PDF de programación - Métodos y técnicas de investigación cuantitativa

Métodos y técnicas de
investigación cuantitativa

César Antonio Aguilar

Facultad de Lenguas y Letras

12/06/2012

[email protected]

Tareas realizables con corpus

En esta clase, vamos a tratar de hacer algunos ejercicios mínimos
con algunas herramientas disponibles para análisis de corpus
lingüísticos, en concreto las suites de herramientas Jaguar (IULA-
UPF), y Natural Language-Tool Kit (NLTK), desarrollada en
lenguaje Python.

http://melot.upf.edu//cgi-bin/jaguar/jaguar.pl

http://nltk.org

Introducción rápida a Python (1)

Python es un lenguaje de programación que nos permite
emplear una colección de programas para hacer tareas de
procesamiento de textos. A esta colección se le conoce como
NLTK (Natural Language Tool-Kit).

http://www.python.org/

https://sites.google.com/site/
naturallanguagetoolkit/book

Introducción rápida a Python (2)

A grandes rasgos, Python es un lenguaje bastante versátil que se
ocupa en muchísimas tareas. Digamos que la publicidad de Python
pone énfasis en decir que:

1. Es fácil de usar.
2. Cuenta con una sintaxis muy clara.
3. Es gratuito (open source).
4. Cuenta con una amplia comunidad de programadores en el
mundo.
5. Cuenta con una gran serie de módulos de programación para
distintas tareas.
6. Permite hacer diversos análisis simbólicos y estadísticos.

¿Qué es programar? (1)

Ahora bien, para empezar,
tratemos de entender algunas
cosas básicas, la primera de
todas: ¿qué cosa es programar?
Consideremos que se trata
simplemente de un proceso por el
cual desarrollamos una secuencia
ordenada de algoritmos
enfocados en la resolución de un
problema.
En general, cualquier programa
se estructura de la siguiente
forma:

¿Qué es programar? (2)

Ahora bien, ¿qué es un
algoritmo? Es un término
que designa un conjunto
de instrucciones que
siguen un orden
determinado, en aras de
resolver justo el problema
que nos interesa.
Así, supongamos que
tenemos un algoritmo que
se llama: “receta para
preparar Spaghetti la
Bolognesa”:

¿Qué es programar? (3)

¿Qué es lo que caracteriza a los lenguajes orientados a objetos? En
concreto, que conciben todo problema como un objeto, esto es,
como una entidad que puede ser descrita a partir de dos rasgos:

1. Contar con atributos, los cuales son representados a partir
de variables.
2. Desempeñar alguna función, la cual se conoce como
método del objeto.

Así, digamos que para un lenguaje como Python, lo que existe en el
mundo son objetos que tienen ciertas propiedades, además de que
pueden ser parte de determinados procesos.

¿Por dónde empezar? (2)

De acuerdo con la definición anterior, podemos definir a todos los
objetos que pertenezcan a la clase coche a partir de 1 atributo
(“Gasolina”), y dos funciones (“arrancar” y “conducir”).
Ahora, de acuerdo con esta lógica, lo que nos importa es para que un
objeto sea reconocido como un coche, lo primero es que sea capaz
de poseer gasolina.
Una vez cumplido este requisito, lo que sigue es que el objeto sea
capaz de desempeñarse dentro del marco de las funciones que
hemos establecido. Si esto ocurre, decimos que el objeto es
verdadero, dado que cumple con los requisitos necesarios para
pertenecer a la clase.
En términos más computacionales, decimos que nuestro objeto
muestra un comportamiento acorde con la clase coche,

¿Por dónde empezar? (3)

Pregunta: pensando como programadores, ¿qué clase de objetos
nos interesa procesar con nuestros códigos?

Instalado Python (1)

Una vez visto lo anterior, pongamos manos a la obra: hay que
instalar primero Python en nuestras computadoras.
Para esto, hay que acceder al siguiente sitio electrónico:

http://nltk.org/install.html

Hay varias versiones de Python. En nuestro caso, vamos a
ocupar la 2.7.3, la cual está disponible tanto para sistemas
Windows, Mac y Linux.

Instalado Python (2)

Una vez que estén en esta página, den un click en el botón
Download, y buscan la opción Python 2.6. Windows Installer. Al darle
un click, les debe mostrar una ventana para descargar su programa:

Nota: para aquellos que manejen sistemas Mac, Leopard, o cualquiera de la familia Linux
(Ubuntu, RedHat, Madrake, Mandriva, Suse, and so on…), podemos revisarlos aparte.

Instalado Python (3)

Luego que de hayan descargado el archivo de instalación de Python,
viene una tarea complicada: responder a la pregunta: ¿Desea
ejecutar este archivo?:

En caso de que respondan favorablemente, den un click en el botón
Ejecutar, y pasamos a la siguiente fase.

Instalado Python (4)
Posteriormente, el ejecutable de Python les da dos opciones de
instalación: una que permite a todos los usuarios de su equipo acceder a
este recurso, u otra que restringe su uso únicamente a ustedes. Mi
sugerencia es que opten por la primera opción.

Instalado Python (5)
Ahora, viene lo más complicado del proceso: decirle Sí a todas las ventanas
que aparezcan de forma sucesiva. Empezamos con la primera: seleccionar
la carpeta en donde se van a descargar Python:

Instalado Python (6)
Luego, Python es un lenguaje que trabaja con librerías, es decir,
colecciones de herramientas construidas para realizar tareas específicas.
Ustedes pueden descargar todas las librerías, o seleccionar aquellas que
crean necesarias. En nuestro caso, optamos por ocupar todas:

Instalando Python (7)

Finalmente, Python les presenta una ventana en donde les notifica que el
proceso de instalación ha terminado:

Si dan un click a “Finish”, concluyen satisfactoriamente el proceso de
instalaciòn.

Mi primera sesión en Python (1)

Empecemos a utilizar
nuestra sesión en Python,
para lo cual primero
comprobemos que está
funcionando.
Si trabajan con Windows,
vayan a su botón de Inicio,
selecciones la opción Todos
los programas, escogen la
opción Python 2.7, y luego
dan un click en la opción
IDLE Python.

Mi primera sesión en Python (2)

Al seleccionar la opción
de IDLE Python, lo que
estamos haciendo es
llamar al intérprete de
este lenguaje de
programación.
Brevemente, como su
nombre lo indica, un
interprete es una interfaz
editora de textos, que
nos ayuda a interactuar
de una manera
“amigable” con Python,
evitándonos tener que
programar directamente
a un nivel de máquina.

Mi primera sesión en Python (3)

Ahora, demos nuestros primeros teclazos con Python. Escriban la
siguiente instrucción:

print “¡Hola, Mundo!”

Una vez hecho esto, opriman el botón de Enter, y obtenemos:

Mi primera sesión en Python (4)

Una buena parte de los procesos que vamos a ejecutar en Python siguen la
siguiente estructura:
1. Asignación de variables: este proceso consiste en crear un objeto que
sea identificado con un “nombre”; entre ambos se establece una relación de
equivalencia.

2. Declaración de una operación, función y/o instrucción: a grandes
rasgos, son todo el conjunto de acciones y/o funciones en las cuales pueden
operar nuestros objetos, desde una simple suma, hasta un análisis sintáctico
(o parsing).

3. Comentarios: el texto que aparece escrito al lado del signo # se entiende
como un comentario, esto es, una anotación personal que hacemos para
explicar en qué consiste el proceso que vamos a ejecutar.

Algunas aclaraciones (1)
Hay algunas cuestiones que debemos aclarar. La primera tiene que
ver con respecto a la selección de un nombre que no sirva de
variable para identificar a un objeto: no toda expresión lingüística
funciona como una variable, pues hay algunas que aluden a
funciones muy específicas, p.e.:

Nota: las expresiones que aparecen en esta tabla se les conoce como nombres reservados, y
sirven para identificar todas las funciones que caracterizan a un lenguaje de programación. En
nuestro caso, Python maneja 31 nombres reservados, los cuales sirven hacer funciones
concretas.

Algunas aclaraciones (2)
Tener conocimiento de estas limitaciones nos ayuda a evitar
problemas como errores de sintaxis o errores de semántica.
Veamos algunos casos:

Notas: Estos errores se deben a lo siguiente:

1. Caso uno: Nunca inicien un nombre de variable con números, siempre van con
caracteres.

2. Caso dos: el uso del símbolo $ es ilegal a la hora de asignar una variable, ya que este
símbolo es una expresión regular.

3. Caso tres: class es una expresión que sirve para designar funciones que operan al
nivel de clases, por lo que se convierte en un nombre reservado dentro de Python.

Instalando NLTK (1)

Como lo comentamos en una de
las láminas, Python es un
lenguaje de programación que
trabaja con librerías, las cuales
son útiles para realizar alguna
tarea concreta. En Python,
tenemos varias librerías útiles
para trabajar con expresiones
regulares, análisis estadísticos,
generación de grafos, etc.
En nuestro curso, la librería con la
que vamos a trabajar se llama
NLTK (Natural Language Tool-
Kit), una librería pensada
precisamente para hacer
tratamientos computacionales con
textos.

Instalando NLTK (2)

Al igual que Python, NLTK es un software libre que podemos
descargar en nuestra computadora desde el siguiente sitio:

www.nltk.org

Algunos ya lo conocer, otros quizá les resulte nuevo. En todo caso, la
idea es que, a partir de estas sesiones, ustedes se hagan una mejor
idea sobre lo que es esta librería, y los usos que pueden darle para
sus análisis lingüísticos.

Instalando NLTK (3)
De nuevo, les va a aparecer una ventana con la opción de descarga.
Acepten esta opción, y una vez que hayan guardado el ejecutable en
su máquina, inicien el proceso de instalación dando un click. A
continuación, les saldrá una ventana con la siguiente opción:

Elijan la opción
Install for all users.

Instalando NLTK (4)

Su versión de NLTK es compatible con Python 2.6, aunque al inicio
del proceso les salga esta ventana:

Al igual que como lo
hicimos con Python,
aceptemos siempre
las opciones que nos
presenta NL