E. & Figueroa, J. (2004). Predicción de múltiples puntos de series utilizando support vector machines. Computación y sistemas, 7(3), 148-155.
3. Betancourt, G. (2005). Las máquinas de soporte vectorial. Scientia e Técnica, 11(27), 67-72.
4. Bordignon, F., Peri, J., Tolosa, G., Villa, D. & Paoletti, L. (2004). Experimentos en clasificación automática de noticias en español utilizando el modelo bayesiano [en línea]. Disponible en: http://www.unlu.edu.ar/~tyr/TYR-publica/ paper-unlu-bayes-2004.doc
5. Cabré, M. (2002). Textos especializados y unidades de conocimiento: Metodología y tipologización. En J. García M. Fuentes (Eds.), Texto, terminología y traducción (pp. 122-187). Barcelona: Almar.
6. Cademártori, Y., Parodi, G. & Venegas, R. (2006). El discurso escrito y especializado: Caracterización y funciones de las nominalizaciones en los manuales técnicos. Literatura y Lingüística, 17, 243-265.
7. Cerviño, U., García, J., Calvo, R. & Ceccatto, A. (2004). Automatic classification of news articles in Spanish [en línea]. Disponible en: http://citeseer.ist.psu.edu/ beresi04automatic.html
8. Ciapuscio, G. (1994). Tipos textuales. Buenos Aires: EUDEBA.
9. Ciapuscio, G. (2000). Hacia una tipología del discurso especializado. Discurso y Sociedad, 2(2), 39-71.
10. Colmenares, G. (2007). Función de base radial. Radial Basis Function (RBF) [en línea]. Disponible en: http://www.webdelprofesor.ula.ve/economia/gcolmen/programa/ redes_neuronales/capitulo4_funciones_bases_radiales.pdf
11. Cortes, C. & Vapnick, V. (1995). Support vector networks. Machine Learning, 20, 273-297.
12. Cristianini, N. & Shaw-Taylor, J. (2002). Introduction to support vector machines: And other kernel-based learning methods. Cambridge: University of Cambridge.
13. Duda, R. & Hart, P. (1973). Pattern classification and scene analysis. New York: Wiley.
14. Fairthorne, R. (1961). The mathematics of the classification. Towards information retrieval. London: Butterwoths,
15. Figuerola, C., Zazo, A. & Berrocal, J. (2000). Categorización automática de documentos en español: Algunos resultados experimentales [en línea]. Disponible en: http://imhotep.unizar.es/jbidi/jbidi2000/ 14_2000.pdf
16. Figuerola, C. (2000). La investigación sobre recuperación de la información en español. En E. Gonzalo & V. García (Eds.), Documentación, terminología y traducción (pp. 73-82). Madrid: Síntesis.
17. García, A. (2007). Los procedimientos matemáticos en estudios de investigaciones lingüísticas. Utilidad y riesgos [en línea]. Disponible en: http://angarmegia.275mb.com/riesgos_y_beneficios1.htm
18. Gläser, R. (1982). The problem of style classification in LSP (ESP). Ponencia presentada en el 3rd European Symposium on LSP, Copenhague.
19. Gotti, M. (2003). Specialized discourse. Linguistic features and changing conventions. Bern: Peter Lang.
20. Hair, J., Anderson, R., Tatham, R. & Black, W. (1999). Análisis multivariante. Madrid: Prentice-Hall.
21. Halliday, M.A.K. & Martin, J.R. (1993). Writing science: Literacy and discursive power. London: Falmer.
22. Harman, D. (1992). Relevance feedback and other query modification techniques. En W. Frakes & R. Baeza-Yates (Eds.), Information retrieval: Data structures and algorithms (pp. 241-236). Englewood Cliffs, NJ: Prentice.
23. Hayes, R. (1963). Mathematical models in information retrieval. Natural language and the computers. New York: McGraw-Hill.
24. Hsu, Ch., Chang, Ch. & Lin, Ch. (2003). A practical guide to support vector classification [en línea]. Disponible en: http://www.csie.ntu.edu.tw/~cjlin/papers/guide/guide.pdf
25. Jeanneret, Y. (1994). Écrire la science. Formes et enjeux de la vulgarisation. Paris: PUF.
26. Johnson, D. (2000). Métodos multivariados aplicados al análisis de datos. México, DF: Thomson.
27. Jurafsky, D. & Martin, J. (2000). Speech and language processing: An introduction to natural language processing, computational linguistics, and speech recognition. New Jersey: Prentice-Hall.
28. Landauer, T. (2002). On the computational basis of learning and cognition: Arguments from LSA. The psychology of learning and motivation, 41, 43-84.
29. López, C. (2002). Aproximaciones al análisis de los discursos profesionales. Revista Signos, 35(51-52), 195-215.
30. Manning, C. & Schütze, H. (2003). Foundations of statistical natural language processing. Cambridge: MIT Press.
31. Martín-Valdivia, M., García-Vega, M. & Ureña-López, L. (2003). LVQ for text categorization using a multilingual linguistic resource. Neurocomputing, 55, 665-679.
32. Molina, J. & García, J. (2004). Técnicas de análisis de datos en aplicaciones prácticas utilizando Microsoft Excel y Weka [en línea]. Disponible en: http://qalahad.plg.inf.uc3m.es/~docweb/ad/transparencias/ apuntesAnalisisDatos.pdf
33. Parodi, G. & Venegas, R. (2004). BUCÓLICO: Aplicación computacional para el análisis de textos. Hacia un anális de rasgos de la informatividad. Lingüística y Literatura, 15, 223-251.
34. Parodi, G. (2004). Textos de especialidad y comunidades discursivas técnico-profesionales: Una aproximación basada en corpus computarizado. Estudios Filológicos, 39, 7-36.
35. Parodi, G. (2005). Lingüística de corpus y análisis multidimensional: Exploración de la variación en el Corpus PUCV-2003: Una aproximación multiniveles. En G. Parodi (Ed.), Discurso especializado e instituciones formadoras (pp. 83-125). Valparaíso: Ediciones Universitarias de Valparaíso.
36. Parodi, G. (2006a). El Grial: Interfaz computacional para anotación e interrogación de corpus en español. RLA. 44(2), 91-115.
37. Parodi, G. (2006b). Discurso especializado y lengua escrita: Foco y variación. Estudios Filológicos, 41, 165-204.
38. Parodi, G. (2007). El discurso especializado escrito en el ámbito universitario y profesional: Constitución de un corpus de estudio. Revista Signos, 40(63) (en prensa).
39. Peronard, M. (1997). ¿Qué significa comprender un texto escrito? En M. Peronard, L. Gómez, G. Parodi & P. Núñez (Comps.), Comprensión de textos escritos: De la teoría a la sala de clases (pp. 55-78). Santiago: Andrés Bello.
40. Salton, G. & Buckley, C. (1988). Term-witghting approaches in automatic text retrieval. Information Processing and Management, 24(5), 513-523.
41. Salton, G. & McGill, M. (1983). Introduction to modern in formation retrieval. New York: McGraw-Hill.
42. Salton, G. (1968). Automatic information organization and retrieval. New York: McGraw-Hill.
43. Schröder, H. (1991). Linguistic and text-theorical research on languages for special purposes. A thematic and bibliographical guide. En H. Schröder (Ed.), Subject-oriented texts. Languages for special purposes and text theory (pp. 1-48). Berlin: W. de Gruyter.
44. Sharma, S. (1996). Applied Multivariate Techniques. New York: Wiley.
45. Téllez, A. (2005). Extracción de información con algoritmos de clasificación [en línea]. Disponible en: http://ccc.inaoep.mx/~mmontesg/tesis%20estudiantes/ TesisMaestria-AlbertoTellez.pdf
46. Tzoukermann, E., Klavans, J. & Stralkowski, T. (2003). Information retrieval. En R. Mitkov (Ed.), The Oxford handbook of computational linguistics (pp. 530-544). New York: Oxford University Press.
47. Vapnick, V. (2000). The nature of statistical learning theory. New York: Springer.
48. Venegas, R. (2005). Las relaciones léxico-semánticas en artículos de investigación científica: Una aproximación desde el análisis semántico latente. Tesis doctoral, Pontificia Universidad Católica de Valparaíso, Chile.
49. Venegas, R. (2006). La similitud léxico-semántica en artículos de investigación científica en español: Una aproximación desde el Análisis semántico Latente. Revista Signos, 39(60), 75-106.
50. Yang, Y. & Pedersen, J. (1997). A comparative study on feature selection in text categorization [en línea]. Disponible en: http://citeseer.ist.psu.edu/yang97comparative.html
51. Zazo, A., Figuerola, C., Alonso, J.L. & Gómez, R. (2002). Recuperación de información utilizando el modelo vectorial [en línea]. Disponible en: http://tejo.usal.es/ inftec/2002/DP-TOIA-IT-2002-006.pdf