Quiénes aparecen

entidades nombradasEntidades nombradas (NER). Los nombres propios que aparecen en un texto: personas, lugares, instituciones. En minería de texto se llama NER (reconocimiento de entidades nombradas). Acá los reconoce un modelo entrenado con textos en español (spaCy); al lado se muestra lo que veían nuestras reglas —la mayúscula y listas de palabras conocidas— como contraste.⚠️ El modelo acierta unas dos de cada tres veces, y las reglas una de cada tres: siempre queda algo mal puesto. Un apellido solo («Montenegro») se junta con el nombre completo si apareció antes en el texto; si no, queda como otra persona.leer más →

Las palabras dicen de qué se habla. Los nombres dicen de quién: las personas, las organizaciones y los lugares más nombrados, con los dos filtros sin los cuales la lista es correcta e inútil.

Sobre qué se buscan los nombres

Pegá lo que quieras —un discurso, una entrevista, comentarios— o la dirección de una nota de cualquier diario del país (una por renglón, hasta cinco) y le corremos el mismo conteo. No se guarda nada y no hace falta registrarse.

04 — El límite

El modelo acierta bastante más que unas reglas (medido: 63 de cada 100 nombres contra 26), pero se equivoca igual: parte nombres, toma el título de una nota por una organización y no sabe que dos formas de escribir son la misma persona. Y no se le puede preguntar por qué decidió. Sirve para orientarse sobre quién está en escena — no como padrón.
¿Qué es Quiénes aparecen? — ver más

Los nombres los encuentra un modelo entrenado (spaCy) que lee la frase entera y aprendió, sobre miles de textos en español marcados a mano, qué suena a nombre de persona, de organización o de lugar. Después nosotros acomodamos: el apellido suelto se suma al nombre completo, y se tachan la ciudad y los diarios, que están en todas las notas y no dicen nada.

NER (reconocimiento de entidades nombradas) por modelo estadístico, no por reglas: spaCy es_core_news_md, corriendo en nuestro propio servidor. Nuestras reglas anteriores —mayúsculas más listas de cargos e instituciones— quedan al lado como contraste, porque se pueden mostrar por dentro y el modelo no.

Leer la explicación completa: cómo se hace paso a paso, y los trabajos que fundaron la técnica →

Probar con un texto tuyo → Pegás lo que quieras y le corrés el mismo conteo. Sin registrarte. Y después: cómo lo dice cada diario → Un mismo hecho no se cuenta igual en todos lados. Acá se ve dónde se separan los diarios: qué palabras usan todos, cuáles usa casi solo uno, con qué tono, y —plegado al final— cuál escribe más difícil.
Todos investigamos algo.

Con una cuenta gratis cargás tus textos, los etiquetás, corrés estos mismos análisis sobre ellos y publicás lo que encontraste. Cuando publicás tu primera investigación, sos investigador del HLab.

Crear mi cuenta → Ver un caso completo: El Marquesado