Detección del grado de aceptación de un texto de acuerdo al contexto y dominio

Abstract

El lenguaje natural lo usan los humanos para comunicar una idea, sentimiento o pensamiento con su entorno. El lenguaje natural evoluciona para adaptarse a las nuevas necesidades de comunicación de los humanos. Esta evolución genera cambios en diferentes contextos y dominios y además en cada dominio se usan terminologías diferentes. Los correctores ortográficos y gramaticales son útiles para detectar errores en un dominio y contexto específico del español bien escrito. Sin embargo, no son útiles para detectar la aceptación que tiene un texto con un contexto y dominio específico. Debito a esto, publicaciones de Facebook que contienen un mensaje para un grupo es específico se detectan como error ortográfico o gramatical. Sin embargo, para el grupo que lee el mensaje y lo decodifica no contiene un error. Para ayudar a detectar palabras poco frecuentes en un texto se han desarrollado métodos basados en el análisis estadístico. Los métodos basados en análisis estadístico demuestran buenos resultados, pero requieren de un corpus muy grande para detectar palabras poco frecuentes en el español. Además, esto no garantiza que el corpus contenga todas las combinaciones de una palabra en español. Por esta esta razón se propone el uso de un modelo de frecuencia de n-gramas para detectar el grado de aceptación de un texto de acuerdo a un contexto y dominio. Además, para evaluar nuevas palabras que no se tienen en un corpus se propone el uso de un modelo de aprendizaje automático que evalué nuevas palabras.