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


Indice




4 Valoracion


Motivacion

Dimension temporal de la informacion: ¿Que?, ¿Como?, ¿Cuando?,¿Donde?La explotacion de la informacion temporal esta en auge:

El tiempo en Twitter:


Indice




4 Valoracion


¿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)


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?


¿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.


Anotacion temporal

Esquemas de anotacion

TimeML

Etiquetas EVENT , TIMEX3 y LINK

Anotacion automatica


Indice




4 Valoracion


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.


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.


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).


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.


Indice




4 Valoracion


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.


Descriptores y Calendarios

Seleccion de descriptores:

Unicidad, Normalizacion y Lematizacion.Extension

Calendarios y granularidad:

Calendario GregorianoCalendario Imaginario-Colectivo: Fechas “senaladas”


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)


Indice




4 Valoracion


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


Indice




4 Valoracion


Experimento I

DESCRIPTORES: fechas de creacion

OBJ. ATRIB. CONCEP.

BeatlesTra 693 7 7

Beatles 2195 18 19

Table : Contexto formal Experimento I


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


Experimento II

Conceptos formales asociados al atributo “1967”: Topic “Sgt. PepperAlbum”


Experimento III

DESCRIPTORES: fechas de creacion, expresiones temporales y eventos

OBJ. ATRIB. CONCEP.


Beatles 830 108 996

Table : Contexto formal Experimento III


Experimentos con tipologıa de eventos

DESCRIPTORES:

fechas de creacion, expresiones temporales y tipos de eventos

OBJ. ATRIB. CONCEP.


Beatles 830 47 297

tipos de eventos

OBJ. ATRIB. CONCEP.

BeatlesTra 297 7 30

Beatles 830 7 36


Diagrama de Hasse: tipos de eventos


Agrupacion de temas: tipos de eventos


Otros experimentos

BeatlesBackground: 50000 tweets

Fechas destacadas: 27 de julio de 1967 y 5 de octubre de 1962


Otros experimentos

Bankia: dominio “banca”, contexto nacional

Crıticas y protestas: 9 de febrero de 2012 y 5 de junio de 2012


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?


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.


Gracias por su atencion.


Tesis de Máster (presentación)

Data & Analytics

Transcript of Tesis de Máster (presentación)