Clasificación automática de estudios epidemiológicos referentes a distintos tipos de cáncer utilizando un meta-estimador bagging con Naïve Bayes

Autores
Mounier, Mónica; Acosta, Karina Beatriz; Favret, Fabián; Zamudio, Eduardo
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Los estudios epidemiológicos de tipo caso-control referentes a polimorfismos de nucleótidos simples relacionados a distintos tipos de cáncer representan una fuente fundamental de información para los expertos en el área de análisis genético. Estos han aumentado exponencialmente en la última década, por lo que hay un gran interés de los expertos en la utilización de herramientas bioinformáticas que clasifiquen automáticamente la documentación disponible para descubrir conocimiento aplicable a tareas de análisis específicas. La minería de textos procesa la información no estructurada y extrae índices numéricos desde el texto, posibilitando su procesamiento por algoritmos de aprendizaje automático. Este trabajo propone la implementación de un meta-estimador Bagging con Naïve Bayes, utilizando técnicas de pre-procesamiento de texto (tokenización, lematización, tratamiento de negaciones y eliminación de stop words). Los resultados obtenidos han demostrado que el meta-estimador propuesto junto a la utilización de técnicas adecuadas de pre-procesamiento pueden lograr óptimos resultados de clasificación.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
bioinformática
minería de textos
meta-estimadores
clasificación automática
Naïve Bayes
estudios epidemiológicos
polimorfismos
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-sa/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/70802
Acceder
id SEDICI_a4ce4c67b354f6ac822d64c672348391
oai_identifier_str oai:sedici.unlp.edu.ar:10915/70802
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Clasificación automática de estudios epidemiológicos referentes a distintos tipos de cáncer utilizando un meta-estimador bagging con Naïve BayesMounier, MónicaAcosta, Karina BeatrizFavret, FabiánZamudio, EduardoCiencias Informáticasbioinformáticaminería de textosmeta-estimadoresclasificación automáticaNaïve Bayesestudios epidemiológicospolimorfismosLos estudios epidemiológicos de tipo caso-control referentes a polimorfismos de nucleótidos simples relacionados a distintos tipos de cáncer representan una fuente fundamental de información para los expertos en el área de análisis genético. Estos han aumentado exponencialmente en la última década, por lo que hay un gran interés de los expertos en la utilización de herramientas bioinformáticas que clasifiquen automáticamente la documentación disponible para descubrir conocimiento aplicable a tareas de análisis específicas. La minería de textos procesa la información no estructurada y extrae índices numéricos desde el texto, posibilitando su procesamiento por algoritmos de aprendizaje automático. Este trabajo propone la implementación de un meta-estimador Bagging con Naïve Bayes, utilizando técnicas de pre-procesamiento de texto (tokenización, lematización, tratamiento de negaciones y eliminación de stop words). Los resultados obtenidos han demostrado que el meta-estimador propuesto junto a la utilización de técnicas adecuadas de pre-procesamiento pueden lograr óptimos resultados de clasificación.Sociedad Argentina de Informática e Investigación Operativa2018-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf113-125http://sedici.unlp.edu.ar/handle/10915/70802spainfo:eu-repo/semantics/altIdentifier/url/http://47jaiio.sadio.org.ar/sites/default/files/ASAI-16.pdfinfo:eu-repo/semantics/altIdentifier/issn/2451-7585info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-sa/3.0/Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:11:24Zoai:sedici.unlp.edu.ar:10915/70802Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:11:24.678SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Clasificación automática de estudios epidemiológicos referentes a distintos tipos de cáncer utilizando un meta-estimador bagging con Naïve Bayes
title Clasificación automática de estudios epidemiológicos referentes a distintos tipos de cáncer utilizando un meta-estimador bagging con Naïve Bayes
spellingShingle Clasificación automática de estudios epidemiológicos referentes a distintos tipos de cáncer utilizando un meta-estimador bagging con Naïve Bayes
Mounier, Mónica
Ciencias Informáticas
bioinformática
minería de textos
meta-estimadores
clasificación automática
Naïve Bayes
estudios epidemiológicos
polimorfismos
title_short Clasificación automática de estudios epidemiológicos referentes a distintos tipos de cáncer utilizando un meta-estimador bagging con Naïve Bayes
title_full Clasificación automática de estudios epidemiológicos referentes a distintos tipos de cáncer utilizando un meta-estimador bagging con Naïve Bayes
title_fullStr Clasificación automática de estudios epidemiológicos referentes a distintos tipos de cáncer utilizando un meta-estimador bagging con Naïve Bayes
title_full_unstemmed Clasificación automática de estudios epidemiológicos referentes a distintos tipos de cáncer utilizando un meta-estimador bagging con Naïve Bayes
title_sort Clasificación automática de estudios epidemiológicos referentes a distintos tipos de cáncer utilizando un meta-estimador bagging con Naïve Bayes
dc.creator.none.fl_str_mv Mounier, Mónica
Acosta, Karina Beatriz
Favret, Fabián
Zamudio, Eduardo
author Mounier, Mónica
author_facet Mounier, Mónica
Acosta, Karina Beatriz
Favret, Fabián
Zamudio, Eduardo
author_role author
author2 Acosta, Karina Beatriz
Favret, Fabián
Zamudio, Eduardo
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
bioinformática
minería de textos
meta-estimadores
clasificación automática
Naïve Bayes
estudios epidemiológicos
polimorfismos
topic Ciencias Informáticas
bioinformática
minería de textos
meta-estimadores
clasificación automática
Naïve Bayes
estudios epidemiológicos
polimorfismos
dc.description.none.fl_txt_mv Los estudios epidemiológicos de tipo caso-control referentes a polimorfismos de nucleótidos simples relacionados a distintos tipos de cáncer representan una fuente fundamental de información para los expertos en el área de análisis genético. Estos han aumentado exponencialmente en la última década, por lo que hay un gran interés de los expertos en la utilización de herramientas bioinformáticas que clasifiquen automáticamente la documentación disponible para descubrir conocimiento aplicable a tareas de análisis específicas. La minería de textos procesa la información no estructurada y extrae índices numéricos desde el texto, posibilitando su procesamiento por algoritmos de aprendizaje automático. Este trabajo propone la implementación de un meta-estimador Bagging con Naïve Bayes, utilizando técnicas de pre-procesamiento de texto (tokenización, lematización, tratamiento de negaciones y eliminación de stop words). Los resultados obtenidos han demostrado que el meta-estimador propuesto junto a la utilización de técnicas adecuadas de pre-procesamiento pueden lograr óptimos resultados de clasificación.
Sociedad Argentina de Informática e Investigación Operativa
description Los estudios epidemiológicos de tipo caso-control referentes a polimorfismos de nucleótidos simples relacionados a distintos tipos de cáncer representan una fuente fundamental de información para los expertos en el área de análisis genético. Estos han aumentado exponencialmente en la última década, por lo que hay un gran interés de los expertos en la utilización de herramientas bioinformáticas que clasifiquen automáticamente la documentación disponible para descubrir conocimiento aplicable a tareas de análisis específicas. La minería de textos procesa la información no estructurada y extrae índices numéricos desde el texto, posibilitando su procesamiento por algoritmos de aprendizaje automático. Este trabajo propone la implementación de un meta-estimador Bagging con Naïve Bayes, utilizando técnicas de pre-procesamiento de texto (tokenización, lematización, tratamiento de negaciones y eliminación de stop words). Los resultados obtenidos han demostrado que el meta-estimador propuesto junto a la utilización de técnicas adecuadas de pre-procesamiento pueden lograr óptimos resultados de clasificación.
publishDate 2018
dc.date.none.fl_str_mv 2018-09
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/10915/70802
url http://sedici.unlp.edu.ar/handle/10915/70802
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://47jaiio.sadio.org.ar/sites/default/files/ASAI-16.pdf
info:eu-repo/semantics/altIdentifier/issn/2451-7585
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-sa/3.0/
Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-sa/3.0/
Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
dc.format.none.fl_str_mv application/pdf
113-125
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_ 1844615983507963904
score 13.070432

Publicaciones similares