NLP Text Analysis with SpaCy: White Noise

Descripción del proyecto

Este proyecto realiza un análisis completo de texto utilizando Python y SpaCy. El objetivo es normalizar, procesar y visualizar datos textuales del libro White Noise de Don DeLillo, con un enfoque en:

• Normalización del texto: limpieza de caracteres especiales, eliminación de números, stopwords y puntuación.
• Lematización: reducción de palabras a su forma base.
• Análisis de frecuencia: identificación de las palabras más comunes.
• Reconocimiento de entidades nombradas: extracción de PERSON y LOC.
• Análisis de partes del discurso (POS): frecuencia de etiquetas gramaticales.
• Visualización: gráficos de barras y pie charts para representar la información de manera clara.

Tecnologías utilizadas

• Python 3.x
• SpaCy (en_core_web_md)
• Pandas
• Matplotlib
• Collections (Counter)
• Re (expresiones regulares)

Uso

1. Clonar el repositorio:

git clone https://github.com/tu_usuario/nombre_del_repositorio.git

Instalar las dependencias:

pip install spacy pandas matplotlib python -m spacy download en_core_web_md

Ejecutar el script o notebook para generar:

• Texto normalizado y lematizado
• Análisis de frecuencia de palabras
• Extracción de entidades nombradas
• Visualizaciones de frecuencia y POS tags

Visualizaciones incluidas

• Top 15 palabras más frecuentes (gráfico de barras)
• Frecuencia de entidades nombradas (gráfico de barras y pie chart)
• Distribución de POS tags (gráfico de barras)

Resultados esperados

• Archivo whitenoise_lemmas.txt con el texto limpio y lematizado.
• CSV entities.csv con las entidades PERSON y LOC identificadas.
• Gráficos generados automáticamente mostrando la distribución de palabras, entidades y POS tags.