Extracción de palabas clave
Agustín Nieto
2026-05-13
Source:vignettes/extraccion_palabras_clave.Rmd
extraccion_palabras_clave.RmdIntroducción
En este artículo presentamos las utilidades de la función
acep_extract() para la extracción de palabras clave en un
corpus de notas sobre la conflictividad laboral en la industria pesquera
argentina con un enfoque de diccionario.
El corpus de notas
Para que este artículo pueda reconstruirse en CRAN sin depender de
descargas externas, los ejemplos ejecutables usan
ACEP::acep_bases$lc_720, una muestra incluida en el
paquete. Se compone de 720 notas y 9 variables: id, fecha, seccion,
titulo, bajada, nota, nota_norm, link, clas_hum. En una sesión
interactiva con conexión también se puede cargar el corpus completo de
Revista Puerto con acep_load_base(acep_bases$rp_mdp).
# Cargamos la librería ACEP
library(ACEP)
# Cargamos una muestra incluida en el paquete
rev_puerto <- acep_bases$lc_720
# Imprimimos la base en consola
rev_puerto#> # A tibble: 720 × 9
#> id fecha seccion titulo bajada nota nota_norm link clas_hum
#> <dbl> <date> <fct> <chr> <chr> <chr> <chr> <chr> <lgl>
#> 1 1 2016-03-01 La Ciudad Emotivo: po… "Hace… "Los… "los dos… http… FALSE
#> 2 2 2016-03-01 La Ciudad El oficiali… "En l… "La … "la decl… http… TRUE
#> 3 3 2016-03-02 La Ciudad Rech tambié… "El r… "El … "el conc… http… TRUE
#> 4 4 2016-03-02 La Ciudad Anuncian in… "El i… "El … "el inte… http… FALSE
#> 5 5 2016-03-02 La Ciudad Video: la p… "El C… "De … "de mane… http… FALSE
#> 6 6 2016-03-03 La Ciudad Nuevas inve… "Una … "Rep… "represe… http… FALSE
#> 7 7 2016-03-03 La Ciudad Exigimos un… "Para… "En … "en el m… http… TRUE
#> 8 8 2016-03-03 La Ciudad Hoy en Mar … "Clas… "Yog… "yoga y … http… TRUE
#> 9 9 2016-03-06 La Ciudad El Colegio … "Será… "El … "el cons… http… FALSE
#> 10 10 2016-03-06 La Ciudad La inseguri… "A pe… "Un … "un grup… http… TRUE
#> # ℹ 710 more rowsLos diccionarios
Una vez cargada la base de notas vamos a crear variables numéricas y
una de carácter que contengan las frecuencias de palabras totales, la
frecuencia de palabras de cada diccionario usado para cada una de las
notas y las palabras clave mencionadas en cada nota. En esta parte del
código haremos uso de las funciones acep_count() y
acep_extract(). También crearemos diccionarios breves para
identificar menciones a conflictos, huelgas y actores colectivos.
# Creamos el diccionario de palabras que refieren a huelgas
dicc_huelgas <- c("en paro", "al paro", "huelga", "huelguistas", "paro y movil",
"paro de actividades", "conciliación obligatoria", "un paro",
"paro total", "paro parcial", "trabajo a reglamento",
"el paro", "de brazos caídos")
# Cargamos el diccionario de palabras que refieren a conflictividad
dicc_conflictos_base <- c("conflicto", "conflictos", "protesta", "protestas",
"reclamo", "reclamos", "paro", "huelga",
"movilización", "manifestación")
dicc_conflictos <- unique(c(dicc_conflictos_base, dicc_huelgas))
# Creamos la variable con la frecuencia de palabras que refieren a conflictividad
rev_puerto$frec_conflictos <- acep_count(rev_puerto$nota, dicc_conflictos)
# Creamos la variable con la frecuencia de palabras que refieren a huelgas
rev_puerto$frec_huelgas <- acep_count(rev_puerto$nota, dicc_huelgas)
# Creamos el diccionario de palabras que refieren a actores colectivos
dicc_actores <- c("trabajadores", "docentes", "sindicato", "vecinos",
"municipal", "gobierno")
# Creamos la variable con la frecuencia de palabras que
# refieren a actores colectivos
rev_puerto$frec_actores <- acep_count(rev_puerto$nota, dicc_actores)
# Imprimimos la base en consola
rev_puerto#> # A tibble: 720 × 12
#> id fecha seccion titulo bajada nota nota_norm link clas_hum
#> <dbl> <date> <fct> <chr> <chr> <chr> <chr> <chr> <lgl>
#> 1 1 2016-03-01 La Ciudad Emotivo: po… "Hace… "Los… "los dos… http… FALSE
#> 2 2 2016-03-01 La Ciudad El oficiali… "En l… "La … "la decl… http… TRUE
#> 3 3 2016-03-02 La Ciudad Rech tambié… "El r… "El … "el conc… http… TRUE
#> 4 4 2016-03-02 La Ciudad Anuncian in… "El i… "El … "el inte… http… FALSE
#> 5 5 2016-03-02 La Ciudad Video: la p… "El C… "De … "de mane… http… FALSE
#> 6 6 2016-03-03 La Ciudad Nuevas inve… "Una … "Rep… "represe… http… FALSE
#> 7 7 2016-03-03 La Ciudad Exigimos un… "Para… "En … "en el m… http… TRUE
#> 8 8 2016-03-03 La Ciudad Hoy en Mar … "Clas… "Yog… "yoga y … http… TRUE
#> 9 9 2016-03-06 La Ciudad El Colegio … "Será… "El … "el cons… http… FALSE
#> 10 10 2016-03-06 La Ciudad La inseguri… "A pe… "Un … "un grup… http… TRUE
#> # ℹ 710 more rows
#> # ℹ 3 more variables: frec_conflictos <int>, frec_huelgas <int>,
#> # frec_actores <int>Ahora vamos a usar la función acep_extract() para
extraer las palabras clave de los diccionarios de conflictividad,
huelgas y actores colectivos que aparecen en cada una de las notas de la
muestra.
# Creamos la variable con las palabras que refieren a conflictividad
rev_puerto$extract_conflictos <- acep_extract(rev_puerto$nota, dicc_conflictos, izq = "")
# Creamos la variable con las palabras que refieren a huelgas
rev_puerto$extract_huelgas <- acep_extract(rev_puerto$nota, dicc_huelgas)
# Creamos la variable con las palabras que
# refieren a actores colectivos
rev_puerto$extract_actores <- acep_extract(rev_puerto$nota, dicc_actores)
# Imprimimos la base en consola
rev_puerto#> # A tibble: 720 × 15
#> id fecha seccion titulo bajada nota nota_norm link clas_hum
#> <dbl> <date> <fct> <chr> <chr> <chr> <chr> <chr> <lgl>
#> 1 1 2016-03-01 La Ciudad Emotivo: po… "Hace… "Los… "los dos… http… FALSE
#> 2 2 2016-03-01 La Ciudad El oficiali… "En l… "La … "la decl… http… TRUE
#> 3 3 2016-03-02 La Ciudad Rech tambié… "El r… "El … "el conc… http… TRUE
#> 4 4 2016-03-02 La Ciudad Anuncian in… "El i… "El … "el inte… http… FALSE
#> 5 5 2016-03-02 La Ciudad Video: la p… "El C… "De … "de mane… http… FALSE
#> 6 6 2016-03-03 La Ciudad Nuevas inve… "Una … "Rep… "represe… http… FALSE
#> 7 7 2016-03-03 La Ciudad Exigimos un… "Para… "En … "en el m… http… TRUE
#> 8 8 2016-03-03 La Ciudad Hoy en Mar … "Clas… "Yog… "yoga y … http… TRUE
#> 9 9 2016-03-06 La Ciudad El Colegio … "Será… "El … "el cons… http… FALSE
#> 10 10 2016-03-06 La Ciudad La inseguri… "A pe… "Un … "un grup… http… TRUE
#> # ℹ 710 more rows
#> # ℹ 6 more variables: frec_conflictos <int>, frec_huelgas <int>,
#> # frec_actores <int>, extract_conflictos <chr>, extract_huelgas <chr>,
#> # extract_actores <chr>Las palabras clave extraídas
Ya construidas las variables nos ocuparemos de poner el foco en el
rendimiento de la función acep_extract(). Seleccionaremos
las columnas referidas a las extracciones de conflictos y huelgas.
Veamos.
# Seleccionamos las variables de extracción de palabras clave
rev_puerto_huelgas <- rev_puerto[rev_puerto$extract_huelgas != "",]
rev_puerto_actores <- rev_puerto_huelgas[rev_puerto_huelgas$extract_actores != "",]
rev_puerto_seleccion <- rev_puerto_actores[ , c('extract_conflictos', 'extract_huelgas', 'extract_actores')]
# Imprimimos la base en consola
rev_puerto_seleccion#> # A tibble: 84 × 3
#> extract_conflictos extract_huelgas extract_actores
#> <chr> <chr> <chr>
#> 1 un paro; reclamo; protesta; reclamos un paro docentes; trab…
#> 2 conflicto; un paro un paro gobierno; gobi…
#> 3 protestas; un paro; paro un paro municipal; vec…
#> 4 al paro; reclamos; conflictos; conflicto; co… al paro sindicato; vec…
#> 5 un paro un paro sindicato; gob…
#> 6 el paro; movilización el paro gobierno; gobi…
#> 7 un paro; conciliación obligatoria; el paro; … un paro; conci… trabajadores; …
#> 8 huelga; un paro; paro; paro; huelga; un paro… huelga; un par… docentes; sind…
#> 9 un paro; un paro; paro un paro; un pa… municipales
#> 10 un paro; reclamo; movilización; huelga; movi… un paro; huelg… sindicatos; go…
#> # ℹ 74 more rowsNota final
A lo largo de este breve tutorial sobre la función
acep_extract() del paquete ACEP buscamos ejemplificar de
qué modo puede ser usada esta función para individualizar cada una de
las palabras clave que fueron contabilizadas en las notas con la función
acep_count().