Clasificación de Textos Multi-etiquetados con Modelo Bernoulli Multi-variado y Representación Dependiente de la Etiqueta

Resumen La asignación de una o más categorías predefinidas a los textos en lenguaje natural, basados en su contenido, es un componente importante y necesario en muchas tareas al interior de las organizaciones. Esta tarea se realiza comúnmente a través de la clasificación automática de textos, esto e...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Alfaro A.,Rodrigo, Allende O.,Héctor
Lenguaje:	Spanish / Castilian
Publicado:	Pontificia Universidad Católica de Valparaíso. Instituto de Literatura y Ciencias del Lenguaje 2020
Materias:	Multi-etiqueta clasificación de textos representación de textos transformación del problema ponderación de términos
Acceso en línea:	http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-09342020000300549
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:scielo:S0718-09342020000300549
record_format	dspace
spelling	oai:scielo:S0718-093420200003005492020-12-15Clasificación de Textos Multi-etiquetados con Modelo Bernoulli Multi-variado y Representación Dependiente de la EtiquetaAlfaro A.,RodrigoAllende O.,Héctor Multi-etiqueta clasificación de textos representación de textos transformación del problema ponderación de términos Resumen La asignación de una o más categorías predefinidas a los textos en lenguaje natural, basados en su contenido, es un componente importante y necesario en muchas tareas al interior de las organizaciones. Esta tarea se realiza comúnmente a través de la clasificación automática de textos, esto es, clasificando documentos dentro de un conjunto de categorías predefinidas por medio de un modelo y método computacional. La representación de los textos para propósitos de clasificación automática ha sido tradicionalmente llevada a cabo usando un modelo de espacio vectorial debido a su simplicidad y buen rendimiento. Por otro lado, la clasificación automática de textos por multi-etiquetados ha sido típicamente abordada utilizando métodos de clasificación de etiqueta simple, lo que implica transformar el problema estudiado para aplicar técnicas binarias o adaptar algoritmos binarios para que funcionen con múltiples etiquetas. En este artículo el objetivo es evaluar un factor de ponderación de las palabras de los textos en el modelo booleano para representación de texto en clasificación multi-etiqueta, usando una combinación de dos enfoques: transformación de problema y adaptación de modelo. Este factor de ponderación y la combinación de enfoques en la clasifiación automática fue puesto a prueba con cuatro diferentes conjuntos de datos textuales utilizados en la literatura especializada y comparado con técnicas alternativas por medio de tres medidas de evaluación. Los resultados presentan mejoras superiores al 10% en el rendimiento de los clasificadores, atribuidas a nuestra propuesta, en todos los casos analizados.info:eu-repo/semantics/openAccessPontificia Universidad Católica de Valparaíso. Instituto de Literatura y Ciencias del LenguajeRevista signos v.53 n.104 20202020-12-01text/htmlhttp://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-09342020000300549es10.4067/S0718-09342020000300549
institution	Scielo Chile
collection	Scielo Chile
language	Spanish / Castilian
topic	Multi-etiqueta clasificación de textos representación de textos transformación del problema ponderación de términos
spellingShingle	Multi-etiqueta clasificación de textos representación de textos transformación del problema ponderación de términos Alfaro A.,Rodrigo Allende O.,Héctor Clasificación de Textos Multi-etiquetados con Modelo Bernoulli Multi-variado y Representación Dependiente de la Etiqueta
description	Resumen La asignación de una o más categorías predefinidas a los textos en lenguaje natural, basados en su contenido, es un componente importante y necesario en muchas tareas al interior de las organizaciones. Esta tarea se realiza comúnmente a través de la clasificación automática de textos, esto es, clasificando documentos dentro de un conjunto de categorías predefinidas por medio de un modelo y método computacional. La representación de los textos para propósitos de clasificación automática ha sido tradicionalmente llevada a cabo usando un modelo de espacio vectorial debido a su simplicidad y buen rendimiento. Por otro lado, la clasificación automática de textos por multi-etiquetados ha sido típicamente abordada utilizando métodos de clasificación de etiqueta simple, lo que implica transformar el problema estudiado para aplicar técnicas binarias o adaptar algoritmos binarios para que funcionen con múltiples etiquetas. En este artículo el objetivo es evaluar un factor de ponderación de las palabras de los textos en el modelo booleano para representación de texto en clasificación multi-etiqueta, usando una combinación de dos enfoques: transformación de problema y adaptación de modelo. Este factor de ponderación y la combinación de enfoques en la clasifiación automática fue puesto a prueba con cuatro diferentes conjuntos de datos textuales utilizados en la literatura especializada y comparado con técnicas alternativas por medio de tres medidas de evaluación. Los resultados presentan mejoras superiores al 10% en el rendimiento de los clasificadores, atribuidas a nuestra propuesta, en todos los casos analizados.
author	Alfaro A.,Rodrigo Allende O.,Héctor
author_facet	Alfaro A.,Rodrigo Allende O.,Héctor
author_sort	Alfaro A.,Rodrigo
title	Clasificación de Textos Multi-etiquetados con Modelo Bernoulli Multi-variado y Representación Dependiente de la Etiqueta
title_short	Clasificación de Textos Multi-etiquetados con Modelo Bernoulli Multi-variado y Representación Dependiente de la Etiqueta
title_full	Clasificación de Textos Multi-etiquetados con Modelo Bernoulli Multi-variado y Representación Dependiente de la Etiqueta
title_fullStr	Clasificación de Textos Multi-etiquetados con Modelo Bernoulli Multi-variado y Representación Dependiente de la Etiqueta
title_full_unstemmed	Clasificación de Textos Multi-etiquetados con Modelo Bernoulli Multi-variado y Representación Dependiente de la Etiqueta
title_sort	clasificación de textos multi-etiquetados con modelo bernoulli multi-variado y representación dependiente de la etiqueta
publisher	Pontificia Universidad Católica de Valparaíso. Instituto de Literatura y Ciencias del Lenguaje
publishDate	2020
url	http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-09342020000300549
work_keys_str_mv	AT alfaroarodrigo clasificaciondetextosmultietiquetadosconmodelobernoullimultivariadoyrepresentaciondependientedelaetiqueta AT allendeohector clasificaciondetextosmultietiquetadosconmodelobernoullimultivariadoyrepresentaciondependientedelaetiqueta
_version_	1714201873357996032

Clasificación de Textos Multi-etiquetados con Modelo Bernoulli Multi-variado y Representación Dependiente de la Etiqueta

Ejemplares similares