Herramientas de Documentalistas

Calculo de la Materia de un documento

Calculo de la Materia de un documento

Calculo basado en la frecuencia y aparicion de una palabra

EL calculo se basa en la creencia de que un documento pertenece a una materia determinada en vez de a otra dependiendo de las palabras y frecuencia de aparicion de las mismas

Se extraen las palabras del texto del documento

0

2

4

6

8

10

12

14

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Serie1

Cada documento presenta un distribucion y aparicion de palabras diferente

0

2

4

6

8

10

12

14

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Serie1

0

1

2

3

4

5

6

7

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Serie1

Creacion de un corpus por materiaTexto a analizar

Texto desbrozado

2 Eliminar palabras vacias

1 Extrae palabras

3 Calcular frecuencia

4 Asignar a una materia

Panel de control para creacion del corpus

Copiamos el texto elegido

Extraemos palabras y frecuencia

Eliminamos palabras vacias

Calculamos materia probable

Dos formas de valorar la pertenecia, por aparicion y por peso ponderado

Para mas informacion sobre las funciones de HDD vease: http://funciones.wordpress.com/

CREDITOSEste es un software para uso no comercial, para otros usos consulte las respectivas licencias

Utiliza el siguiente software de apoyo, integrandolo en la gestor de base de datos:

Exiftool para la extraccion de metadatos, ExifTool by Phil Harveyhttp://www.sno.phy.queensu.ca/~phil/exiftool/

Gettext para la extraccion de texto plano de documentos, Kryloff Technologies, Inc. http://www.kryltech.com/

Vbscript y Cscript para facilitar y optimizar el uso de programas externos y para extraer XML, URL y metadatos de paginas HTMLhttp://www.microsoft.com

La base de datos esta realizada con Velneo para trabajar sobre plataformas windows.http://www.velneo.comv

Flash charts Version 1.0 para generar graficos en flash Copyright (C) 2008, Juan Jesus G. Hinestrosa (soitu.es)http://www.soitu.es