Técnicas de procesamiento del lenguaje natural para la implementación de una editorial digital

Abstract

[ES] Los modelos de negocio relativos al ocio como el cine o la televisión han reinventado las formas de distribuir sus servicios gracias a la optimización que le ha permitido el hacer uso de la información extraída a través de las grandes cantidades de datos a su disposición. El medio tradicional de las editoriales literarias aún no ha dado con el método apropiado que le permita dar el salto definitivo hacia la transformación digital completa. Este trabajo propone las guías de cómo la ciencia de datos puede ayudar en los procesos de implementación de una editorial digital, en concreto mediante técnicas de procesamiento del lenguaje natural. Se estudia el análisis de las temáticas tratadas en cada libro más allá de las distinciones de géneros literarios clásicos para permitir una mayor personalización de los sistemas recomendadores a los usuarios y para la automatización de un modelo de filtrado de borradores recibidos según traten temáticas afines a la línea narrativa de la editorial o no. Para el estudio de la estabilidad del éxito se hace uso del modelo de aprendizaje profundo BERT. Estimar si un libro será pasajero o estable permite segmentar por rangos de precio respecto a visibilidad a los anunciantes interesados en invertir en publicidad para aparecer en la web de la editorial. Una vez publicado, se estudia su acogida mediante el minado de opiniones de las reseñas publicadas por los lectores. Se concluye que los enfoques propuestos son de relevancia para la editorial y pueden emplearse adaptando los modelos con los libros ya publicados y mejorándolos con los futuros libros a editar.

[EN] Entertainment related businesses such as cinema or television have reinvented the ways of distributing their services based on the performance increase coming from information extracted with big data science approaches. Literary book editorials haven¿t found the appropriate way to digitalize themselves completely. This project stands the guidelines of how data science can help in the process of implementing a digital editorial with natural language processing techniques. It is proposed the analysis of topics contained in the books beyond the classic literary gender distinction with the aim of a more precise personalization of the user recommender systems and for the automatization of a draft filtering model based on whether they contain topics related to the editorial¿s narrative plot style or not. For the exit evolution studies the BERT deep learning model is used. Estimating whether a book's popularity will be stable or not may help split prices with regard to visibility for the advertisers interested in investing to appear on the editorial¿s website. Once published, the reception of the book can be studied with opinion mining techniques of the reviews provided by readers. It can be concluded that the suggested approaches are relevant to the editorial and can be used adapting the models with the already published books and improving them with future book incorporation.