Tesis de Máster (presentación)
-
Upload
suni-vazquez-mendez -
Category
Data & Analytics
-
view
106 -
download
6
description
Transcript of Tesis de Máster (presentación)
Explotacion de la Informacion Temporal en Twitter parala organizacion de tweets
Asuncion Vazquez Mendez
Tesis para la obtencion del tıtulo de:
Master en Lenguajes y Sistemas Informaticos
UNED-Madrid, Junio 2014
Dirigida por:Ana Garcıa Serrano
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 1 / 33
Indice
1 PreliminaresMotivacionLa informacion temporalAnalisis Formal de Conceptos (AFC)
2 PropuestaFormalizacion
3 ExperimentacionCorpusExperimentos
4 Valoracion
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 2 / 33
Indice
1 PreliminaresMotivacionLa informacion temporalAnalisis Formal de Conceptos (AFC)
2 PropuestaFormalizacion
3 ExperimentacionCorpusExperimentos
4 Valoracion
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 3 / 33
Motivacion
Dimension temporal de la informacion: ¿Que?, ¿Como?, ¿Cuando?,¿Donde?La explotacion de la informacion temporal esta en auge:
El tiempo en Twitter:
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 4 / 33
Indice
1 PreliminaresMotivacionLa informacion temporalAnalisis Formal de Conceptos (AFC)
2 PropuestaFormalizacion
3 ExperimentacionCorpusExperimentos
4 Valoracion
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 5 / 33
¿Que es el tiempo?
Para el ser humano, el paso del tiempo es algo natural.
Pero, ¿puede un sistema informatico razonar temporalmente?
Ejemplo
¿Quien era el presidente del Gobierno espanol cuando se hundio el“Prestige”?
Logicas temporales: Intervalos (Allen, 1983)
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 6 / 33
Representando el tiempo
Expresiones que denotan tiempo y expresiones que denotan eventos:
Eventos: El partido se jugo bajo la lluvia.Momentos: El proximo viernes estrenan la pelıcula.Relaciones temporales: Me levante antes de que saliera el sol.
Calendarios: (Goralwalla, 2001)
Lenguaje natural: ambiguedad y normalizacion.
Ejemplos
“4/5/2014”: ¿4 de mayo o 5 de abril?
“Las 4h”: ¿de la manana o de la tarde?
“Labour Day”: ¿Donde?
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 7 / 33
¿Que informacion temporal contiene un documento?
Fechas de creacion, modificacion, etc.
Expresiones presentes en el contenido:
Explıcitas: Su cumpleanos es el 22 de febrero.Relativas: Hace tres dıas que no veo al gato.Implıcitas: La exposicion se inauguro el Dıa del Libro.
Su explotacion requiere de la localizacion y resolucion de la expresion.
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 8 / 33
Anotacion temporal
Esquemas de anotacion
TimeML
Etiquetas EVENT , TIMEX3 y LINK
Anotacion automatica
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 9 / 33
Indice
1 PreliminaresMotivacionLa informacion temporalAnalisis Formal de Conceptos (AFC)
2 PropuestaFormalizacion
3 ExperimentacionCorpusExperimentos
4 Valoracion
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 10 / 33
Analisis Formal de Conceptos (AFC)
AFC es una teorıa matematica que trata de la formalizacion de conceptos y de suorganizacion en una estructura de retıculo. (Wille, 1984)Se basa en las definiciones de contexto y concepto formal.
Definicion
Un contexto formal es una terna K := (G ,M, I ) donde: G = {g} es el conjuntode objetos, M = {m} es el conjunto de atributos que se pueden aplicar sobre losobjetos e I ⊆ G ×M es una relacion binaria que relaciona los objetos de G conlos atributos de M que poseen o se les aplican.
Ejemplo
Sea G = {1, 2, ..., 10}, M = {par , impar , primo, compuesto, cuadrado}, I la formaen que los atributos M se aplican sobre los objetos de G (ver Cuadro),K (G ,M, I ) es un contexto formal.
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 11 / 33
Analisis Formal de Conceptos (AFC)
Definicion
Sea K := (G ,M, I ) un contexto formal, sea A ⊆ G y B ⊆ M, (A,B) es unconcepto formal si y solo si:A={objetos de G sobre los que aplican todos los atributos de B}B={atributos de M que aplican sobre todos los objetos de A}
Dado un contexto formal, es posible encontrar todos sus conceptosformales, y representarlo en forma de retıculo.
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 12 / 33
AFC y Recuperacion de Informacion
Por su capacidad para organizar informacion, AFC se ha aplicado a:
Modificacion de consultas (Godin, 1989)Clustering de documentos (Cigarran, 2008)Topic Detection en tweets basada en contenido (Castellanos et al.,2013)
Los objetos seran los documentos de la coleccion y los atributos unconjunto de descriptores o rasgos que definan a estos (terminos delvocabulario).
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 13 / 33
Propuesta
Integrar la dimension temporal en tareas de organizacion yrepresentacion de informacion.
Se propone:
Definir un conjunto de descriptores de ındole temporal para la organizacionde documentos mediante AFC.
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 14 / 33
Indice
1 PreliminaresMotivacionLa informacion temporalAnalisis Formal de Conceptos (AFC)
2 PropuestaFormalizacion
3 ExperimentacionCorpusExperimentos
4 Valoracion
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 15 / 33
Formalizacion
Sea ∆ = {d1, ..., dn} una coleccion de documentos, su informaciontemporal puede ser de los siguientes tipos:
fechas de creacion: Φ = {f1, ..., fm}expresiones temporales: T = {t1, ...tp}eventos: E = {e1, ..., eq}
Definicion
Sea τ = Φ⋃
T⋃E , se define el contexto temporal de ∆, CT := (∆, τ, I ),
donde I es la relacion binaria de incidencia que relaciona cada documentocon los atributos que posee.
CT es un contexto formal.
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 16 / 33
Descriptores y Calendarios
Seleccion de descriptores:
Unicidad, Normalizacion y Lematizacion.Extension
Calendarios y granularidad:
Calendario GregorianoCalendario Imaginario-Colectivo: Fechas “senaladas”
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 17 / 33
Desarrollo computacional
PREPROCESADO I
HEIDELTIME
PREPROCESADO II
TARSQI
EXTRACCIÓN DE DESCRIPTORES
Documentos del Corpus
Tweets anotados con TimeML
Tweets anotados con <TIMEX3>
Contexto formal (CXT)
CIGARRÁN ET AL.2014
CONCEPT EXPLORER
Diagrama de Hasse
Conceptos formales (estabilidad)
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 18 / 33
Indice
1 PreliminaresMotivacionLa informacion temporalAnalisis Formal de Conceptos (AFC)
2 PropuestaFormalizacion
3 ExperimentacionCorpusExperimentos
4 Valoracion
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 19 / 33
Descripcion del Corpus
Corpus RepLab2013: 60 entidades, 2200 tweets (1500 test, 700 train)
Corpus Beatles
Temporalizacion y Tematica
Train 1-6 jun 2012 Temas genericos (70%)
Test 22-31 dic 2012 Temas actuales (10%)
Anotacion
Expresiones temporales 11,88% de los tweets
Eventos 65,85% ” ”
74%
7%
15%
4%
DATE
TIME
DURATION
SET
2%1%6%
74%
4%3%
10%
ASPECTUAL
I ACTION
I STATE
OCCURRENCE
PERCEPTION
REPORTING
STATE
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 20 / 33
Indice
1 PreliminaresMotivacionLa informacion temporalAnalisis Formal de Conceptos (AFC)
2 PropuestaFormalizacion
3 ExperimentacionCorpusExperimentos
4 Valoracion
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 21 / 33
Experimento I
DESCRIPTORES: fechas de creacion
OBJ. ATRIB. CONCEP.
BeatlesTra 693 7 7
Beatles 2195 18 19
Table : Contexto formal Experimento I
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 22 / 33
Experimento II
DESCRIPTORES: fechas de creacion y expresiones temporales
OBJ. ATRIB. CONCEP.
BeatlesTra 693 21 35
Beatles 2195 42 47
Table : Contexto formal Experimento II
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 23 / 33
Experimento II
Conceptos formales asociados al atributo “1967”: Topic “Sgt. PepperAlbum”
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 24 / 33
Experimento III
DESCRIPTORES: fechas de creacion, expresiones temporales y eventos
OBJ. ATRIB. CONCEP.
BeatlesTra 297 75 339
Beatles 830 108 996
Table : Contexto formal Experimento III
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 25 / 33
Experimentos con tipologıa de eventos
DESCRIPTORES:
fechas de creacion, expresiones temporales y tipos de eventos
OBJ. ATRIB. CONCEP.
BeatlesTra 297 26 115
Beatles 830 47 297
tipos de eventos
OBJ. ATRIB. CONCEP.
BeatlesTra 297 7 30
Beatles 830 7 36
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 26 / 33
Diagrama de Hasse: tipos de eventos
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 27 / 33
Agrupacion de temas: tipos de eventos
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 28 / 33
Otros experimentos
BeatlesBackground: 50000 tweets
Fechas destacadas: 27 de julio de 1967 y 5 de octubre de 1962
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 29 / 33
Otros experimentos
Bankia: dominio “banca”, contexto nacional
Crıticas y protestas: 9 de febrero de 2012 y 5 de junio de 2012
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 30 / 33
Valoracion
Se responde satisfactoriamente a:
Expresion de la informacion temporal en Twitter
Organizacion temporal de los tweets
Deteccion de eventos asociados a fechas
Pero...
¿Como evaluar los retıculos?
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 31 / 33
Conclusiones
Aportaciones del trabajo:
1 Analisis de corpus de tweets bajo la perspectiva temporal.
2 Propuesta de un modelo para la representacion de la informaciontemporal de tweets, basado en Analisis Formal de Conceptos.
3 Adaptacion e integracion de recursos web y paquetes software paraexperimentacion.
4 Experimentacion y valoracion de resultados en un sub-corpus de lacoleccion de RepLab 2013.
Lıneas futuras de investigacion:
Evaluacion de la calidad de los retıculos.
Duracion de los temas.
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 32 / 33
Gracias por su atencion.
Asuncion Vazquez Mendez (UNED) Explotacion de la Informacion Temporal en Twitter para la organizacion de tweetsUNED-Madrid, Junio 2014 33 / 33