Análisis y minería de textos con Python

¿Te has preguntado cómo podemos analizar y comprender rápidamente grandes cantidades de información textual en la era digital? En “Análisis y minería de textos con Python”, los reconocidos autores Rafael Caballero, Enrique Martín y Adrián Riesco te presentan una guía exhaustiva sobre el fascinante mundo del análisis de textos con Python, el poderoso lenguaje de programación.

Este libro es tu puerta de entrada al emocionante campo del análisis de textos, donde aprenderás a explorar, procesar y obtener conocimientos valiosos a partir de diversos tipos de contenido escrito. Desde páginas web, documentos científicos, hasta noticias en periódicos, esta obra te proporcionará las herramientas necesarias para realizar análisis automáticos y extraer información relevante de forma eficiente.

A través de ejemplos prácticos y código detallado, descubrirás cómo manipular cadenas de texto, limpiar datos, realizar tareas de tokenización, lematización y etiquetado gramatical, entre otras técnicas fundamentales. Pero eso no es todo, avanzarás hacia temas más sofisticados como el análisis de sentimiento, extracción de entidades, identificación de discursos y detección de temas, ampliando tu comprensión y aprovechamiento del potencial de la información textual.

Ya seas estudiante, investigador o profesional, “Análisis y minería de textos con Python” te proporcionará las habilidades necesarias para enfrentar los desafíos del procesamiento de textos en la actualidad. Además, aprenderás a utilizar bibliotecas especializadas como spaCy y NLTK, lo que te permitirá llevar a cabo análisis de textos completos con precisión y eficacia.

¿Estás listo para desbloquear el poder del análisis de textos en Python? Este libro te brindará una experiencia única para entender y aprovechar la información textual, abriendo un mundo de oportunidades en la era de la información y los datos.

Adquiere “Análisis y minería de textos con Python” de RCLibros y comienza tu viaje hacia el dominio del análisis textual. Atrévete a explorar, aprender y conquistar la vasta cantidad de información escrita que nos rodea. ¡No esperes más y abre las puertas a un futuro repleto de conocimiento y descubrimientos!

Cada día generamos una inmensa cantidad de información en formato de texto, como por ejemplo páginas web, documentos en Wikipedia, libros, artículos científicos, noticias en periódicos, etc. Aunque nos limitemos a un tema concreto, resulta prácticamente imposible leer, uno a uno, la enorme cantidad de documentos sobre esta materia que podemos encontrar en la red, por lo que precisamos de herramientas que nos permitan analizar automática y rápidamente gran cantidad de textos, de forma que se pueda extraer un conocimiento valioso de ellos.

• ¿Se trata de un texto que incluye un mensaje de odio hacia un cierto colectivo?
• ¿O es un texto cuyo contenido podemos etiquetar como “alegre”?
• ¿Cuál es su temática principal?
• ¿Qué personas o lugares se mencionan?
• ¿Se trata de un texto reflexivo o principalmente descriptivo?

Este libro te sumergirá en los fundamentos del análisis de texto para contestar a estas preguntas. Aprenderás cómo procesar y manipular cadenas de texto, leer ficheros, limpiar datos, identificar patrones y realizar tareas como tokenización, lematización y etiquetado gramatical. A medida que avances, descubrirás técnicas avanzadas, como el análisis de sentimiento, la extracción de entidades, la identificación de discursos y la detección de temas, que te permitirán comprender y aprovechar al máximo el potencial de la información textual.

Con ejemplos y código detallado, el libro te guiará a través de los pasos necesarios para realizar un análisis de texto completo utilizando Python y sus bibliotecas especializadas, como spaCy y NLTK. No importa si eres estudiante, investigador o profesional en busca de nuevas herramientas, adquirirás los conocimientos y habilidades básicas requeridas para afrontar los desafíos del procesamiento de textos. Prepárate para descubrir el poder del análisis de texto en Python y desbloquea un mundo de oportunidades en la era de la información y los datos.

ÍNDICE
PRÓLOGO . . . . . . . . . . . . . . . . . . . . . IX
CAPÍTULO 1. EL LENGUAJE DE
PROGRAMACIÓN PYTHON . . . . . . . . . . . . . . . . 1
Introducción. . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
Programas y lenguajes . . . . . . . . . . . . . . . . . . . 1
¿Por qué Python? . . . . . . . . . . . . . . . . . . . . . . . 2
Cómo aprender Python. . . . . . . . . . . . . . . . . . . 2
El entorno Jupyter Notebooks . . . . . . . . . . . . . 3
Google Colaboratory. . . . . . . . . . . . . . . . . . . . . 3
Subir ficheros de datos a Google Colaboratory
. . . . . . . . . . . . . . . . . . . . . . 4
Instalación a través de Anaconda. . . . . . . . . . . 5
¿Los Jupyter Notebooks son programas en
Python? . . . . . . . . . . . . . . . . . . 6
Tipos simples en Python. . . . . . . . . . . . . . . . . . 6
Tipos numéricos. . . . . . . . . . . . . . . . . . . . . . . . . 7
Tipo lógico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
Variables. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
Secuencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
Concatenación . . . . . . . . . . . . . . . . . . . . . . . . . 11
Acceso por posición. . . . . . . . . . . . . . . . . . . . . 12
Otras operaciones para secuencias . . . . . . . . 13
Operaciones específicas para strings. . . . . . . 14
Operaciones específicas para listas . . . . . . . . 18
Instrucciones condicionales . . . . . . . . . . . . . . 19
Iterando . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
Listas intensionales . . . . . . . . . . . . . . . . . . . . . 24
Diccionarios . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
Funciones de usuario. . . . . . . . . . . . . . . . . . . . 27
Uso de bibliotecas Python. . . . . . . . . . . . . . . . 30
Importar bibliotecas. . . . . . . . . . . . . . . . . . . . . 30
Instalar bibliotecas. . . . . . . . . . . . . . . . . . . . . . 32
CAPÍTULO 2. FICHEROS . . . . . . . . . . . . . . . . . . 35
Introducción. . . . . . . . . . . . . . . . . . . . . . . . . . . 35
Ficheros de texto . . . . . . . . . . . . . . . . . . . . . . . 35
Hojas de cálculo . . . . . . . . . . . . . . . . . . . . . . . . 39
CSV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

JSON . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
CAPÍTULO 3. PALABRAS Y ELEMENTOS BÁSICOS
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
Introducción. . . . . . . . . . . . . . . . . . . . . . . . . . . 59
Extracción de unidades léxicas con spaCy . . . 60
Tipos de símbolos. . . . . . . . . . . . . . . . . . . . . . . 61
Palabras vacías. . . . . . . . . . . . . . . . . . . . . . . . . 65
Nubes de palabras . . . . . . . . . . . . . . . . . . . . . . 68
Modelos pre‐entrenados. . . . . . . . . . . . . . . . . 70
¿Qué es un modelo en spaCy? . . . . . . . . . . . . 70
Instalación y carga de los modelos. . . . . . . . . 71
Los componentes del modelo. . . . . . . . . . . . . 72
División de un texto en oraciones. . . . . . . . . . 73
Lematización. . . . . . . . . . . . . . . . . . . . . . . . . . . 77
Extracción de lemas con spaCy. . . . . . . . . . . . 77
Aplicación: contando palabras . . . . . . . . . . . . 78
Extracción de raíces. . . . . . . . . . . . . . . . . . . . . 80
CAPÍTULO 4. LOS ELEMENTOS DE LA ORACIÓN
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
Introducción. . . . . . . . . . . . . . . . . . . . . . . . . . . 83
Análisis morfológico de palabras . . . . . . . . . . 84
Análisis sintáctico de oraciones . . . . . . . . . . . 89
Detección de entidades con nombre . . . . . . . 99
Otras bibliotecas para la detección de
entidades con nombre . . . . . . . . . . 101
Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
CAPÍTULO 5. ANÁLISIS SEMÁNTICO. . . . . . . . 103
Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . 103
Análisis de sentimiento . . . . . . . . . . . . . . . . . 104
Semejanza entre palabras y entre frases. . . 110
Modelado de temas . . . . . . . . . . . . . . . . . . . . 116
Análisis Semántico Latente . . . . . . . . . . . . . . 118
Asignación Latente de Dirichlet. . . . . . . . . . . 121
Asignando tema a nuevos textos. . . . . . . . . . 124
CAPÍTULO 6. ANÁLISIS DE TEXTOS MEDIANTE
MÉTRICAS . . . . . . . . . . . . . . . . . . . . . 129

Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . 129
Estadística descriptiva . . . . . . . . . . . . . . . . . . 132
Facilidad de lectura. . . . . . . . . . . . . . . . . . . . . 134
Distancia de dependencia . . . . . . . . . . . . . . . 137
Proporción de categorías gramaticales. . . . 140
Coherencia de textos . . . . . . . . . . . . . . . . . . . 141
Visualización de los análisis. . . . . . . . . . . . . . 143
Creación de tablas en pandas . . . . . . . . . . . . 145
Diagrama de barras de la longitud de las frases
. . . . . . . . . . . . . . . . . . . . . . 148
Diagrama de barras de varias medidas. . . . . 150
Histograma de longitudes de frase . . . . . . . . 153
Diagrama de franjas sobre la distribución de
longitudes de frase. . . . . . . . . . . . . . . . . . . . . 156
Diagrama de caja de longitudes de frase . . . 157
Diagrama de barras apiladas de proporciones
de categorías gramaticales . . . . . . . . . . . . . . 159
Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
ÍNDICE ANALÍTICO. . . . . . . . . . . . . . . . . . . . . . 165