Contextos Elementales

Durante la fase de la importación, T-LAB lleva a cabo una segmentación del corpus en contextos elementales, para facilitar las exploraciones del usuario y, sobre todo, para efectuar los análisis que requieren el cómputo de las co-ocurrencias.

Según la elección del usuario, los contextos elementales pueden ser:

1 - Frases

Contextos elementales que terminan con signos de puntuación (.?!) y que no superan longitud máxima de 1.000 caracteres.

2 - Fragmentos

Contextos elementales de longitud comparable y compuestos de uno o más enunciados.

En este caso, las reglas de segmentación usadas por T-LAB son las siguientes:

- considerar como contexto elemental cada secuencia de palabras interrumpida por el punto y a parte y cuyas dimensiones sean inferiores a la longitud de 400 caracteres;

- en el caso en el que, dentro de la longitud máxima, no haya ningún punto y a parte, buscar, en el orden, otros signos de puntuación (? ! ; : ,). Si no se encontraran, segmentar en base a un criterio estadístico, pero sin truncar las unidades lexicales.

3 - Párrafos

Contextos elementales que terminan con signos de puntuación (.?!) y retorno del carro (longitud máxima: 2.000 caracteres).

4 - Textos Breves

Esta opción se permite solamente cuando la longitud máxima de textos no supera los 2.000 caracteres (por ejemplo, las respuestas a preguntas abiertas).

NOTA:

- El fichero corpus_segments.dat contiene el resultado de la segmentación del corpus;
- En T-LAB, la opción concordancias permite verificar los contextos elementales en los que está presente cada palabra (o lema).