dc.creator | Cotelo Moya, Juan Manuel | es |
dc.creator | Cruz Mata, Fermín | es |
dc.creator | Ortega Rodríguez, Francisco Javier | es |
dc.creator | Troyano Jiménez, José Antonio | es |
dc.date.accessioned | 2020-07-19T07:55:39Z | |
dc.date.available | 2020-07-19T07:55:39Z | |
dc.date.issued | 2015 | |
dc.identifier.citation | Cotelo Moya, J.M., Cruz Mata, F., Ortega Rodríguez, F.J. y Troyano Jiménez, J.A. (2015). Explorando Twitter mediante la integración de información estructurada y no estructurada. Procesamiento del lenguaje natural, 55, 75-82. | |
dc.identifier.issn | 1135-5948 | es |
dc.identifier.uri | https://hdl.handle.net/11441/99641 | |
dc.description.abstract | En este artículo mostramos cómo es posible sacar partido de la información estructurada que proporciona la red social Twitter. Los textos escritos en Twitter son cortos y de baja calidad, lo que dificulta la aplicación de técnicas y herramientas que tradicionalmente se han venido usando para procesar textos en lenguaje natural. Sin embargo, Twitter ofrece mucho más que los 140 caracteres de sus mensajes para trabajar. En el ecosistema Twitter hay muchos objetos (tweets, hashtags, usuarios, palabras, ...) y relaciones entre ellos (co-ocurrencia, menciones, re-tuiteos, ...) que ofrecen innumerables posiblidades de procesado alternativo a las técnicas clásicas de PLN. En este trabajo hemos puesto nuestra atención en la tarea de clasificación de tweets. Sólo usando la información de la relación Follow hemos conseguido un clasificador que iguala los resultados de un clasificador basado en bolsas de palabras. Cuando usamos las features de los dos modelos, el resultado de la clasificación mejora en más de 13 puntos porcentuales con respecto a los modelos originales lo que demuestra que ambos clasificadores aportan informaciones complementarias. También hemos aplicado la misma filosofía a la tarea de recopilación del corpus con el que hemos trabajado, usando una técnica de recuperación dinámica basada en relaciones entre entidades Twitter que nos ha permitido construir una colección de tweets más representativa. | es |
dc.description.abstract | In this paper we show how it is possible to extract useful knowledge
from Twitter structured information that can improve the results of a NLP task.
Tweets are short and low quality and this makes it di cult to apply classical NLP
techniques to this kind of texts. However, Twitter o ers more than 140 characters in
their messages to work with. In Twitter ecosystem there are many objects (tweets,
hashtags, users, words, ...) and relationships between them (co-occurrence, mentions,
re-tweets, ...) that allow us to experiment with alternative processing techniques. In
this paper we have worked with a tweet classi cation task. If we only use knowledge
extracted from the relationship Follow we achieve similar results to those of a classi
er based on bags of words. When we combine the knowledge from both sources
we improve the results in more than 13 percentual points with respect to the original
models. This shows that structured information is not only a good source of
knowledge but is also complementary to the content of the messages. We also have
applied the same philosophy to the task of collecting the corpus for our classi cation
task. In this case we have use a dynamic retrieval technique based on relationships
between Twitter entities that allows us to build a collection of more representative
tweets. | es |
dc.description.sponsorship | Ministerio de Economía y Competitividad TIN2012-38536-C03-02 | es |
dc.format | application/pdf | es |
dc.format.extent | 8 | es |
dc.language.iso | spa | es |
dc.publisher | Sociedad Española para el Procesamiento del Lenguaje Natural (SEPLN) | es |
dc.relation.ispartof | Procesamiento del lenguaje natural, 55, 75-82. | |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Recuperación de tweets | es |
dc.subject | Tweets retrieval | es |
dc.subject | Clasificación de Tweets | es |
dc.subject | Tweets categorization | es |
dc.subject | Información estructurada y no estructurada | es |
dc.subject | structured and unstructured information | es |
dc.title | Explorando Twitter mediante la integración de información estructurada y no estructurada | es |
dc.title.alternative | Exploring Twitter by Combining Structured and Unstructured Information | es |
dc.type | info:eu-repo/semantics/article | es |
dcterms.identifier | https://ror.org/03yxnpp24 | |
dc.type.version | info:eu-repo/semantics/publishedVersion | es |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es |
dc.contributor.affiliation | Universidad de Sevilla. Departamento de Lenguajes y Sistemas Informáticos | es |
dc.relation.projectID | TIN2012-38536-C03-02 | es |
dc.relation.publisherversion | http://journal.sepln.org/sepln/ojs/ojs/index.php/pln/article/view/5218 | es |
dc.journaltitle | Procesamiento del lenguaje natural | es |
dc.publication.volumen | 55 | es |
dc.publication.initialPage | 75 | es |
dc.publication.endPage | 82 | es |
dc.identifier.sisius | 20947069 | es |
dc.contributor.funder | Ministerio de Economía y Competitividad (MINECO). España | es |