Está en la página 1de 11

UNIVERSIDAD TÉCNICA

DE MANABÍ

FACULTAD CIENCIAS INFORMÁTICAS


ASIGNATURA
ESTADISTICAS
DESCRIPCION DE LA ACTIVIDAD

TEMA: APLICACIÓN DE LÓGICA DIFUSA EN EL CAMPO


DEL PROCESAMIENTO DEL LENGUAJE NATURAL CON
R STUDIO

ESTUDIANTES
AGUAYO MOREIRA JEAN CARLOS
CEDEÑO MERA VICENTE ANDRÉS
BURGOS FARIAS HAROLD FERNANDO
CABALLERO MOREIRA FREDDY JONATHAN
GARCÍA IDROVO ALBERTO ANDRÉS
MAIGUA GUANOTASIG JEANPIERRI ALEXANDER

PERIODO LECTIVO
OCTUBRE 2019 – FEBRERO 2020
LÓGICA DIFUSA

Etiqueta Rango [min, max]


MB [140,160]
B [160,170]
M [170,180]
A [180,190]
MA [190,200]

OPTIMIZACIÓN UTILIZANDO
Figura 3. Esquema general de un sistema basado en lógica difusa LÓGICA DIFUSA DE DISPOSITIVO
DE ANÁLISIS DE COMPONENTES
Índice

ASIGNATURA ............................................................................................................................ 1

DESCRIPCION DE LA ACTIVIDAD ........................................................................................ 1

PERIODO LECTIVO .................................................................................................................. 1

Figura 3. Esquema general de un sistema basado en lógica difusa .............................................. 2

1. INTRODUCCIÓN ................................................................................................................ 4

1. Conceptos y fundamentos básicos de la técnica. .................................................................. 5

2.1 La lingüística y el procesamiento del lenguaje natural .......................................................... 5

2. METODOLOGÍA ................................................................................................................. 6

3.1 El término gradience y teorías sobre la gradación del lenguaje ............................................. 6

3.2 Las bases conceptuales de la lógica difusa............................................................................. 6

3.3 Explicación del Algoritmo y funciones matemáticas........................................................ 7


1. INTRODUCCIÓN

La lógica difusa fue investigada, por primera vez, a mediados de los años sesenta en la
Universidad de Berkeley (California) por el ingeniero Lotfy A. Zadeh (figura 1.1) cuando se dio
cuenta de lo que él llamó principio de incompatibilidad: “Conforme la complejidad de un sistema
aumenta, nuestra capacidad para ser precisos y construir instrucciones sobre su comportamiento
disminuye hasta el umbral más allá del cual, la precisión y el significado son características
excluyentes”. Introdujo entonces el concepto de conjunto difuso (Fuzzy Set) bajo el que reside la
idea de que los elementos sobre los que se construye el pensamiento humano no son números sino
etiquetas lingüísticas. La lógica difusa permite representar el conocimiento común, que es
mayoritariamente del tipo lingüístico cualitativo y no necesariamente cuantitativo, en un lenguaje
matemático a través de la teoría de conjuntos difusos y funciones características asociadas a ellos.
Permite trabajar a la vez con datos numéricos y términos lingüísticos; los términos lingüísticos
son inherentemente menos precisos que los datos numéricos, pero en muchas ocasiones aportan
una información más útil para el razonamiento humano.

Figura 1.1. L. A. Zadeh

El aspecto central de los sistemas basados en la teoría de la lógica difusa es que, a diferencia de los
que se basan en la lógica clásica, tienen la capacidad de reproducir aceptablemente los modos
usuales del razonamiento, considerando que la certeza de una proposición es una cuestión de grado.
Más formalmente se puede decir que si la lógica es la ciencia de los principios formales y
normativos del razonamiento, la lógica difusa o borrosa se refiere a los principios formales del
razonamiento aproximado, considerando el razonamiento preciso (lógica clásica) como caso límite.
Así pues, las características más atractivas de la lógica difusa son su flexibilidad, su tolerancia con
la imprecisión, su capacidad para modelar problemas no -lineales, y su base en el lenguaje natural.
1. Conceptos y fundamentos básicos de la técnica.

La gradualidad en el lenguaje natural es un fenómeno que ha sido tradicionalmente


muy discutido en lingüística. En este trabajo, se presentan las bases teóricas que nos han
llevado a tratar el lenguaje natural de una manera gradual. Definir el lenguaje natural y su
gradualidad nos obliga a buscar herramientas formales que puedan definir las bases de una
gramática con grados de gramaticalidad. Aunque el uso de modelos matemáticos y formales
es habitual en lingüística, la lógica difusa no ha recibido toda la atención que merece como
herramienta para poder explicar el procesamiento del lenguaje natural. Aquí se exponen las
bases de la lógica difusa como herramienta para lidiar con la formalización de una gramática
que sea capaz de recoger valores no discretos, por lo tanto, graduales o difusos. Las reglas de
la gramática difusa vendrán dadas por una gramática de propiedades del español extraída
mediante una metodología de corpus.

2.1 La lingüística y el procesamiento del lenguaje natural

El lenguaje natural se caracteriza por ser un lenguaje inmediato, espontáneo, con


errores y ambiguo. Estas características se manifiestan en las producciones lingüísticas como
noisy text o texto ruidoso (Baldwin et al. 2013) y suponen un gran inconveniente para el
teórico ya que hacen que el análisis del lenguaje sea una tarea extremadamente complicada.

Por ello, a pesar de que las frases perfectas resultan una excepción en el lenguaje
natural, la tendencia en lingüística ha sido establecer unos límites muy claros entre las
producciones que son gramaticales y agramaticales: correctas e incorrectas. A este tipo de
clasificación binaria la llamamos clasificación discreta o categórica.
2. METODOLOGÍA

3.1 El término gradience y teorías sobre la gradación del lenguaje

La concepción gradual del lenguaje, o el término gradience, ha aparecido a lo largo de la


historia de la lingüística. En Aarts (2004), gradience se define como "un término que sirve para
designar el espectro de los fenómenos continuos en el lenguaje, desde las categorías en el nivel de la
gramática hasta los sonidos en el nivel de la fonética". De este modo, gradience es un término usado
en lingüística para designar fenómenos que, debido a su naturaleza aparentemente difusa, encajan
mejor en una explicación no discreta, como, por ejemplo, con explicaciones de fenómenos
lingüísticos en términos de grado. Aarts (2004) define dos tipos básicos de gradación para las
gramáticas:
 Gradación lineal: tenemos dos categorías diferentes claramente definidas:  y & . La
gradación aquí se encuentra en el tercer grupo de elementos que se ajustan al campo intermedio entre
estas dos categorías. La idea es clasificar los objetos lingüísticos en la escala lineal en tres grados.
Por lo tanto, en una escala de [0,1],  es 1,  es 0 y el área media-borrosa es 0.5.
 Gradación teórica de conjuntos: Tenemos dos categorías diferentes claramente definidas
( y ). Sin embargo, aquí encontramos gradación cuando ocurre una intersección entre las dos
categorías y la definimos como:  ∩ . En este caso, ambos los elementos comparten características
que se señalan en la intersección.

3.2 Las bases conceptuales de la lógica difusa

La concepción difusa y el concepto de gradience son bastante similares. Sin embargo, es


necesario hablar sobre “lo difuso” para una comprensión completa de la noción lingüística de la
gradación. A pesar de que algunos lingüistas como Bolinger (1961) intentaron acercar la concepción
de grado a la lingüística, es en matemáticas y en la lógica difusa en donde podemos encontrar enfoques
formales serios sobre los fenómenos de grado en relación con muchos incidentes cotidianos, como,
por ejemplo: la gradación de la temperatura, colores, o expresiones lingüísticas tales como la relación
de grado entre alto-bajo, grande-pequeño. Sin embargo, este fenómeno en matemáticas se denomina
fenómeno “difuso” y la lógica difusa es la herramienta adecuada para describir formalmente estas
relaciones vagas que también se conocen como fuzzy.
Si partimos de un criterio como “altura = 2 metros (2 metros=1)”, la noción discreta diría que
una persona solo es alta si alcanza los 2 metros, y las personas que no alcancen esos 2 metros, por
ejemplo 1.75m, siempre son bajas (siempre sería 0). En cambio, la lógica difusa establece que dado
un criterio y un índice, por ejemplo 0.75, en este caso, una persona será más alta cuanto más cercana
esté del criterio máximo (1) y será más baja cuanto más lejos se encuentre del criterio máximo.
3.3 Explicación del Algoritmo y funciones matemáticas

#Librerías que usuraremos para la manipulación y análisis de los


datos

library(tidyverse)
library(tidytext)
library(tm)
library(lubridate)
library(zoo)
library(scales)

#Librerías que usuraremos para la manipulación y análisis de los datos


tema_graf <-
theme_minimal() +
theme(text = element_text(family = "serif"),
panel.grid.minor = element_blank(),
strip.background = element_rect(fill = "#EBEBEB", colour = NA),
legend.position = "none",
legend.box.background = element_rect(fill = "#EBEBEB", colour = NA))

#Descargamos el dataset de una api de twitter

download.file("https://raw.githubusercontent.com/jboscomendoza/rpubs/master/sentimientos_afinn/t
uits_candidatos.csv", "tuits_candidatos.csv")

#Leemos los tuits usando read.csv(). El argumento fileEncoding = "latin1" es importante para
mostrar correctamente las vocales con tildes, la ñ y otro caracteres especiales.

tuits <- read.csv("tuits_candidatos.csv", stringsAsFactors = F, fileEncoding = "latin1") %>%


tbl_df()
#Análisis de sentimientos con la librería tidytext

#Descargamos el dataset con el conjunto de palabras puntuadas -1 a -4 rango de


negatividad y del 1 al 4 grado de positividad

download.file("https://raw.githubusercontent.com/jboscomendoza/rpubs/master/sentimientos_afi
nn/lexico_afinn.en.es.csv", "lexico_afinn.en.es.csv")

#Importamos los datos

afinn <- read.csv("lexico_afinn.en.es.csv", stringsAsFactors = F, fileEncoding = "latin1") %>%


tbl_df()
#Para poder presenter una polaridad de un determinado comentario, nos
apoyaremos de pyhton. Con esto podríamos concluir como la lógica difusa se
presenta el procesamiento del lenguaje natural.

from textblob import TextBlob


import seaborn as sns
s = input()
t = TextBlob(s)
ten = t.translate(to="en")
print(ten.sentiment)
4. Referencias bibliográficas

Aarts, B. (2004). Conceptions of gradience in the history of linguistics. Language Sciences,


26(4):343–389.

Baldwin, T., Cook, P., Lui, M., MacKinlay, A., & Wang, L. (2013). “How noisy social media
text, how diffrnt social media sources?”. Proceedings of the Sixth International Joint Conference on
Natural Language Processing, 1(1): 356-364.

Blache, P. (2000). “Property Grammars and the Problem of Constraint Satisfaction”.


Proceedings of ESSLLI 2000 workshop on Linguistic Theory and Grammar Implementation, 1(1):47–
56.

Blache, P. (2005). “Property Grammars: A Fully Constraint-based Theory”. Constraint Solving


and Language Processing, 3438(1):1–16.

Blache, P. (2016). “Representing Syntax by Means of Properties: a Formal Framework for


Descriptive Approaches”. Journal of Language Modelling, 4(2):183–224.

También podría gustarte