Hispanopedia WikiEl texto ruidoso es aquel que presenta diferencias entre la forma superficial de una representación codificada del texto y el texto original, correcto u intencionado. [ 1 ] El ruido puede deberse a errores tipográficos o coloquialismos siempre presentes en el lenguaje natural y suele disminuir la calidad de los datos , lo que dificulta el procesamiento automatizado del texto por parte de las computadoras, incluido el procesamiento del lenguaje natural . El ruido también puede haberse introducido mediante un proceso de extracción (por ejemplo, transcripción u OCR ) de medios distintos a los textos electrónicos originales . [ 2 ]
El uso del lenguaje en los discursos mediados por computadora, como chats , correos electrónicos y mensajes de texto, difiere significativamente de la forma estándar del idioma. La tendencia a escribir mensajes más cortos para agilizar la escritura y la necesidad de claridad semántica dan forma a la estructura del texto utilizado en estos discursos.
Diversos analistas de negocios estiman que los datos no estructurados constituyen alrededor del 80 % del total de datos empresariales . Una gran proporción de estos datos comprende transcripciones de chats, correos electrónicos y otras comunicaciones internas y externas informales y semiformales. Por lo general, este tipo de texto está destinado al consumo humano, pero, dada la cantidad de datos, el procesamiento y la evaluación manual de estos recursos ya no son factibles en la práctica. Esto pone de manifiesto la necesidad de métodos robustos de minería de texto . [ 3 ]
Técnicas para la reducción de ruido
El uso de correctores ortográficos y gramaticales puede reducir la cantidad de errores en el texto escrito. Muchos procesadores de texto incluyen esta función en su herramienta de edición.
En línea, la Búsqueda de Google incluye un motor de sugerencias de términos de búsqueda para guiar a los usuarios cuando cometen errores con sus consultas. [ 4 ]
Véase también
Referencias
- ↑ Knoblock, Craig; Lopresti, Daniel; Roy, Shourya; Subramaniam, L. Venkata (2007). "Número especial sobre análisis de texto ruidoso". Revista internacional sobre análisis y reconocimiento de documentos . 10 ( 3–4 ): 127–128 . doi : 10.1007/s10032-007-0058-9 .
{{cite journal}}: CS1 maint: varios nombres: lista de autores ( enlace ) - ↑ Vinciarelli, Alessandro (2005). "Categoría de texto ruidoso" (PDF) . IEEE Transactions on Pattern Analysis and Machine Intelligence . 27 (12): 1882–1895 . doi : 10.1109/TPAMI.2005.248 . PMID 16355657 .
- ↑ Subramaniam, L. Venkata; Roy, Shourya; Faruquie, Tanveer A.; Negi, Sumit (23 de julio de 2009). Un estudio de los tipos de ruido textual y técnicas para manejar texto ruidoso . Tercer Taller sobre Análisis de Datos de Texto No Estructurados con Ruido (AND). págs. 115–122 . doi : 10.1145/1568296.1568315 .
{{cite conference}}: CS1 maint: varios nombres: lista de autores ( enlace ) - ↑ "El ABC de la ortografía en la Búsqueda de Google" . Google . 29 de marzo de 2021. Consultado el 25 de septiembre de 2025 .
- Teoría de la codificación