Sistema de generación aumentada por recuperación (RAG) para el acceso a información académica

Autores
Guerra, Francisco; Monti, Kevin; Fernández, Juan Manuel
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El acceso a información en documentos académicos no estructurados, como programas de asignaturas en PDF, continúa siendo un obstáculo para la comunidad universitaria. Este trabajo propone una solución basada en Retrieval-Augmented Generation (RAG), que integra modelos de lenguaje de gran escala (LLMs) con recuperación semántica para habilitar consultas en lenguaje natural sobre programas de la Universidad Nacional de Luján. La metodología incluye crawling automatizado, extracción y segmentación de texto, vectorización y almacenamiento, complementados con un enrutador inteligente que dirige consultas al índice de cada carrera. Las pruebas preliminares evidencian la capacidad del sistema para recuperar información precisa sobre objetivos, contenidos y docentes, validando la aplicabilidad de RAG en el ámbito académico. Como líneas futuras se plantea optimizar el preprocesamiento OCR, ampliar el corpus y desarrollar una interfaz web accesible para la comunidad.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Recuperación Aumentada por Generación (RAG)
Modelo de Lenguaje de Gran escala (LLM)
OCR
Crawling
Vectorización
Indice
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:10915/191535
Acceder
id SEDICI_5b2051b6502f8b86004db420b9480779
oai_identifier_str oai:sedici.unlp.edu.ar:10915/191535
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Sistema de generación aumentada por recuperación (RAG) para el acceso a información académicaGuerra, FranciscoMonti, KevinFernández, Juan ManuelCiencias InformáticasRecuperación Aumentada por Generación (RAG)Modelo de Lenguaje de Gran escala (LLM)OCRCrawlingVectorizaciónIndiceEl acceso a información en documentos académicos no estructurados, como programas de asignaturas en PDF, continúa siendo un obstáculo para la comunidad universitaria. Este trabajo propone una solución basada en Retrieval-Augmented Generation (RAG), que integra modelos de lenguaje de gran escala (LLMs) con recuperación semántica para habilitar consultas en lenguaje natural sobre programas de la Universidad Nacional de Luján. La metodología incluye crawling automatizado, extracción y segmentación de texto, vectorización y almacenamiento, complementados con un enrutador inteligente que dirige consultas al índice de cada carrera. Las pruebas preliminares evidencian la capacidad del sistema para recuperar información precisa sobre objetivos, contenidos y docentes, validando la aplicabilidad de RAG en el ámbito académico. Como líneas futuras se plantea optimizar el preprocesamiento OCR, ampliar el corpus y desarrollar una interfaz web accesible para la comunidad.Red de Universidades con Carreras en Informática2025-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf1165-1169http://sedici.unlp.edu.ar/handle/10915/191535spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-8258-99-7info:eu-repo/semantics/reference/hdl/10915/189846info: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:UNLP2026-04-15T11:58:50Zoai:sedici.unlp.edu.ar:10915/191535Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-04-15 11:58:50.604SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Sistema de generación aumentada por recuperación (RAG) para el acceso a información académica
title Sistema de generación aumentada por recuperación (RAG) para el acceso a información académica
spellingShingle Sistema de generación aumentada por recuperación (RAG) para el acceso a información académica
Guerra, Francisco
Ciencias Informáticas
Recuperación Aumentada por Generación (RAG)
Modelo de Lenguaje de Gran escala (LLM)
OCR
Crawling
Vectorización
Indice
title_short Sistema de generación aumentada por recuperación (RAG) para el acceso a información académica
title_full Sistema de generación aumentada por recuperación (RAG) para el acceso a información académica
title_fullStr Sistema de generación aumentada por recuperación (RAG) para el acceso a información académica
title_full_unstemmed Sistema de generación aumentada por recuperación (RAG) para el acceso a información académica
title_sort Sistema de generación aumentada por recuperación (RAG) para el acceso a información académica
dc.creator.none.fl_str_mv Guerra, Francisco
Monti, Kevin
Fernández, Juan Manuel
author Guerra, Francisco
author_facet Guerra, Francisco
Monti, Kevin
Fernández, Juan Manuel
author_role author
author2 Monti, Kevin
Fernández, Juan Manuel
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Recuperación Aumentada por Generación (RAG)
Modelo de Lenguaje de Gran escala (LLM)
OCR
Crawling
Vectorización
Indice
topic Ciencias Informáticas
Recuperación Aumentada por Generación (RAG)
Modelo de Lenguaje de Gran escala (LLM)
OCR
Crawling
Vectorización
Indice
dc.description.none.fl_txt_mv El acceso a información en documentos académicos no estructurados, como programas de asignaturas en PDF, continúa siendo un obstáculo para la comunidad universitaria. Este trabajo propone una solución basada en Retrieval-Augmented Generation (RAG), que integra modelos de lenguaje de gran escala (LLMs) con recuperación semántica para habilitar consultas en lenguaje natural sobre programas de la Universidad Nacional de Luján. La metodología incluye crawling automatizado, extracción y segmentación de texto, vectorización y almacenamiento, complementados con un enrutador inteligente que dirige consultas al índice de cada carrera. Las pruebas preliminares evidencian la capacidad del sistema para recuperar información precisa sobre objetivos, contenidos y docentes, validando la aplicabilidad de RAG en el ámbito académico. Como líneas futuras se plantea optimizar el preprocesamiento OCR, ampliar el corpus y desarrollar una interfaz web accesible para la comunidad.
Red de Universidades con Carreras en Informática
description El acceso a información en documentos académicos no estructurados, como programas de asignaturas en PDF, continúa siendo un obstáculo para la comunidad universitaria. Este trabajo propone una solución basada en Retrieval-Augmented Generation (RAG), que integra modelos de lenguaje de gran escala (LLMs) con recuperación semántica para habilitar consultas en lenguaje natural sobre programas de la Universidad Nacional de Luján. La metodología incluye crawling automatizado, extracción y segmentación de texto, vectorización y almacenamiento, complementados con un enrutador inteligente que dirige consultas al índice de cada carrera. Las pruebas preliminares evidencian la capacidad del sistema para recuperar información precisa sobre objetivos, contenidos y docentes, validando la aplicabilidad de RAG en el ámbito académico. Como líneas futuras se plantea optimizar el preprocesamiento OCR, ampliar el corpus y desarrollar una interfaz web accesible para la comunidad.
publishDate 2025
dc.date.none.fl_str_mv 2025-10
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/10915/191535
url http://sedici.unlp.edu.ar/handle/10915/191535
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-8258-99-7
info:eu-repo/semantics/reference/hdl/10915/189846
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
1165-1169
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_ 1862569412772495360
score 13.203462

Publicaciones similares