N-grama - Historial de revisiones

Javiermartin jc: Texto reemplazado: «
» por «»

2019-07-06T20:08:36Z

Texto reemplazado: «<div align="justify">» por «»

Carlos idict: /* Fuentes */

2018-03-13T16:13:19Z

‎Fuentes

Carlos idict en 15:45 8 may 2014

2014-05-08T15:45:06Z

Wendy idict: /* Antecedentes históricos */

2013-10-01T16:01:54Z

‎Antecedentes históricos

Luish en 14:23 24 jun 2013

2013-06-24T14:23:28Z

Odalis jc.scu en 16:22 23 mar 2013

2013-03-23T16:22:13Z

UrbanoNoris3 jc en 15:02 1 feb 2012

2012-02-01T15:02:18Z

Jhonlier12017 jc.hlg: /* Aplicación. */

2012-01-25T21:35:38Z

‎Aplicación.

Jhonlier12017 jc.hlg en 00:54 24 ene 2012

2012-01-24T00:54:27Z

Jhonlier12017 jc.hlg: /* Fuentes. */

2012-01-24T00:52:18Z

‎Fuentes.

@@ Línea 1: / Línea 1: @@
 {{Definición|nombre=N-grama|imagen=N-grama_2.jpg|concepto=Subsecuencia de ''n'' elementos consecutivos en una secuencia dada.}}
-<div align="justify">
 '''N-grama'''. En [[Inteligencia Artificial]], procesamiento de lenguaje natural, [[Bioinformática]], [[recuperación de información]] se llama n-grama a una subsecuencia de ''n'' elementos consecutivos en una [[secuencia]] dada. Si ''n=2'' se denominan [[bigrama|bigramas]]; ''n=3'', [[trigrama|trigramas]]; para ''n>=4'' entonces se llaman genéricamente ''n-gramas'' o [[Modelo de Markov de orden (n-1)|Modelos de Markov de orden (n-1)]].

← Revisión anterior		Revisión del 16:13 13 mar 2018
Línea 44:		Línea 44:
	*Artículo [http://es.wikipedia.org/wiki/N-grama N-grama] Disponible en: "es.wikipedia.org" Consultado: 23 de enero de 2012		*Artículo [http://es.wikipedia.org/wiki/N-grama N-grama] Disponible en: "es.wikipedia.org" Consultado: 23 de enero de 2012

−	[[Categoría:~~Inteligencia_Artificial~~]][[Categoría:Informática]]	+	[[Categoría:Inteligencia artificial]][[Categoría:Informática]]

@@ Línea 41: / Línea 41: @@
 *Christopher D. Manning, Hinrich Schütze. Foundations of Statistical Natural Language Processing. [[MIT]] Press, [[1999]].
 *Michael Collins. A new statistical parser based on bigram lexical dependencies. In Proceedings of the 34th Annual Meeting of the Association of Computational Linguistics, [[Santa Cruz (California)|Santa Cruz]], [[California|CA]]. [[1996]]. Págs 184-191.
-*[[Usuario:Jhonlier12017_jc.hlg|Jhonlier Suárez Molina]]. [[Araña_(Recuperación_de_Información)|Spider]] UCI. [[Tesis]] de Licenciatura en [[Ciencias de la Computación]]. [[Universidad de la Habana|UH]], [[Universidad de Oriente|UO]], [[UCI]]. [[La Habana]] [[2004]]. Pág 46.
+*[[Usuario:Jhonlier12017_jc.hlg|Jhonlier Suárez Molina]]. [[Araña_(Recuperación_de_Información)|Spider]] UCI. [[Tesis]] de Licenciatura en [[Ciencias de la computación]]. [[Universidad de la Habana|UH]], [[Universidad de Oriente|UO]], [[UCI]]. [[La Habana]] [[2004]]. Pág 46.
 *Artículo [http://es.wikipedia.org/wiki/N-grama N-grama] Disponible en: "es.wikipedia.org" Consultado: 23 de enero de 2012
 [[Categoría:Inteligencia_Artificial]][[Categoría:Informática]]

@@ Línea 20: / Línea 20: @@
 ==Antecedentes históricos==
-Según la [[Teoría Matemática de la Información]] de [[Claude Elwood Shannon|Claude E. Shannon]] en un determinado lenguaje ''L'' derivado de un [[alfabeto]] ''A'', cada secuencia lingüística ''w=s<sub>1</sub>s<sub>2</sub>...s<sub>n-1</sub>'' donde ''s<sub>i</sub>'' es un [[símbolo]] del alfabeto, determina para cada símbolo ''a<sub>j</sub>'' de ''A'' una [[probabilidad]] ''P(a<sub>j</sub>)'' de ser el próximo elemento ''s<sub>n</sub>'' de ''w'', de manera que [[Archivo:Sumatoria_probabilidades_igual_1.gif|middle]], donde las probabilidades ''P(a<sub>j</sub>)'' son calculadas por acumulación histórica. En conclusión, los símbolos anteriores en una frase deben determinar la aparición más probable de un grupo de símbolos sobre los otros del alfabeto. Esta idea es la base de los modelos de n-gramas.
+Según la [[Teoría Matemática de la Información]] de [[Claude Elwood Shannon|Claude E. Shannon]] en un determinado lenguaje ''L'' derivado de un [[alfabeto]] ''A'', cada secuencia lingüística ''w=s<sub>1</sub>s<sub>2</sub>...s<sub>n-1</sub>'' donde ''s<sub>i</sub>'' es un [[símbolo]] del alfabeto, determina para cada símbolo ''a<sub>j</sub>'' de ''A'' una [[Probabilidades matemáticas|probabilidad]] ''P(a<sub>j</sub>)'' de ser el próximo elemento ''s<sub>n</sub>'' de ''w'', de manera que [[Archivo:Sumatoria_probabilidades_igual_1.gif|middle]], donde las probabilidades ''P(a<sub>j</sub>)'' son calculadas por acumulación histórica. En conclusión, los símbolos anteriores en una frase deben determinar la aparición más probable de un grupo de símbolos sobre los otros del alfabeto. Esta idea es la base de los modelos de n-gramas.
 También hay elementos de los mismos en las [[Cadena de Markov|cadenas de Markov]] que alcanzaron un gran nivel de formalización matemática y probabilística, consiguiendo que las mismas tuvieran gran aplicación en diversos ámbitos hasta la actualidad.

@@ Línea 1: / Línea 1: @@
-{{Definición|nombre=N-grama|imagen=N-GRMA.jpeg|concepto=Subsecuencia de ''n'' elementos consecutivos en una secuencia dada.}}
+{{Definición|nombre=N-grama|imagen=N-grama_2.jpg|concepto=Subsecuencia de ''n'' elementos consecutivos en una secuencia dada.}}
 <div align="justify">
 '''N-grama'''. En [[Inteligencia Artificial]], procesamiento de lenguaje natural, [[Bioinformática]], [[recuperación de información]] se llama n-grama a una subsecuencia de ''n'' elementos consecutivos en una [[secuencia]] dada. Si ''n=2'' se denominan [[bigrama|bigramas]]; ''n=3'', [[trigrama|trigramas]]; para ''n>=4'' entonces se llaman genéricamente ''n-gramas'' o [[Modelo de Markov de orden (n-1)|Modelos de Markov de orden (n-1)]].

@@ Línea 1: / Línea 1: @@
 {{Definición|nombre=N-grama|imagen=Informática.jpg|concepto=Subsecuencia de ''n'' elementos consecutivos en una secuencia dada.}}
 <div align="justify">
-'''N-grama'''. En [[Inteligencia Artificial]], [[procesamiento de lenguaje natural]], [[Bioinformática]], [[recuperación de información]] se llama '''n-grama''' a una subsecuencia de ''n'' elementos consecutivos en una [[secuencia]] dada. Si ''n=2'' se denominan [[bigrama|bigramas]]; ''n=3'', [[trigrama|trigramas]]; para ''n>=4'' entonces se llaman genéricamente ''n-gramas'' o [[Modelo de Markov de orden (n-1)|Modelos de Markov de orden (n-1)]].
+'''N-grama'''. En [[Inteligencia Artificial]], procesamiento de lenguaje natural, [[Bioinformática]], [[recuperación de información]] se llama n-grama a una subsecuencia de ''n'' elementos consecutivos en una [[secuencia]] dada. Si ''n=2'' se denominan [[bigrama|bigramas]]; ''n=3'', [[trigrama|trigramas]]; para ''n>=4'' entonces se llaman genéricamente ''n-gramas'' o [[Modelo de Markov de orden (n-1)|Modelos de Markov de orden (n-1)]].
 Los n-gramas son de gran utilidad en el tratamiento de [[texto|textos]], la determinación del [[lenguaje]] de [[documento|documentos]], el procesamiento estadístico de los mismos o el descubrimiento o predicción de [[gen|genes]] en tanto estos son subsecuencias dadas dentro del material genético.
-==Definición.==
+==Definición==
 Sea una secuencia ''S'' de elementos ordenados ''s<sub>1</sub>s<sub>2</sub>s<sub>3</sub>...s<sub>k</sub>...'' se denomina '''n-grama''' a cualquier subsecuencia ''A=s<sub>i+1</sub>s<sub>i+2</sub>...s<sub>i+n</sub>'', donde ''i'' es un valor entre 0 y ''|S|-n'' para garantizar que la longitud de ''A'' sea siempre ''n'' o lo que es lo mismo ''|A|=n''; ''n>1''.
@@ Línea 12: / Línea 12: @@
 Como datos adicionales, la definición abarca el caso particular de un n-grama, pero en la práctica es preferible pensarlo como el conjunto de los mismos que componen la secuencia dada.
-==Ejemplos.==
+==Ejemplos==
 Dado el texto ''"[[Platero y yo]]"'', si se toma como elementos los [[caracter|caracteres]] que lo componen, sus trigramas serían: ''"Pla"'', ''"lat"'', ''"ate"'', ''"ter"'', ''"ero"'', ''"ro "'', ''"o y"'', ''" y "'', ''"y y"'' y finalmente ''" yo"''.
@@ Línea 19: / Línea 19: @@
 Nota: En el caso del tratamiento de texto suelen depurarse los [[Signo de puntuación|signos de puntuación]] y otras veces también los espacios en blanco entre las palabras.
-==Antecedentes históricos.==
+==Antecedentes históricos==
 Según la [[Teoría Matemática de la Información]] de [[Claude Elwood Shannon|Claude E. Shannon]] en un determinado lenguaje ''L'' derivado de un [[alfabeto]] ''A'', cada secuencia lingüística ''w=s<sub>1</sub>s<sub>2</sub>...s<sub>n-1</sub>'' donde ''s<sub>i</sub>'' es un [[símbolo]] del alfabeto, determina para cada símbolo ''a<sub>j</sub>'' de ''A'' una [[probabilidad]] ''P(a<sub>j</sub>)'' de ser el próximo elemento ''s<sub>n</sub>'' de ''w'', de manera que [[Archivo:Sumatoria_probabilidades_igual_1.gif|middle]], donde las probabilidades ''P(a<sub>j</sub>)'' son calculadas por acumulación histórica. En conclusión, los símbolos anteriores en una frase deben determinar la aparición más probable de un grupo de símbolos sobre los otros del alfabeto. Esta idea es la base de los modelos de n-gramas.
 También hay elementos de los mismos en las [[Cadena de Markov|cadenas de Markov]] que alcanzaron un gran nivel de formalización matemática y probabilística, consiguiendo que las mismas tuvieran gran aplicación en diversos ámbitos hasta la actualidad.
-==Aplicación.==
+==Aplicación==
 El campo de aplicación de los n-gramas es muy variado: tratamiento estadístico de lenguaje natural tanto escrito como visual o sonoro, de patrones, en análisis de imágenes, predicción de genes y formación de proteínas en bioinformática.
@@ Línea 38: / Línea 38: @@
 De manera más general, si se tuvieran los trigramas ''I<sub>1</sub>'', ''I<sub>2</sub>'', ..., ''I<sub>n</sub>'' asociados a los idiomas ''l<sub>1</sub>'', ''l<sub>2</sub>'', ... , ''l<sub>n</sub>'' y los valores de semenjanza ''f(T,I<sub>1</sub>)'', ''f(T,I<sub>2</sub>)'', ..., ''f(T,I<sub>n</sub>)'', se decide el idioma del texto asociado a los trigramas ''T'' por el valor mayor de los ''f(T,I<sub>i</sub>)'', si hubiera más de uno no puede decidirse.
-==Fuentes.==
+==Fuentes==
-# Christopher D. Manning, Hinrich Schütze. Foundations of Statistical Natural Language Processing. [[MIT]] Press, [[1999]].
+*Christopher D. Manning, Hinrich Schütze. Foundations of Statistical Natural Language Processing. [[MIT]] Press, [[1999]].
-# Michael Collins. A new statistical parser based on bigram lexical dependencies. In Proceedings of the 34th Annual Meeting of the Association of Computational Linguistics, [[Santa Cruz (California)|Santa Cruz]], [[California|CA]]. [[1996]]. Págs 184-191.
+*Michael Collins. A new statistical parser based on bigram lexical dependencies. In Proceedings of the 34th Annual Meeting of the Association of Computational Linguistics, [[Santa Cruz (California)|Santa Cruz]], [[California|CA]]. [[1996]]. Págs 184-191.
-# [[Usuario:Jhonlier12017_jc.hlg|Jhonlier Suárez Molina]]. [[Araña_(Recuperación_de_Información)|Spider]] UCI. [[Tesis]] de Licenciatura en [[Ciencias de la Computación]]. [[Universidad de la Habana|UH]], [[Universidad de Oriente|UO]], [[UCI]]. [[La Habana]] [[2004]]. Pág 46.
+*[[Usuario:Jhonlier12017_jc.hlg|Jhonlier Suárez Molina]]. [[Araña_(Recuperación_de_Información)|Spider]] UCI. [[Tesis]] de Licenciatura en [[Ciencias de la Computación]]. [[Universidad de la Habana|UH]], [[Universidad de Oriente|UO]], [[UCI]]. [[La Habana]] [[2004]]. Pág 46.
-# [http://es.wikipedia.org/wiki/N-grama N-grama en Wikipedia].
+*Artículo [http://es.wikipedia.org/wiki/N-grama N-grama] Disponible en: "es.wikipedia.org" Consultado: 23 de enero de 2012
-</div>
 [[Categoría:Inteligencia_Artificial]][[Categoría:Informática]]

← Revisión anterior		Revisión del 21:35 25 ene 2012
Línea 27:		Línea 27:
	El campo de aplicación de los n-gramas es muy variado: tratamiento estadístico de lenguaje natural tanto escrito como visual o sonoro, de patrones, en análisis de imágenes, predicción de genes y formación de proteínas en bioinformática.		El campo de aplicación de los n-gramas es muy variado: tratamiento estadístico de lenguaje natural tanto escrito como visual o sonoro, de patrones, en análisis de imágenes, predicción de genes y formación de proteínas en bioinformática.

		+	===Estimación del idioma de documentos.===
	Uno de los usos más interesante es el de buscar la ''similitud'' entre un documento y un grupo de documentos. Este hecho cobra una gran importancia en la estimación del idioma predominante en el texto.		Uno de los usos más interesante es el de buscar la ''similitud'' entre un documento y un grupo de documentos. Este hecho cobra una gran importancia en la estimación del idioma predominante en el texto.