Hola, soy directora de un proyecto de investigación para el cual necesitaré contar con un software "a medida" que me permita hacer una búsqueda léxica en una serie importante de textos cortos, generando posteriormente unos datos estadísticos. Mas concretamente, se trataría de unas redacciones en las cuales el programa tendrá que buscar varias series de palabras que yo determinaría de antemano. Por ejemplo, una primera serie consistiría en palabras o series de palabras como "por lo tanto", "sin embargo", "pero", etc.; una segunda serie con adjetivos como "impresionante", "espectacular", "bonito", etc.; una tercera serie estaría constituida por verbos. El programa deberá buscar estas palabras y compararlas con el número total de palabras del texto, generando unos datos estadísticos. Habría que remarcar luego estas series de palabras en los textos según una leyenda predeterminada.
Unas cuantas dificultades:
- distinguir entre verbos conjugados y en infinitivo.
- hacer distinciones fundamentales para el estudio: reconocer "ver" como un verbo" pero "a ver si " como una locución, por ejemplo.
- contar "ha podido" como un sólo verbo y no como dos.
- idealmente, poder contar las palabras plenas de los textos, es decir nombres, sustantivos, verbos y adverbios por una parte, dejando de lado artículos y preposiciones.
También habrá que hacer estadísticas comparando las redacciones en sí, en cuanto a número de palabras, por ejemplo, y poder ordenarlas.
Necesito encontrar a gente muy seria capaz de crear este programa (necesito un presupuesto pronto), si es que no existe algo así ya hecho en el mercado. Gracias por informarme.
