Análisis sobre la categorización de tesis de grado de las carreras informáticas de la UM, mediante minería de textos

Autores
Mariuz, Gabriel; Panizzi, Marisa Daniela; Sattolo, Iris Inés
Año de publicación
2023
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Este trabajo presenta una clasificación temática de documentos automática mediante el uso de Inteligencia Artificial. Se utilizó Procesamiento de Lenguaje Natural, el cual busca que las computadoras comprendan los textos no estructurados, y extraigan información relevante de dichos textos. Se utilizó la metodología KDT propuesta para minería de textos, y la red neuronal GPT-3 para la clasificación. Los resultados de los experimentos permitieron vislumbrar que GPT-3 es una herramienta posible para utilizarse en la clasificación de texto, obteniendo para nuestro caso un 76% de efectividad en la tarea realizada. Si bien presentó un cierto margen de error, en futuras investigaciones y mejoras en la técnica de preprocesamiento de datos, sería posible aumentar su precisión.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Minería de texto
Categorización de documentos
Redes neuronales
Aprendizaje Profundo
GPT-3
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/155894
Acceder
id SEDICI_4391e94261b9d832dea0fc6fff842ba9
oai_identifier_str oai:sedici.unlp.edu.ar:10915/155894
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Análisis sobre la categorización de tesis de grado de las carreras informáticas de la UM, mediante minería de textosMariuz, GabrielPanizzi, Marisa DanielaSattolo, Iris InésCiencias InformáticasMinería de textoCategorización de documentosRedes neuronalesAprendizaje ProfundoGPT-3Este trabajo presenta una clasificación temática de documentos automática mediante el uso de Inteligencia Artificial. Se utilizó Procesamiento de Lenguaje Natural, el cual busca que las computadoras comprendan los textos no estructurados, y extraigan información relevante de dichos textos. Se utilizó la metodología KDT propuesta para minería de textos, y la red neuronal GPT-3 para la clasificación. Los resultados de los experimentos permitieron vislumbrar que GPT-3 es una herramienta posible para utilizarse en la clasificación de texto, obteniendo para nuestro caso un 76% de efectividad en la tarea realizada. Si bien presentó un cierto margen de error, en futuras investigaciones y mejoras en la técnica de preprocesamiento de datos, sería posible aumentar su precisión.Red de Universidades con Carreras en Informática2023-06info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf150-159http://sedici.unlp.edu.ar/handle/10915/155894spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-46875-6-2info:eu-repo/semantics/reference/hdl/10915/155526info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-22T17:21:26Zoai:sedici.unlp.edu.ar:10915/155894Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-22 17:21:26.362SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Análisis sobre la categorización de tesis de grado de las carreras informáticas de la UM, mediante minería de textos
title Análisis sobre la categorización de tesis de grado de las carreras informáticas de la UM, mediante minería de textos
spellingShingle Análisis sobre la categorización de tesis de grado de las carreras informáticas de la UM, mediante minería de textos
Mariuz, Gabriel
Ciencias Informáticas
Minería de texto
Categorización de documentos
Redes neuronales
Aprendizaje Profundo
GPT-3
title_short Análisis sobre la categorización de tesis de grado de las carreras informáticas de la UM, mediante minería de textos
title_full Análisis sobre la categorización de tesis de grado de las carreras informáticas de la UM, mediante minería de textos
title_fullStr Análisis sobre la categorización de tesis de grado de las carreras informáticas de la UM, mediante minería de textos
title_full_unstemmed Análisis sobre la categorización de tesis de grado de las carreras informáticas de la UM, mediante minería de textos
title_sort Análisis sobre la categorización de tesis de grado de las carreras informáticas de la UM, mediante minería de textos
dc.creator.none.fl_str_mv Mariuz, Gabriel
Panizzi, Marisa Daniela
Sattolo, Iris Inés
author Mariuz, Gabriel
author_facet Mariuz, Gabriel
Panizzi, Marisa Daniela
Sattolo, Iris Inés
author_role author
author2 Panizzi, Marisa Daniela
Sattolo, Iris Inés
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Minería de texto
Categorización de documentos
Redes neuronales
Aprendizaje Profundo
GPT-3
topic Ciencias Informáticas
Minería de texto
Categorización de documentos
Redes neuronales
Aprendizaje Profundo
GPT-3
dc.description.none.fl_txt_mv Este trabajo presenta una clasificación temática de documentos automática mediante el uso de Inteligencia Artificial. Se utilizó Procesamiento de Lenguaje Natural, el cual busca que las computadoras comprendan los textos no estructurados, y extraigan información relevante de dichos textos. Se utilizó la metodología KDT propuesta para minería de textos, y la red neuronal GPT-3 para la clasificación. Los resultados de los experimentos permitieron vislumbrar que GPT-3 es una herramienta posible para utilizarse en la clasificación de texto, obteniendo para nuestro caso un 76% de efectividad en la tarea realizada. Si bien presentó un cierto margen de error, en futuras investigaciones y mejoras en la técnica de preprocesamiento de datos, sería posible aumentar su precisión.
Red de Universidades con Carreras en Informática
description Este trabajo presenta una clasificación temática de documentos automática mediante el uso de Inteligencia Artificial. Se utilizó Procesamiento de Lenguaje Natural, el cual busca que las computadoras comprendan los textos no estructurados, y extraigan información relevante de dichos textos. Se utilizó la metodología KDT propuesta para minería de textos, y la red neuronal GPT-3 para la clasificación. Los resultados de los experimentos permitieron vislumbrar que GPT-3 es una herramienta posible para utilizarse en la clasificación de texto, obteniendo para nuestro caso un 76% de efectividad en la tarea realizada. Si bien presentó un cierto margen de error, en futuras investigaciones y mejoras en la técnica de preprocesamiento de datos, sería posible aumentar su precisión.
publishDate 2023
dc.date.none.fl_str_mv 2023-06
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/155894
url http://sedici.unlp.edu.ar/handle/10915/155894
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-46875-6-2
info:eu-repo/semantics/reference/hdl/10915/155526
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
150-159
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846783645867573248
score 12.982451

Publicaciones similares