Clasificación automática de textos periodísticos usando Random Forest

Abstract

En los últimos anos el periodismo regional, al igual que en todas partes del mundo, pasó de su formato clásico de publicación al electrónico. Así las webs de noticias regionales también se ven obligadas a evolucionar y mejorar sus prestaciones a través de una mejor organización y categorización previa de toda la información disponible para el lector. En este trabajo se propone abordar la clasificación automática de textos periodísticos digitales a través del Aprendizaje Automatizado. Se presentan dos clasificadores automáticos de textos periodísticos extraídos de paginas webs de noticias del NOA basados en Random Forest y se proponen dos técnicas para la reducción de dimensionalidad del espacio de características. Estos clasificadores fueron evaluados con distintas colecciones de noticias demostrando un buen desempeño.