<?xml version="1.0" encoding="ISO-8859-1"?><article xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
<front>
<journal-meta>
<journal-id>0187-358X</journal-id>
<journal-title><![CDATA[Investigación bibliotecológica]]></journal-title>
<abbrev-journal-title><![CDATA[Investig. bibl]]></abbrev-journal-title>
<issn>0187-358X</issn>
<publisher>
<publisher-name><![CDATA[Universidad Nacional Autónoma de México, Instituto de Investigaciones Bibliotecológicas y de la Información]]></publisher-name>
</publisher>
</journal-meta>
<article-meta>
<article-id>S0187-358X2021000400001</article-id>
<article-id pub-id-type="doi">10.22201/iibi.24488321xe.2021.89.58419</article-id>
<title-group>
<article-title xml:lang="es"><![CDATA[Algoritmo para el análisis temático de documentos digitales]]></article-title>
<article-title xml:lang="en"><![CDATA[Algorithm for thematic analysis of digital documents]]></article-title>
</title-group>
<contrib-group>
<contrib contrib-type="author">
<name>
<surname><![CDATA[Polo Bautista]]></surname>
<given-names><![CDATA[Luis Roberto]]></given-names>
</name>
<xref ref-type="aff" rid="Aff"/>
</contrib>
<contrib contrib-type="author">
<name>
<surname><![CDATA[Martínez Acevedo]]></surname>
<given-names><![CDATA[Karen Vanessa]]></given-names>
</name>
<xref ref-type="aff" rid="Aff"/>
</contrib>
</contrib-group>
<aff id="Af1">
<institution><![CDATA[,Escuela Nacional de Biblioteconomía y Archivonomía  ]]></institution>
<addr-line><![CDATA[ ]]></addr-line>
<country>Mexico</country>
</aff>
<pub-date pub-type="pub">
<day>00</day>
<month>12</month>
<year>2021</year>
</pub-date>
<pub-date pub-type="epub">
<day>00</day>
<month>12</month>
<year>2021</year>
</pub-date>
<volume>35</volume>
<numero>89</numero>
<copyright-statement/>
<copyright-year/>
<self-uri xlink:href="http://www.scielo.org.mx/scielo.php?script=sci_arttext&amp;pid=S0187-358X2021000400001&amp;lng=en&amp;nrm=iso"></self-uri><self-uri xlink:href="http://www.scielo.org.mx/scielo.php?script=sci_abstract&amp;pid=S0187-358X2021000400001&amp;lng=en&amp;nrm=iso"></self-uri><self-uri xlink:href="http://www.scielo.org.mx/scielo.php?script=sci_pdf&amp;pid=S0187-358X2021000400001&amp;lng=en&amp;nrm=iso"></self-uri><abstract abstract-type="short" xml:lang="es"><p><![CDATA[Resumen El objetivo del artículo es presentar un algoritmo para asignar áreas temáticas a documentos digitales que sirva como herramienta de apoyo al análisis temático dentro de la organización de la información, con el fin de ser implementado en el desarrollo de vocabularios controlados. La metodología utilizada consistió en aplicar el Reconocimiento Óptico de Caracteres (ROC) y la Asignación Latente de Dirichlet (ALD) como las principales herramientas para el desarrollo de un algoritmo basado en el lenguaje de programación Python, que permite la lectura de archivos con extensión PDF para la obtención de los principales temas del corpus textual. Los resultados de la aplicación del algoritmo demuestran su utilidad en el área de la indización como un sistema para identificar y extraer temas relevantes de un documento específico en formato electrónico, permitiendo la automatización de procesos por parte del profesional de la información. De esta forma, se concluye su uso como desarrollo de puntos de acceso alternativos en función del contenido de los textos.]]></p></abstract>
<abstract abstract-type="short" xml:lang="en"><p><![CDATA[Abstract The objective of the article is to present an algorithm for assigning subject areas to digital documents which serve as a support tool for thematic analysis within the organization of information, in order to be implemented in development of controlled vocabularies. The methodology used consisted in applying Optical Character Recognition (OCR) and Latent Dirichlet Allocation (LDA) as main tools for developing an algorithm based on Python programming language,which allows reading of files with a PDF extension in order to obtain the main themes of textual corpus. Results of the algorithm&#8217;s application demonstrate its usefulness in the area of indexing as a system for identifying and extracting relevant topics from a specific document in electronic format, and allow automation of processes by the information professional. This way, its use as a development of alternative points of access based on the content of texts is concluded.]]></p></abstract>
<kwd-group>
<kwd lng="es"><![CDATA[Asignación Latente de Dirichlet]]></kwd>
<kwd lng="es"><![CDATA[Algoritmos]]></kwd>
<kwd lng="es"><![CDATA[Análisis Temático]]></kwd>
<kwd lng="es"><![CDATA[Documentos Digitales]]></kwd>
<kwd lng="en"><![CDATA[Latent Dirichlet Allocation]]></kwd>
<kwd lng="en"><![CDATA[Algorithms]]></kwd>
<kwd lng="en"><![CDATA[Thematic Analysis]]></kwd>
<kwd lng="en"><![CDATA[Digital Documents]]></kwd>
</kwd-group>
</article-meta>
</front><back>
<ref-list>
<ref id="B1">
<nlm-citation citation-type="">
<collab>Asociación Española de Normalización y Certificación</collab>
<source><![CDATA[Métodos para el análisis de documentos, determinación de su contenido y selección de los términos de indización]]></source>
<year>1991</year>
</nlm-citation>
</ref>
<ref id="B2">
<nlm-citation citation-type="journal">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Blei]]></surname>
<given-names><![CDATA[David]]></given-names>
</name>
</person-group>
<article-title xml:lang=""><![CDATA[Probabilistic topic models]]></article-title>
<source><![CDATA[Communications of the ACM]]></source>
<year>2012</year>
<volume>55</volume>
<numero>4</numero>
<issue>4</issue>
<page-range>77-84</page-range></nlm-citation>
</ref>
<ref id="B3">
<nlm-citation citation-type="journal">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Blei]]></surname>
<given-names><![CDATA[David]]></given-names>
</name>
<name>
<surname><![CDATA[Ng]]></surname>
<given-names><![CDATA[Andrew]]></given-names>
</name>
<name>
<surname><![CDATA[Jordan]]></surname>
<given-names><![CDATA[Michael]]></given-names>
</name>
</person-group>
<article-title xml:lang=""><![CDATA[Latent Dirichlet Allocation]]></article-title>
<source><![CDATA[Journal of Machine Learning Research]]></source>
<year>2003</year>
<numero>3</numero>
<issue>3</issue>
<page-range>993-1022</page-range></nlm-citation>
</ref>
<ref id="B4">
<nlm-citation citation-type="journal">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Campos]]></surname>
<given-names><![CDATA[Diego]]></given-names>
</name>
</person-group>
<article-title xml:lang=""><![CDATA[Métricas de similitud para cadenas de texto. Parte III]]></article-title>
<source><![CDATA[SoldAI]]></source>
<year>2017</year>
</nlm-citation>
</ref>
<ref id="B5">
<nlm-citation citation-type="confpro">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Chuang]]></surname>
<given-names><![CDATA[Jason]]></given-names>
</name>
<name>
<surname><![CDATA[Manning]]></surname>
<given-names><![CDATA[Christopher]]></given-names>
</name>
<name>
<surname><![CDATA[Heer]]></surname>
<given-names><![CDATA[Jeffrey]]></given-names>
</name>
</person-group>
<source><![CDATA[Termite: Visualization Techniques for Assessing Textual Topic Models]]></source>
<year>2012</year>
<conf-name><![CDATA[ 12International Working Conference on Advanced Visual Interfaces]]></conf-name>
<conf-loc>Capri Island, Italy </conf-loc>
</nlm-citation>
</ref>
<ref id="B6">
<nlm-citation citation-type="journal">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Contreras]]></surname>
<given-names><![CDATA[Marcial]]></given-names>
</name>
</person-group>
<article-title xml:lang=""><![CDATA[Aplicación del algoritmo RAKE en la indización de documentos digitales]]></article-title>
<source><![CDATA[Investigación Bibliotecológica: archivonomía, bibliotecología e información]]></source>
<year>2018</year>
<volume>32</volume>
<numero>75</numero>
<issue>75</issue>
<page-range>109-23</page-range></nlm-citation>
</ref>
<ref id="B7">
<nlm-citation citation-type="journal">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Delgado]]></surname>
<given-names><![CDATA[Nora]]></given-names>
</name>
<name>
<surname><![CDATA[Sosa]]></surname>
<given-names><![CDATA[Hilda]]></given-names>
</name>
</person-group>
<article-title xml:lang=""><![CDATA[Evaluación de la eficiencia en bibliotecas]]></article-title>
<source><![CDATA[Investigación Bibliotecológica: archivonomía, bibliotecología e información]]></source>
<year>1998</year>
<volume>12</volume>
<numero>24</numero>
<issue>24</issue>
<page-range>57-82</page-range></nlm-citation>
</ref>
<ref id="B8">
<nlm-citation citation-type="book">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Gil Leiva]]></surname>
<given-names><![CDATA[Isidoro]]></given-names>
</name>
</person-group>
<source><![CDATA["La automatización de la indización: propuesta teórica-metodológica. Aplicación en el área de biblioteconomía y documentación]]></source>
<year>1997</year>
<publisher-loc><![CDATA[España ]]></publisher-loc>
<publisher-name><![CDATA[Universidad de Murcia, Departamento de Información y Documentación]]></publisher-name>
</nlm-citation>
</ref>
<ref id="B9">
<nlm-citation citation-type="journal">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Islam]]></surname>
<given-names><![CDATA[Noman]]></given-names>
</name>
<name>
<surname><![CDATA[Islam]]></surname>
<given-names><![CDATA[Zeeshan]]></given-names>
</name>
<name>
<surname><![CDATA[Noor]]></surname>
<given-names><![CDATA[Nazia]]></given-names>
</name>
</person-group>
<article-title xml:lang=""><![CDATA[A survey on optical character recognition system]]></article-title>
<source><![CDATA[Journal of Information &amp; Communication Technology]]></source>
<year>2017</year>
<volume>10</volume>
<numero>2</numero>
<issue>2</issue>
<page-range>1-4</page-range></nlm-citation>
</ref>
<ref id="B10">
<nlm-citation citation-type="journal">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Kosub]]></surname>
<given-names><![CDATA[Sven]]></given-names>
</name>
</person-group>
<article-title xml:lang=""><![CDATA[A note on the triangle inequality for the Jaccard distance]]></article-title>
<source><![CDATA[Pattern Recognition Letters]]></source>
<year>2019</year>
<volume>120</volume>
<page-range>36-8</page-range></nlm-citation>
</ref>
<ref id="B11">
<nlm-citation citation-type="book">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Naumis]]></surname>
<given-names><![CDATA[Catalina]]></given-names>
</name>
</person-group>
<article-title xml:lang=""><![CDATA[Tendencias en la indización y recuperación temática]]></article-title>
<person-group person-group-type="editor">
<name>
<surname><![CDATA[Ríos Ortega]]></surname>
<given-names><![CDATA[Jaime]]></given-names>
</name>
<name>
<surname><![CDATA[Ramírez Vélazquez]]></surname>
<given-names><![CDATA[César Augusto]]></given-names>
</name>
</person-group>
<source><![CDATA[La información: perspectivas bibliotecológicas y distinciones interdisciplinarias]]></source>
<year>2015</year>
<page-range>223-40</page-range><publisher-loc><![CDATA[México ]]></publisher-loc>
<publisher-name><![CDATA[UNAM, Instituto de Investigaciones Bibliotecológicas y de la Información]]></publisher-name>
</nlm-citation>
</ref>
<ref id="B12">
<nlm-citation citation-type="journal">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Piepenbrink]]></surname>
<given-names><![CDATA[Anke]]></given-names>
</name>
<name>
<surname><![CDATA[Gaur]]></surname>
<given-names><![CDATA[Ajai]]></given-names>
</name>
</person-group>
<article-title xml:lang=""><![CDATA[Topic models as a novel approach to identify themes in content analysis]]></article-title>
<source><![CDATA[Academy of Management Proceedings]]></source>
<year>2017</year>
<volume>2017</volume>
<numero>1</numero>
<issue>1</issue>
<page-range>11335</page-range></nlm-citation>
</ref>
<ref id="B13">
<nlm-citation citation-type="">
<collab>Project Jupyter</collab>
<source><![CDATA[The Jupyter Notebook]]></source>
<year>2021</year>
</nlm-citation>
</ref>
<ref id="B14">
<nlm-citation citation-type="confpro">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Sievert]]></surname>
<given-names><![CDATA[Carson]]></given-names>
</name>
<name>
<surname><![CDATA[Shirley]]></surname>
<given-names><![CDATA[Kenneth]]></given-names>
</name>
</person-group>
<source><![CDATA[LDAvis: A method for visualizing and interpreting topics]]></source>
<year>2014</year>
<conf-name><![CDATA[ Workshop on Interactive Language Learning, Visualization, and Interfaces]]></conf-name>
<conf-loc>Baltimore, Maryland, USA </conf-loc>
</nlm-citation>
</ref>
<ref id="B15">
<nlm-citation citation-type="journal">
<person-group person-group-type="author">
<name>
<surname><![CDATA[Smolaks]]></surname>
<given-names><![CDATA[Max]]></given-names>
</name>
</person-group>
<article-title xml:lang=""><![CDATA[Intelligent document imaging with natural language processing and optical character recognition]]></article-title>
<source><![CDATA[AI Business]]></source>
<year>2019</year>
</nlm-citation>
</ref>
</ref-list>
</back>
</article>
