Minería de texto y deep learning aplicados a determinar la pertenencia de las consultas realizadas a un metabuscador a cada área temática dentro de las ciencias de la computación

Al trabajar en un metabuscador que permita identificar cuáles son las mejores recomendaciones en un área temática específicas según las consultas ingresadas por el usuario existen diversos problemas que abordar. En el presente trabajo se realiza el análisis de la pertenencia de una consulta escrita...

Descripción completa

Detalles Bibliográficos
Autores principales:	Kuna, Horacio Daniel, Rambo, A. R., Canteros, A., Rey, M., Zamudio, Eduardo, Martini, Esteban, Pautsch, G., Biale, Claudio Omar, Krujoski, S., Rauber, F.
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2020
Materias:	Ciencias Informáticas Minería de texto Metabuscadores Recuperación de información Recomendación
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/103491
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-103491
record_format	dspace
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ciencias Informáticas Minería de texto Metabuscadores Recuperación de información Recomendación
spellingShingle	Ciencias Informáticas Minería de texto Metabuscadores Recuperación de información Recomendación Kuna, Horacio Daniel Rambo, A. R. Canteros, A. Rey, M. Zamudio, Eduardo Martini, Esteban Pautsch, G. Biale, Claudio Omar Krujoski, S. Rauber, F. Minería de texto y deep learning aplicados a determinar la pertenencia de las consultas realizadas a un metabuscador a cada área temática dentro de las ciencias de la computación
topic_facet	Ciencias Informáticas Minería de texto Metabuscadores Recuperación de información Recomendación
description	Al trabajar en un metabuscador que permita identificar cuáles son las mejores recomendaciones en un área temática específicas según las consultas ingresadas por el usuario existen diversos problemas que abordar. En el presente trabajo se realiza el análisis de la pertenencia de una consulta escrita en lenguaje coloquial a una o varias áreas de temáticas dentro de las ciencias de la computación. Para lo cual se podrán tomar varios criterios y se realiza un relevamiento del estado de arte específico con la finalidad de determinar las mejores estrategias tanto para el tratamiento del texto como para la clasificación de los artículos. En este trabajo se presenta el relevamiento realizado para abordar y resolver esta problemática.
format	Objeto de conferencia Objeto de conferencia
author	Kuna, Horacio Daniel Rambo, A. R. Canteros, A. Rey, M. Zamudio, Eduardo Martini, Esteban Pautsch, G. Biale, Claudio Omar Krujoski, S. Rauber, F.
author_facet	Kuna, Horacio Daniel Rambo, A. R. Canteros, A. Rey, M. Zamudio, Eduardo Martini, Esteban Pautsch, G. Biale, Claudio Omar Krujoski, S. Rauber, F.
author_sort	Kuna, Horacio Daniel
title	Minería de texto y deep learning aplicados a determinar la pertenencia de las consultas realizadas a un metabuscador a cada área temática dentro de las ciencias de la computación
title_short	Minería de texto y deep learning aplicados a determinar la pertenencia de las consultas realizadas a un metabuscador a cada área temática dentro de las ciencias de la computación
title_full	Minería de texto y deep learning aplicados a determinar la pertenencia de las consultas realizadas a un metabuscador a cada área temática dentro de las ciencias de la computación
title_fullStr	Minería de texto y deep learning aplicados a determinar la pertenencia de las consultas realizadas a un metabuscador a cada área temática dentro de las ciencias de la computación
title_full_unstemmed	Minería de texto y deep learning aplicados a determinar la pertenencia de las consultas realizadas a un metabuscador a cada área temática dentro de las ciencias de la computación
title_sort	minería de texto y deep learning aplicados a determinar la pertenencia de las consultas realizadas a un metabuscador a cada área temática dentro de las ciencias de la computación
publishDate	2020
url	http://sedici.unlp.edu.ar/handle/10915/103491
work_keys_str_mv	AT kunahoraciodaniel mineriadetextoydeeplearningaplicadosadeterminarlapertenenciadelasconsultasrealizadasaunmetabuscadoracadaareatematicadentrodelascienciasdelacomputacion AT ramboar mineriadetextoydeeplearningaplicadosadeterminarlapertenenciadelasconsultasrealizadasaunmetabuscadoracadaareatematicadentrodelascienciasdelacomputacion AT canterosa mineriadetextoydeeplearningaplicadosadeterminarlapertenenciadelasconsultasrealizadasaunmetabuscadoracadaareatematicadentrodelascienciasdelacomputacion AT reym mineriadetextoydeeplearningaplicadosadeterminarlapertenenciadelasconsultasrealizadasaunmetabuscadoracadaareatematicadentrodelascienciasdelacomputacion AT zamudioeduardo mineriadetextoydeeplearningaplicadosadeterminarlapertenenciadelasconsultasrealizadasaunmetabuscadoracadaareatematicadentrodelascienciasdelacomputacion AT martiniesteban mineriadetextoydeeplearningaplicadosadeterminarlapertenenciadelasconsultasrealizadasaunmetabuscadoracadaareatematicadentrodelascienciasdelacomputacion AT pautschg mineriadetextoydeeplearningaplicadosadeterminarlapertenenciadelasconsultasrealizadasaunmetabuscadoracadaareatematicadentrodelascienciasdelacomputacion AT bialeclaudioomar mineriadetextoydeeplearningaplicadosadeterminarlapertenenciadelasconsultasrealizadasaunmetabuscadoracadaareatematicadentrodelascienciasdelacomputacion AT krujoskis mineriadetextoydeeplearningaplicadosadeterminarlapertenenciadelasconsultasrealizadasaunmetabuscadoracadaareatematicadentrodelascienciasdelacomputacion AT rauberf mineriadetextoydeeplearningaplicadosadeterminarlapertenenciadelasconsultasrealizadasaunmetabuscadoracadaareatematicadentrodelascienciasdelacomputacion
bdutipo_str	Repositorios
_version_	1764820441990430721

Minería de texto y deep learning aplicados a determinar la pertenencia de las consultas realizadas a un metabuscador a cada área temática dentro de las ciencias de la computación

Ejemplares similares