Extracción de contexto geográfico a partir de NLP para información de tránsito en redes sociales

Poco se ha hablado de la recuperación de información espacial de texto, en particular porque el termino “información espacial” se asocia con geometrías en forma de vectores o información de tipo raster que expresan distintas variables o fenómenos acompañados de coordenadas, pese a esto la extracción de información en texto se presenta como uno de los avances más prometedores gracias al procesamiento natural del lenguaje (NLP) y en este caso se perfila como un nuevo campo de acción complementario al análisis espacial intentando extraer un evento especifico que sucede en el espacio y se plasmó en un texto. La fuente principal de texto, para esta investigación, son los compartidos en una red de colaboración como twitter, Los eventos extraídos son los que se encuentran o hacen referencia a la malla vial y que afectan la movilidad de forma recurrente o aleatoria, este último, el aleatorio, el más difícil de manejar en una ciudad cualquiera que debe monitorear el tránsito de actores viales bajo una red de sensores que intentan ver la congestión de las vías e incidencias viales. Ahora bien, estos textos fueron almacenados bajo un esquema de base de datos clasificados como incidencia vial que se pasan sobre un reconocedor de patrones de escritura que extrae la localización y posteriormente alimenta un georreferenciador que devuelve un par de coordenadas (lat, lon), la idea con estas coordenadas es convertirlas en datos compilados que dentro de un análisis espacial muestren un fenómeno de agrupamiento bajo técnicas geoestadisticas como la autocorrelación espacial, encontrando puntos calientes o puntos fríos de existencia de incidentes. Los resultados geográficamente definidos se comparan con datos de años recientes levantados por entidades oficiales de tránsito y que son publicados para el acceso libre, la comparación de patrones entre un año anterior y los extraídos con inteligencia artificial muestran comportamientos espaciales similares y la auto correlación espacial conserva cierta similitud dejando ver la utilidad de la extracción de foco geográfico que se plantea y posible complemento a fuente de datos para el manejo de la congestión vial e incidencias de tránsito.

• Fecha de publicación: 2022
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/33152
• Acceso en línea: http://hdl.handle.net/11349/33152
• Palabra clave: Gazzetters; Recuperación de información; Datos espaciales; Procesamiento natural del lenguaje; Máquinas de soporte vectorial; Geo codificación; Análisis espacial; Inteligencia artificial; Maestría en Ciencias de la Información y las Comunicaciones -- Tesis y disertaciones académicas; Lingüística computacional; Procesamiento natural del lenguaje; Análisis espacial (Estadística); Inteligencia artificial; Máquinas de vectores de soporte; Recuperación de información; Recuperación de información; Spatial data; Natural language processing; Support vector machines; Geo coding; Spatial analysis; Artificial intelligence
• License: CC0 1.0 Universal