La asignatura "Minería de textos" se imparte en el Máster Universitario en Tecnologías del Lenguaje. Es una asignatura optativa, de carácter anual, con una carga lectiva de 6 ECTS.

Esta asignatura tiene por objetivo estudiar técnicas de Procesamiento de Lenguaje Natural que permiten analizar el contenido textual de los documentos para transformar información no estructurada en datos estructurados, así como caracterizar los documentos, clasificarlos y agruparlos de forma que se pueda extraer la información relevante para distintas aplicaciones. Se presentan tanto técnicas clásicas de análisis de textos, como técnicas avanzadas de aprendizaje automático y profundo aplicadas al contexto de información textual no estructurada.

El análisis del contenido de los documentos es una parte fundamental de las técnicas actuales de Tecnologías del Lenguaje. Las aplicaciones profesionales son muchas y variadas, incluyendo la minería de opiniones, los sistemas de recomendación, el análisis de redes sociales, la extracción de datos en diferentes dominios, como médico, jurídico, turístico, etc.

Las asignaturas más relacionadas con esta son "Fundamentos del procesamiento lingüístico" y "Minería de Datos". En la primera de ellas se estudian problemas y soluciones (modelos y técnicas) básicas en los niveles de análisis morfológico, sintáctico, semántico y pragmático, mientras que la segunda ofrece una visión panorámica de la teoría y conceptos fundamentales utilizados en Minería de Datos.

No hay ningún requisito diferente de los generales de acceso a este programa de posgrado. Aunque esta asignatura puede ser cursada aisladamente, el estudiante se beneficiaría si hubiera cursado previamente o curse en paralelo la asignatura de Fundamentos del procesamiento lingüístico.

La tutorización de los alumnos se llevará a cabo a través de la plataforma de e-Learning por teléfono y por correo electrónico:

• Raquel Martínez (coodinadora)
  email: raquel@lsi.uned.es
  Tfno: 913988725
  Horario guardias: Martes 09:30 a 13.30
• Lourdes Araujo
  email: lurdes@lsi.uned.es
  Tfno: 913987318
  Horario de guardias: Jueves de 10 a 14.00.

Dirección postal: ETSI Informática, 2ª Planta. C/ Juan del Rosal 16, 28040 Madrid.

COMPETENCIAS

C2 Abstracción, análisis, síntesis y relación de ideas.

C3 Capacidad crítica y de decisión.

C4 Capacidad de estudio y autoaprendizaje

C5 Capacidad creativa y de investigación.

C7 Capacidad de estudio de los sistemas y aproximaciones existentes y para distinguir las aproximaciones más efectivas.

C8 Capacidad para detectar carencias en el estado actual de la ciencia y la tecnología.

C9 Capacidad para proponer nuevas aproximaciones que de solución a las carencias detectadas.

CONOCIMIENTOS O CONTENIDOS

CO2 Capacidad de comprender y manejar de forma básica los aspectos más importantes relacionados con los lenguajes y sistemas informáticos en general, y, de manera especial, en los siguientes ámbitos: Tecnologías del lenguaje y de acceso a la información en web.

HABILIDADES O DESTREZAS

H4 Capacidad de especificar, diseñar, implementar y evaluar tanto cualitativa como cuantitativamente los modelos y sistemas propuestos.

H5 Capacidad para proponer y llevar a cabo experimentos con la metodología adecuada como para poder extraer conclusiones y determinar nuevas líneas de actuación e investigación. 

COMPETENCIAS

C2 Abstracción, análisis, síntesis y relación de ideas.

C3 Capacidad crítica y de decisión.

C4 Capacidad de estudio y autoaprendizaje.

C5 Capacidad creativa y de investigación.

C7 Capacidad de estudio de los sistemas y aproximaciones existentes y para distinguir las aproximaciones más efectivas.

C8 Capacidad para detectar carencias en el estado actual de la ciencia y la tecnología.

C9 Capacidad para proponer nuevas aproximaciones que de solución a las carencias detectadas.

La metodología es la general del programa de postgrado; junto a las actividades y enlaces con fuentes de información externas, existe material didáctico propio preparado por el equipo docente. Se trata de una metodología adaptada a las directrices del EEES, de acuerdo con el documento del IUED. La asignatura no tiene clases presenciales. Los contenidos teóricos se impartirán a distancia, de acuerdo con las normas y estructuras de soporte telemático de la enseñanza en la UNED.

El temario de la asignatura se estructura en cinco temas y ha sido planteado de tal forma que el estudiante pueda introducirse en los contenidos de la asignatura de una manera gradual, adquiriendo los conocimientos necesarios, y con un enfoque basado en la práctica de los mismos. La búsqueda y estudio de referencias bibliográficas forma parte fundamental del curso.

En cada unidad didáctica elaborada por el equipo docente hay una parte de "Planificación y orientaciones" con la siguiente información:

• Introducción general al contenido.
• Objetivos específicos.
• Esquema de los contenidos.
• Orientaciones sobre la forma de llevar a cabo el estudio del tema.
• Temporización recomendada.
• Indicación de si el tema tiene o no asociada una práctica obligatoria.

El estudiante debe en primer lugar leer esta parte de la unidad didáctica. Las actividades de aprendizaje se estructuran en torno al estado del arte en cada una de las materias del curso y a los problemas en los que se van a focalizar las tareas teórico-prácticas que el alumno deberá realizar.

Las actividades formativas de la asignatura son:

1. Actividades teóricas interaccionando con equipos docentes, tutores y compañeros.Resolución de dudas de contenido teórico de forma presencial, vía telefónica o en línea sobre la metodología, los contenidos o las actividades a realizar. Intercambio de información a través de un foro virtual.
2. Actividades prácticas interaccionando con equipos docentes, tutores y compañeros.
   Resolución de dudas de contenido práctico de forma presencial, vía telefónica o en línea sobre la metodología, los contenidos o las actividades a realizar. Intercambio de información a través de un foro virtual.
3. Actividades teóricas desempeñadas autónomamente.
   Lectura reflexiva y crítica de las orientaciones metodológicas de la asignatura. Estudio de los materiales didácticos.
4. Actividades prácticas desempeñadas.
   Elaboración de prácticas o tareas obligatorias de forma individual y en su caso la práctica o tarea opcional.

El equipo docente ha elaborado unidades didácticas para todos los temas de la asignatura. Cada unidad didáctica se compone de:

• Planificación y orientaciones del tema.
• Contenidos teórico-prácticos con enlaces a material disponible en la Web, si es pertinente.
• En caso necesario indicaciones de qué capítulos o partes de la bibliografía básica o complementaria se debe consultar.

Además de las unidades didácticas preparadas por el equipo docente, como bibliografía de la asignatura se deberán estudiar capítulos seleccionados de la siguiente referencia:

• Speech and Language Processing (3rd ed. draft online)
  Dan Jurafsky and James H. Martin. (2022) https://web.stanford.edu/~jurafsky/slp3/

La bibliografía y materiales complementarios se específican de cada capítulo en el material elaborado por el equipo docente.

Puede ser útil el siguiente texto para cuestiones prácticas:

Natural Language Processing with Python
Steven Bird, Ewan Klein, Edward Loper

https://www.nltk.org/book/

La plataforma de e-Learning proporcionará el adecuado interfaz de interacción entre el alumno y sus profesores. A través de ella se podrá impartir y recibir formación, gestionar y compartir documentos, crear y participar en comunidades temáticas, así como realizar proyectos online.

Se ofrecerán las herramientas necesarias para que, tanto el equipo docente como el alumnado, encuentren la manera de compaginar tanto el trabajo individual como el aprendizaje cooperativo.