Introducción a Text Analytics Toolbox

Proceso de minería semántica de texto para extraer información latente de varios tipos de documentos

Text Analytics Toolbox™ ofrece algoritmos y visualizaciones para preprocesar, analizar y modelar datos de texto. Los modelos creados con esta toolbox se pueden utilizar en aplicaciones tales como análisis de sentimientos, mantenimiento predictivo y modelado de temas.

Más información

Nombre de la función	Descripción
`wordcloud`	Crea un gráfico de nube de palabras a partir de un modelo de bolsa de palabras o LDA
`wordCloudCounts`	Cuenta palabras para crear una nube de palabras
`textscatter`	Diagrama de dispersión de texto en 2D
`textscatter3`	Diagrama de dispersión de texto en 3D
`heatmap`	Crea un mapa de calor
`histcounts`	Recuentos por bin del histograma
`discretize`	Agrupa datos en bins o categorías

Visualizar

Utilice nubes de palabras y diagramas de dispersión de texto para resumir y validar resultados.

Modelar y predecir

Convierta texto en representaciones numéricas empleando modelos de bolsa de palabras o modelos de word embeddings previamente entrenados, y aplique algoritmos especializados de Machine Learning para predicción y modelado de temas.

Nombre de la función	Descripción
`readWordEmbedding`	Lee word embeddings de un archivo de texto
`trainWordEmbedding`	Entrena word embeddings
`word2vec/vec2word`	Asocia palabras a vectores de embedding
`ldaModel`	Modelo de asignación latente de Dirichlet (LDA)
`lsaModel`	Modelo de análisis semántico latente (LSA)
`bagOfWords`	Modelo de bolsa de palabras
`fitlda`	Ajusta un modelo de asignación latente de Dirichlet (LDA)
`fitlsa`	Ajusta un modelo de análisis semántico latente (LSA)
`predict`	Predice los principales temas de LDA de documentos
`fitdist`	Ajusta un objeto de distribución de probabilidad a datos
`fitrlinear`	Ajusta un modelo de regresión lineal a datos de alta dimensionalidad
`fitclinear`	Ajusta un modelo de clasificación lineal a datos de alta dimensionalidad
`fitcecoc`	Ajusta modelos multiclase para clasificadores

Nombre de la función	Descripción
`extractFileText`	Lee datos de PDF, Microsoft Word y texto sin formato
`textscan`	Lee datos con formato de un archivo de texto o una cadena
`readtable`	Crea una tabla a partir de un archivo
`compose`	Convierte datos en un array de cadenas con formato
`xlsread`	Lee un archivo de hoja de cálculo de Microsoft Excel
`webread`	Lee contenido de un servicio web RESTful
`TabularTextDatastore`	Almacén de datos para archivos de texto tabular
`FileDatastore`	Almacén de datos con lector de archivos personalizado
`SpreadsheetDatastore`	Almacén de datos para archivos de hojas de cálculo

Iconos de PDF, archivos de texto y hojas de cálculo

Importar

Extraiga texto de archivos de Microsoft^® Word^®, PDF, archivos de texto y hojas de cálculo.

Preprocesar

Elimine artefactos poco útiles, como palabras comunes, signos de puntuación y URL, y aplique normalización de texto para reducir las palabras a su raíz.

Nombre de la función	Descripción
`tokenizedDocument`	Divide documentos en colecciones de palabras
`normalizeWords`	Elimina flexiones de palabras aplicando el algoritmo de Porter
`bagOfWords`	Modelo de bolsa de palabras
`stopWords`	Lista de palabras no significativas
`context`	Busca apariciones de palabras en contexto dentro de documentos
`removeWords`	Elimina palabras seleccionadas de un documento o una bolsa de palabras
`removeLongWords`	Elimina palabras largas de documentos o una bolsa de palabras
`removeShortWords`	Elimina palabras cortas de documentos o una bolsa de palabras
`removeInfrequentWords`	Elimina palabras con bajo recuento de un modelo de bolsa de palabras
`erasePunctuation`	Elimina signos de puntuación de texto y documentos

Nombre de la función	Descripción
`str = "Hello, world"`	Declara una variable de cadena
`str = ["Hello","World"]`	Declara un array de cadenas
`str = string(C)`	Convierte un vector de caracteres C en una cadena
`str2double`	Convierte una cadena en números de tipo doble
`strlength`	Devuelve la longitud de cadenas
`isstring`	Determina si la entrada es un array de cadenas
`join`	Combina cadenas
`split`	Divide cadenas de un array de cadenas
`splitlines`	Divide una cadena en los caracteres de nueva línea
`replace`	Busca y sustituye subcadenas en un array de cadenas
`contains`	Determina si una cadena contiene un patrón
`erase`	Elimina subcadenas dentro de cadenas
`extractBetween`	Extrae subcadenas entre indicadores
`extractAfter`	Extrae una subcadena después de una posición especificada
`extractBefore`	Extrae una subcadena antes de una posición especificada
`strcmp`	Compara cadenas
`regexp`	Busca coincidencias de una expresión regular (distingue entre mayúsculas y minúsculas)

Cadenas

Manipule, compare y almacene datos de texto de manera eficiente.