PCA: Procedimiento para la extracción automatizada de conceptos en corpus documentales legales.

Abstract

La extracción de conceptos relevantes en un corpus documental es un área de la minería de texto que ha alcanzado mucho interés en la última década en tareas de análisis de sentimiento y recuperación de información, entre otras. En el campo del gobierno electrónico puede ser utilizado para contribuir a la comprensión de las leyes por parte de los ciudadanos. Para el lenguaje español no existen técnicas estándares como si lo hay para el inglés, que ayuden a llevar a cabo el proceso automatizado de extracción de conceptos. En este trabajo se desarrolla una propuesta con base estadística y por tanto independiente del idioma para extraer los conceptos relevantes en corpus documentales legales escritos en el idioma español. Los resultados alcanzados mejoran el desempeño de los extractores estadísticos en las métricas de Precision y Recall.

Relevant concept extraction from documental corpuses is an area of text mining which has gained much interest over the last decade, primarily in tasks regarding sentiment analysis and information retrieval. In the field of e-government could contribute to achieve a better understanding of the law. There are no techniques for Spanish like those for the English that help to carry out the automatized concept extraction process. This research develops a statistical based proposal hence language non-dependent to extract relevant concepts from legal documents written in Spanish. The results for the measures and ܴ݈݁ܿܽobtained offer better results comparing to the other approaches.