Hola: Me gustar�a que me recomendarais paquetes o alguna forma de "hincarle el diente" para empezar a investigar en la siguiente cuesti�n.
El proyecto trata de que, a partir de un numero grande de documentos pdf que contienen, b�sicamente, Notas Simples del Registro de la Propiedad deseamos extraer para cada uno de esos documentos una serie de �tems de informaci�n, a saber: -Finca Registral -Registro de la Propiedad -Referencia Catastral (si la hubiera) -IDUFIR o CUR (identificadores �nicos de finca registral, si las hubiera) Los documentos provienen de muy diversas fuentes por lo que la informaci�n no se podr�a extraer con miner�a de textos "pura" ya que, por ejemplo, la finca registral puede venir especificada como: -FINCA DE TOLEDO N�: XXXXXXX -N� Finca: FINCA DE PILAR DE LA HORADADA N�: XXXXXXX -Finca registral: XXXXXXX -REGISTRAL XXXXXX -FINCA DE MARBELLA (Secci�n 03) N�: XXXXXX -Finca: XXXXXX Siendo un total profano en la materia, creo que se puede definir como un proyecto a tratar usando un Procesamiento de Lenguaje Natural, en tanto que se necesita de un an�lisis sem�ntico de los textos vista la variedad de formas que hay de expresar el mismo concepto con textos distintos. Desconozco si existe alg�n tipo de proceso de Aprendizaje Autom�tico que se pueda tambi�n aplicar para que el proceso vaya "aprendiendo" como se puede ir encontrando la informaci�n de los distintos �tems de forma complementaria al PLN. He localizado esta web: https://cran.r-project.org/web/views/NaturalLanguageProcessing.html en la que hay multitud de paquetes/herramientas para an�lisis de este tipo pero me gustar�a que me indicarais cual o cuales cre�is que son los m�s apropiados para este caso concreto o si tengo que enfocar el tema por otro lado completamente distinto. Mil gracias por vuestros consejos. Un saludo JLL Valoraciones, S.A. Registration number: A-28806222. Registered Office: P� de la Castellana, 130 - 1� ; 28046 Madrid This e-mail is for the use of the intended recipient(s) only. If you have received this e-mail in error, please notify the sender immediately and then delete it. If you are not the intended recipient, you must not use, disclose or distribute this e-mail without the author's prior permission. We have taken precautions to minimise the risk of transmitting software viruses, but we advise you to carry out your own virus checks on any attachment to this message. We cannot accept liability for any loss or damage caused by software viruses. If you are the intended recipient and you do not wish to receive similar electronic messages from us in future then please respond to the sender to this effect [[alternative HTML version deleted]]
_______________________________________________ R-help-es mailing list [email protected] https://stat.ethz.ch/mailman/listinfo/r-help-es
