Logo Repositorio Institucional

Please use this identifier to cite or link to this item: http://dspace.ucuenca.edu.ec/handle/123456789/37303
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorAuquilla Sangolquí, Andrés Vinicio-
dc.contributor.authorSantos León, David Enrique-
dc.date.accessioned2021-11-08T16:28:59Z-
dc.date.available2021-11-08T16:28:59Z-
dc.date.issued2021-11-08-
dc.identifier.urihttp://dspace.ucuenca.edu.ec/handle/123456789/37303-
dc.descriptionActualmente, existe un auge en introducir modelos de Aprendizaje Automático a varios aspectos de la vida cotidiana. Un campo de relevancia consiste en el Procesamiento del Lenguaje Natural (NLP) que busca modelar al lenguaje humano. La dificultad de entrenar a modelos que aprendan del lenguaje, es alta. Un componente clave y básico para que estas inteligencias aprendan de forma adecuada consiste en los datos, que para el caso de NLP, se encuentran mayoritariamente en inglés. El presente proyecto de investigación surge de la problemática de encontrar insumos de gran escala, en idiomas diferentes al inglés, para alimentar a modelos de Aprendizaje Profundo que produzcan textos de forma automática. Se han generado cuatro resultados principales: 1) Una metodología para construir corpus de gran escala, con facilidad de escalar a diferentes dominios e idiomas, 2) Un corpus en español, dentro del dominio de comentarios de productos textiles, con más de 170 mil documentos que obtuvo buenos resultados de evaluaciones humanas y automáticas, 3) Un sistema computacional que automatizó la construcción del corpus desde el principio al fin, desde la recolección de los documentos hasta su evaluación, y 4) resultados de línea base de un modelo generacional que sirven como punto de referencia para futuras investigaciones dentro de la generación automática de textos dentro del dominio textilen_US
dc.description.abstractCurrently, there is a boom in introducing Machine Learning models to various aspects of everyday life. A relevant field consists of Natural Language Processing (NLP) that seeks to model human language. The difficulty of training models to learn a language is high. A key and basic component for these intelligences to learn properly consists of the data, which in the case of NLP, is mostly in English. This research project arises from the problem of finding large-scale inputs, in languages other than English, to feed Deep Learning models that produce texts automatically. Four main results have been generated: 1) A methodology to build a large-scale corpus, easily scalable to different domains and languages, 2) A corpus in Spanish, within the domain of comments on textile products, with more than 170 thousand documents that obtained good results from human and automatic evaluations, 3) A computational system that automated the construction of the corpus from beginning to end, from the collection of documents to their evaluation, and 4) baseline results of a generational model that serve as a point of reference for future research within the automatic generation of texts within the textile domainen_US
dc.formatapplication/pdfen_US
dc.format.extent72 páginasen_US
dc.language.isospaen_US
dc.publisherUniversidad de Cuencaen_US
dc.relation.ispartofseriesTS;285-
dc.subjectIngeniería en Sistemasen_US
dc.subjectSistema informáticoen_US
dc.subjectDatos estadísticosen_US
dc.subjectProductos textilesen_US
dc.subject.otherRedes informaticasen_US
dc.titleConstrucción de un corpus de gran escala en el idioma español cuyos documentos reflejen opiniones respecto a productos textilesen_US
dc.typebachelorThesisen_US
dc.description.degreeIngeniero de Sistemasen_US
dc.description.cityCuencaen_US
dc.ucuenca.id0103557369en_US
dc.ucuenca.idautor0104997218en_US
dc.ucuenca.versionsubmittedVersionen_US
dc.ucuenca.areaconocimientounescoamplio33 Ciencias Tecnológicasen_US
dc.ucuenca.correspondenciadavid.santos1687@gmail.comen_US
dc.ucuenca.areaconocimientounescoespecifico3304 Tecnología de los Ordenadoresen_US
dc.ucuenca.areaconocimientounescodetallado3304.05 Sistemas de Reconocimiento de Caracteresen_US
dc.ucuenca.titulouniformeConstrucción de un Corpus de Gran Escala en el Idioma Español cuyos Documentos Reflejen Opiniones Respecto a Productos Textilesen_US
dc.rights.accessRightsopenAccessen_US
dc.ucuenca.responsablerecepcionNaula Morocho María de Lourdesen_US
Appears in Collections:Tesis de Pregrado

Files in This Item:
File Description SizeFormat 
Trabajo de Titulación.pdfVersión presentada (texto completo)4.62 MBAdobe PDFThumbnail
View/Open


This item is protected by original copyright



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

 

Centro de Documentacion Regional "Juan Bautista Vázquez"

Biblioteca Campus Central Biblioteca Campus Salud Biblioteca Campus Yanuncay
Av. 12 de Abril y Calle Agustín Cueva, Telf: 4051000 Ext. 1311, 1312, 1313, 1314. Horario de atención: Lunes-Viernes: 07H00-21H00. Sábados: 08H00-12H00 Av. El Paraíso 3-52, detrás del Hospital Regional "Vicente Corral Moscoso", Telf: 4051000 Ext. 3144. Horario de atención: Lunes-Viernes: 07H00-19H00 Av. 12 de Octubre y Diego de Tapia, antiguo Colegio Orientalista, Telf: 4051000 Ext. 3535 2810706 Ext. 116. Horario de atención: Lunes-Viernes: 07H30-19H00