domingo, junio 08, 2008

PEQUEÑO PASEO LEXICOGRÁFICO

Imagen: Catálogo de pajaritos sumerio de hace muuucho tiempo. Tomada de la sección lexicográfica de la página web de la colección Schoyen.

Como lo había mencionado antes, me puse a bajar texto de unos cuantos blogs (5) para ver qué resultados de co-ocurrencia de palabras salen, con mi programita. Quería hacer eso también con el blog del Juglar del Zipa, pero resultó que tiene demasiado pocas palabras. Para llenar el hueco metodológico, decidí más bien recurrir a nuestro amigo Addiction Kerberos. Tomé el texto de "Crónicas desde el Trasero del mundo", pero increíblemente no resultó suficiente, por lo que acudí a "Joural Malédiction". Como me dio pereza romperme la cabeza escogiendo la fuente de los textos, tomé ese, dos blogs del prolífico y prostático Jaime Ruiz ("Pensemos" y "Vislumbrando el Milagro Colombiano") el de Alejandro Gaviria y el de Alejandro Peláez (Machete), blogs que visito con alguna frecuencia.

Como de costumbre, la matriz de coocurrencia (una columna para cada palabra, una fila para cada palabra, y en cada sitio el número de veces que salen en una misma vecindad) es descepcionantemente poco poblada. Por eso hacen falta archivos muy grandes. Sin embargo, algo se puede ver en ésta. Aquí están algunas palabras que suelen aparecer juntas en al menos dos de dichos blogs:

PALABRA 1 PALABRA 2 AGAVIRIA KERBEROS MACHETE PENSEMOS PB PAIS BIZARRO
colombianos somos 1 0 0 268 0
colombianos desarrollo 0 0 1 0 161
mucho muchos 151 0 0 0 1
colombiana riqueza 0 0 0 122 7
colombiana evidente 1 0 0 0 84
estado unidos 68 0 0 1 0
colombia colombiana 66 0 0 1 0
colciencias mejor 0 16 50 0 0
pasa pasado 55 0 0 0 2
pública veces 1 0 0 51 0
harvard semana 0 0 0 2 50
prensa últimas 1 0 0 50 0
colciencias mientras 0 5 39 0 0
blog orden 0 0 0 43 1
paz tecnología 0 0 0 1 38
medios parece 0 0 0 4 31
materia ricos 1 0 0 34 0
colombianas público 0 0 0 32 3
colombianas medios 0 0 0 26 8
colombiana rural 0 0 0 32 1

(para una lista un poco más completa, usted puede ir por allá)

El tamaño de los textos hace que estén más documentados los resultados de los dos blogs del gramático del régimen. Tomando en cuenta todas las co-ocurrencias y comparándolas con la medida de similaridad usual (el coseno entre los vectores) obtuve un resultado un poco extraño (mostrado acá como porcentajes de la raíz cuadrada del coseno entre vectores con todos los datos de co-ocurrencia):


AGAVIRIA KERBEROS MACHETE PENSEMOS PB PAÍS BIZARRO
AGAVIRIA 100 17 12 14 15
KERBEROS 17
100 54
16 10
MACHETE 12
54
100 12
18
PENSEMOS 14
16
12
100 19
PAÍS BIZARRO 15
10
18
19
100

Tomé la raíz cuadrada porque los números, tal como salen, son demasiado pequeños entre palabras distintas, y no se pueden apreciar las diferencias bien. Aunque los resultados no muestran unas afinidades lexicográficas muy marcadas, hay una sorprendente entre nuestro amigo Alejandro Peláez y el atormentado Addiction Kerberos. Como diría Jaime Ruiz: ¿serán el mismo?

Con un poco de imaginación y con números en negrillas, uno puede ver que los blogs de don Jaime sí son más parecidos entre sí que con los otros tres, al menos. Y que todos los otros tres son, en general más parecidos entre sí que con los bizarros.

El esquema matemático que usé no es la gran cosa (leximancer, por ejemplo, haría algo muchísimo más sofisticado), y estoy trabajando en uno más sofisticado basado en la medición de la fidelidad de los canales de comunicación cuánticos, que tal vez de resultados más interesantes. Cuando lo tenga, lo pongo acá.

Veamos si con este ladrillazo espanto a mis tres lectores.

Hasta pronto.

7 comentarios:

juglar del zipa dijo...

pocas palabras en mi blog? pero si mi blog es un universo léxico! tanto he escrito yo en mi blog que ya no tengo nada más que escribir y cada vez que quiero decir o comentar algo me puedo citar.

Addiction Kerberos dijo...

"nuestro amigo" desde cuándo? un "sarcasmo"? claro, cuando se es pobre de espíritu se recurre a ellos. No sea igualado, no soy su amigo, como tampoco me espanta y la verdad me resbala saber quién es el gilipollas del Peláez.

Apelaez dijo...

A mi me parecio muy entretenido el ejercicio. Yo tampoco se quien es kerberos, tampoco me importa.

Lanark dijo...

Juglar: Tal vez el problema sea que es difícil bajar todos los textos del blog de una manera no-agresiva (que no parezca un hacker tratando de joder el servidor). Estaba viendo si no era que no había bajado todo el texto, pero en el último post de por allá vi que mi apreciación fue confirmada por una fuente automática independiente.

Pero para mí no es ninguna sorpresa que la cantidad de cosas que se digan no es proporcional a la cantidad de palabras (tokens) utilizados. El blog más prolífico que utilicé sólo dice variaciones de una idea solitaria y obsesiva: que nada puede en absoluto ser peor que ser mamerto. Buento, tal vez también que Colombia es un sitio especial, y que es el metro universal para medir todos los demás países; metro que hace hasta a España verse bien.

Mejor dicho: yo sí creo que, en Juglar del Zipa punto com sí se han dicho muchas mas cosas que en el blog promedio (varios órdenes de magnitud más) pero se ha hablado mucha menos carreta.

Nuestro Amigo: No es sarcasmo, en la interné todos somos amiguísimos.

Apeláez: Me alegra que le haya entretenido; ahora ando con la idea de que lo que hago es la cosa más aburrida del mundo para los demás. Tal vez siga siendo cierto, pero igual me alegra que a uno que otro le entretengan.

Si tuviera tiempo, haría una máquina que aprende (en el sentido técnico del término) para entrenarla y que pueda emular a Jaime Ruiz. La pondría a opinar en todos lados. Sería mejor que James Bizarre (no, yo no soy James Bizarre).

Anónimo dijo...

Que buen ejercicio. Me gustaría ver en la lista los números del blog de la casa, solo por seguir con la comparación.

Anónimo dijo...

嘟嘟情人情色網免費-線上a片台灣本土影片分享sex383線上557557哈拉聊天室小老鼠成人論壇辣妹視訊秀美美色網影片taiwankiss文學區小老鼠分享論壇巨乳辣妹寫真視訊成人免費視訊聊天69成人黃色故事小說免費成人論壇台灣論壇情色文學JP成人論壇色情視訊聊天室JP成人影城偷窺自拍貼圖片區女學生情色視訊聊天室豆豆成人聊天室女生遊戲區女學生自拍電影貼片區亞洲東洋成人影片女優成人情色網嘟嘟色情貼圖區168視訊美女激情辣妹聊天室咆嘯小老鼠 成人影片論壇南部成人聊天室尋夢園6k聊天室聯盟一夜激情聊天室男女網愛聊天室網路 視訊 美女性愛情小說live影音網愛小莉影像館色情聊天室色美媚部落格黑澀會美眉無名黑澀會美眉女狼俱樂部視訊聊天室成人話題聊天室春夫人視訊情人網辣妹成人視訊聊天室玩美女人視訊聊天室免費視訊妹妹聊天室優質浪女視訊聊天室色情豆豆聊天室show-live視訊網心之悸動聊天室kiss影音視訊聊天室男人尋夢園聊天室藍色愛情海聊天室e夜情人免費視訊聊天室色色小遊戲新中台灣聊天室台北聊坊聊天室網路愛情學院聊天室愛上女主播視訊聊天室愛情花園聊天室ut聊天室聊天室尋夢園成人視訊聊天室真愛視訊聊天室5278免費視訊聊天室168視訊聊天室meiren多人視訊聊天室WatchShow.TV-情色視訊聊天室免費視訊影片下載伊莉成人討論區影音視訊交友網sex貼片成人影音視訊聊天室嗆辣妹影音視訊聊天080聊天網心悸動av女優VS檳榔西施視訊momokoko蜜雪兒免費小說免費貼圖區日本美女寫真集免費情色影片觀賞洪爺情色論壇成人動畫論壇艾噹洛論壇sogo成人論壇激情網愛kk視訊網愛俱樂部aa片免費看a片網友一夜情聊天室AA片免費看百分百貼影片網百分百貼成人影片區百分百貼影片區aaaa片百分百成人圖片百分百貼圖娛樂百分百百分百貼圖區百分百百分百圖帖線上色咪咪影片線上 a片免費色咪咪影片下載色咪咪影片免費色咪咪影片網a片線上免費看免費色咪咪影片免費色咪咪貼影片免費視訊聊天85cc免費影城免費貼影片區免費小魔女自拍區自拍美女聊天室自拍美女聊天室本土自拍自拍 偷拍辣妹有約美女聊天室辣妹聊天室情人視訊高雄網線上av片本土自拍網情人視訊高雄網情人視訊聊天室自拍影片情人視訊苗栗網視訊情人高雄網視訊交友網色美媚免費線上a片色美媚-部落格情人視訊 援交網日本偷自拍圖片色美媚聊天室色美媚部落格2色美媚部落格免費 a色美媚部落格自拍部落格色美媚聊天室色美媚視訊聊天

Anónimo dijo...

aa片免費看aa色美媚 交友網站男人幫情色論壇男人幫情色論壇男人幫論壇557557.com豆豆聊天室線上a片下載fhm 男人幫台灣男人幫論壇sogo 男人幫論壇癡漢論壇85cc男人幫論壇女人色色網線上免費aaa片女人 色色網免費AV色色網色情卡通網男人女人 色色網非常好色情色交友網情色貼片成人夜色黃色恐怖小弟弟貼影片區a片情色典獄長天下第一色站線上免費a片網bbs小弟弟貼影片區免費小弟弟貼影片區小弟弟貼影片區 bbs小魔女 貼影片區小弟弟貼圖片區小弟弟貼a片區小弟弟 貼影片區卡通aa片線上卡通a片微風成人區小魔女免費a片小魔女卡通a片下載卡通a片觀賞卡通aa片免費看男人幫情色自拍卡通 免費a片免費線上卡通a片免費下載卡通a片免費A片線上看aa片sex520aa免費影片卡通a片百分百貼影片區線上a片免費線上成人影片線上aa片免費影片watchshow情色視訊聊天室線上a片尋夢園 視訊 交友聊天室aio交友 聊天室交友 聊天室免費交友聊天室視訊交友聊天室一夜情交友聊天室一葉晴交友聊天室pc 交友聊天室戀愛 交友聊天室aa片免費a片下載aa片免費看aio 交友聊天室aa片免費看影片383成人影城-免費a片免費a片視訊真實做愛影片分享免費 視訊台灣成人電影情色電影長片下載咆哮小老鼠影片分享區0800a片網av博物館寄情築園小遊戲辣妺視訊免費影音美女真愛love777聊天室柔情聊天網免費小遊戲區苗栗人聊天室馬子免費影片080聊天王朝做愛 影片 自拍網愛聊天室美女圖片區中部聊天室mcyzone成人論壇McyZone大眾論壇思源中文網megarotic a片下載聊天室交友米克綜合論壇迷你窩miniworld甜心寶貝淫片區台灣成人交友情色自拍貼圖自拍情色論壇mobile01 論壇小魔女免費影片momokoko同學會視訊月光論壇摩尼網bbs社區重車論壇免費MP3音樂下載好色客成人圖片免費A片北部人聊天室美女裸體自拍寫真小高深情聊天室愛情小語聊天室曼雪兒-情色文學阿賓色慾小說免費成人色情文學日本成人短片金瓶影片交流區情色網站18成人圖片亞洲成人圖片區只有貼圖區免費成人A片A圖區任天堂NDSL遊戲下載玩美女人視訊聊天網VAN698網路電視台最新院線電影免費下載躺伯虎聊天室台中人聊天室sogo情色論壇後宮視訊情色網

COMPREN, COMPREN