Depuración de bases de datos de segunda sección del Boletín Oficial de la República Argentina mediante aprendizaje de máquina

Autores
Balich, Nestor A.; Balich, Franco A.; Fraga, Hugo
Año de publicación
2023
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El Boletín Oficial de la República Argentina es una fuente importante de información para empresas, instituciones y particulares, pero la gran cantidad de información publicada diariamente hace que la depuración de bases de datos sea un proceso complejo y costoso. Se hipotetiza que el uso de un modelo de inteligencia artificial basado en aprendizaje de maquina (ML) puede aprender a clasificar y catalogar los avisos comerciales de manera eficiente y autónoma. La aplicación de técnicas de ML en la clasificación de textos ha evolucionado significativamente, especialmente en el uso de modelos de aprendizaje profundo en áreas como la identificación de noticias falsas y la detección de spam. También se han realizado estudios sobre el uso de técnicas de ML en la identificación y corrección de errores en bases de datos, incluyendo la corrección de errores en imágenes médicas y la identificación de avisos comerciales ilegales en la web. Se propone el desarrollo de un modelo de aprendizaje de máquina para la clasificación y catalogación de los avisos comerciales de la segunda sección del Boletín Oficial de la República Argentina, lo que podría representar un avance significativo en la depuración de bases de datos en este ámbito.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Depuración
Base de datos
Aprendizaje de maquina
Inteligencia artificial
Aprendizaje supervisado
Clasificación
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:10915/163226
Acceder
id SEDICI_d4c6db87756ae09a14eb9b8385584588
oai_identifier_str oai:sedici.unlp.edu.ar:10915/163226
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Depuración de bases de datos de segunda sección del Boletín Oficial de la República Argentina mediante aprendizaje de máquinaBalich, Nestor A.Balich, Franco A.Fraga, HugoCiencias InformáticasDepuraciónBase de datosAprendizaje de maquinaInteligencia artificialAprendizaje supervisadoClasificaciónEl Boletín Oficial de la República Argentina es una fuente importante de información para empresas, instituciones y particulares, pero la gran cantidad de información publicada diariamente hace que la depuración de bases de datos sea un proceso complejo y costoso. Se hipotetiza que el uso de un modelo de inteligencia artificial basado en aprendizaje de maquina (ML) puede aprender a clasificar y catalogar los avisos comerciales de manera eficiente y autónoma. La aplicación de técnicas de ML en la clasificación de textos ha evolucionado significativamente, especialmente en el uso de modelos de aprendizaje profundo en áreas como la identificación de noticias falsas y la detección de spam. También se han realizado estudios sobre el uso de técnicas de ML en la identificación y corrección de errores en bases de datos, incluyendo la corrección de errores en imágenes médicas y la identificación de avisos comerciales ilegales en la web. Se propone el desarrollo de un modelo de aprendizaje de máquina para la clasificación y catalogación de los avisos comerciales de la segunda sección del Boletín Oficial de la República Argentina, lo que podría representar un avance significativo en la depuración de bases de datos en este ámbito.Red de Universidades con Carreras en Informática2023-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/163226spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-3724-66-4info:eu-repo/semantics/altIdentifier/isbn/978-987-3724-67-1info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/162004info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/161620info: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:UNLP2025-10-22T17:23:50Zoai:sedici.unlp.edu.ar:10915/163226Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-22 17:23:51.136SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Depuración de bases de datos de segunda sección del Boletín Oficial de la República Argentina mediante aprendizaje de máquina
title Depuración de bases de datos de segunda sección del Boletín Oficial de la República Argentina mediante aprendizaje de máquina
spellingShingle Depuración de bases de datos de segunda sección del Boletín Oficial de la República Argentina mediante aprendizaje de máquina
Balich, Nestor A.
Ciencias Informáticas
Depuración
Base de datos
Aprendizaje de maquina
Inteligencia artificial
Aprendizaje supervisado
Clasificación
title_short Depuración de bases de datos de segunda sección del Boletín Oficial de la República Argentina mediante aprendizaje de máquina
title_full Depuración de bases de datos de segunda sección del Boletín Oficial de la República Argentina mediante aprendizaje de máquina
title_fullStr Depuración de bases de datos de segunda sección del Boletín Oficial de la República Argentina mediante aprendizaje de máquina
title_full_unstemmed Depuración de bases de datos de segunda sección del Boletín Oficial de la República Argentina mediante aprendizaje de máquina
title_sort Depuración de bases de datos de segunda sección del Boletín Oficial de la República Argentina mediante aprendizaje de máquina
dc.creator.none.fl_str_mv Balich, Nestor A.
Balich, Franco A.
Fraga, Hugo
author Balich, Nestor A.
author_facet Balich, Nestor A.
Balich, Franco A.
Fraga, Hugo
author_role author
author2 Balich, Franco A.
Fraga, Hugo
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Depuración
Base de datos
Aprendizaje de maquina
Inteligencia artificial
Aprendizaje supervisado
Clasificación
topic Ciencias Informáticas
Depuración
Base de datos
Aprendizaje de maquina
Inteligencia artificial
Aprendizaje supervisado
Clasificación
dc.description.none.fl_txt_mv El Boletín Oficial de la República Argentina es una fuente importante de información para empresas, instituciones y particulares, pero la gran cantidad de información publicada diariamente hace que la depuración de bases de datos sea un proceso complejo y costoso. Se hipotetiza que el uso de un modelo de inteligencia artificial basado en aprendizaje de maquina (ML) puede aprender a clasificar y catalogar los avisos comerciales de manera eficiente y autónoma. La aplicación de técnicas de ML en la clasificación de textos ha evolucionado significativamente, especialmente en el uso de modelos de aprendizaje profundo en áreas como la identificación de noticias falsas y la detección de spam. También se han realizado estudios sobre el uso de técnicas de ML en la identificación y corrección de errores en bases de datos, incluyendo la corrección de errores en imágenes médicas y la identificación de avisos comerciales ilegales en la web. Se propone el desarrollo de un modelo de aprendizaje de máquina para la clasificación y catalogación de los avisos comerciales de la segunda sección del Boletín Oficial de la República Argentina, lo que podría representar un avance significativo en la depuración de bases de datos en este ámbito.
Red de Universidades con Carreras en Informática
description El Boletín Oficial de la República Argentina es una fuente importante de información para empresas, instituciones y particulares, pero la gran cantidad de información publicada diariamente hace que la depuración de bases de datos sea un proceso complejo y costoso. Se hipotetiza que el uso de un modelo de inteligencia artificial basado en aprendizaje de maquina (ML) puede aprender a clasificar y catalogar los avisos comerciales de manera eficiente y autónoma. La aplicación de técnicas de ML en la clasificación de textos ha evolucionado significativamente, especialmente en el uso de modelos de aprendizaje profundo en áreas como la identificación de noticias falsas y la detección de spam. También se han realizado estudios sobre el uso de técnicas de ML en la identificación y corrección de errores en bases de datos, incluyendo la corrección de errores en imágenes médicas y la identificación de avisos comerciales ilegales en la web. Se propone el desarrollo de un modelo de aprendizaje de máquina para la clasificación y catalogación de los avisos comerciales de la segunda sección del Boletín Oficial de la República Argentina, lo que podría representar un avance significativo en la depuración de bases de datos en este ámbito.
publishDate 2023
dc.date.none.fl_str_mv 2023-04
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/10915/163226
url http://sedici.unlp.edu.ar/handle/10915/163226
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-3724-66-4
info:eu-repo/semantics/altIdentifier/isbn/978-987-3724-67-1
info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/162004
info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/161620
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
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_ 1846783687861993472
score 12.982451

Publicaciones similares