Extensión del enfoque basado en perfiles con nuevos métodos de aprendizaje de representaciones

Los Enfoques Basados en Perfiles (EBP’s) han mostrado muy buen comportamiento específicamente en la tarea de atribución de autoría. En un trabajo previo, quedó demostrada la viabilidad de extender los EBPs empleando aprendizaje de representaciones dada la gran flexibilidad de los mecanismos de coinc...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Funez, Darío Gustavo, Errecalde, Marcelo Luis, Cagnina, Leticia
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2024
Materias:	Ciencias Informáticas Enfoques Basados en Perfil Aprendizaje de Representaciones Atribución de Autoría Perfilado de Autor Embeddings
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/176461
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-176461
record_format	dspace
spelling	I19-R120-10915-1764612025-02-13T20:05:07Z http://sedici.unlp.edu.ar/handle/10915/176461 Extensión del enfoque basado en perfiles con nuevos métodos de aprendizaje de representaciones Funez, Darío Gustavo Errecalde, Marcelo Luis Cagnina, Leticia 2024-10 2024 2025-02-13T13:59:22Z es Ciencias Informáticas Enfoques Basados en Perfil Aprendizaje de Representaciones Atribución de Autoría Perfilado de Autor Embeddings Los Enfoques Basados en Perfiles (EBP’s) han mostrado muy buen comportamiento específicamente en la tarea de atribución de autoría. En un trabajo previo, quedó demostrada la viabilidad de extender los EBPs empleando aprendizaje de representaciones dada la gran flexibilidad de los mecanismos de coincidencia (matching) que proveen los embeddings. Este trabajo comprende un estudio complementario empleando las mismas colecciones Enron y CIAPPA utilizadas anteriormente, pero utilizando distintos métodos de obtención de embeddings. Existen 3 enfoques principales para el aprendizaje de embeddings estáticos que son: Aprendizaje de embeddings con datos externos, Aprendizaje de embeddings con los datos de entrenamiento y Aprendizaje de embeddings con el modelo de clasificación. En este trabajo se probará cuál/es son los mejores enfoques para resolver las dos tareas evaluadas previamente: identificación de autoría (colección Enron) y perfilado de autor (colección CIAPPA). Red de Universidades con Carreras en Informática Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 608-612
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ciencias Informáticas Enfoques Basados en Perfil Aprendizaje de Representaciones Atribución de Autoría Perfilado de Autor Embeddings
spellingShingle	Ciencias Informáticas Enfoques Basados en Perfil Aprendizaje de Representaciones Atribución de Autoría Perfilado de Autor Embeddings Funez, Darío Gustavo Errecalde, Marcelo Luis Cagnina, Leticia Extensión del enfoque basado en perfiles con nuevos métodos de aprendizaje de representaciones
topic_facet	Ciencias Informáticas Enfoques Basados en Perfil Aprendizaje de Representaciones Atribución de Autoría Perfilado de Autor Embeddings
description	Los Enfoques Basados en Perfiles (EBP’s) han mostrado muy buen comportamiento específicamente en la tarea de atribución de autoría. En un trabajo previo, quedó demostrada la viabilidad de extender los EBPs empleando aprendizaje de representaciones dada la gran flexibilidad de los mecanismos de coincidencia (matching) que proveen los embeddings. Este trabajo comprende un estudio complementario empleando las mismas colecciones Enron y CIAPPA utilizadas anteriormente, pero utilizando distintos métodos de obtención de embeddings. Existen 3 enfoques principales para el aprendizaje de embeddings estáticos que son: Aprendizaje de embeddings con datos externos, Aprendizaje de embeddings con los datos de entrenamiento y Aprendizaje de embeddings con el modelo de clasificación. En este trabajo se probará cuál/es son los mejores enfoques para resolver las dos tareas evaluadas previamente: identificación de autoría (colección Enron) y perfilado de autor (colección CIAPPA).
format	Objeto de conferencia Objeto de conferencia
author	Funez, Darío Gustavo Errecalde, Marcelo Luis Cagnina, Leticia
author_facet	Funez, Darío Gustavo Errecalde, Marcelo Luis Cagnina, Leticia
author_sort	Funez, Darío Gustavo
title	Extensión del enfoque basado en perfiles con nuevos métodos de aprendizaje de representaciones
title_short	Extensión del enfoque basado en perfiles con nuevos métodos de aprendizaje de representaciones
title_full	Extensión del enfoque basado en perfiles con nuevos métodos de aprendizaje de representaciones
title_fullStr	Extensión del enfoque basado en perfiles con nuevos métodos de aprendizaje de representaciones
title_full_unstemmed	Extensión del enfoque basado en perfiles con nuevos métodos de aprendizaje de representaciones
title_sort	extensión del enfoque basado en perfiles con nuevos métodos de aprendizaje de representaciones
publishDate	2024
url	http://sedici.unlp.edu.ar/handle/10915/176461
work_keys_str_mv	AT funezdariogustavo extensiondelenfoquebasadoenperfilesconnuevosmetodosdeaprendizajederepresentaciones AT errecaldemarceloluis extensiondelenfoquebasadoenperfilesconnuevosmetodosdeaprendizajederepresentaciones AT cagninaleticia extensiondelenfoquebasadoenperfilesconnuevosmetodosdeaprendizajederepresentaciones
_version_	1845116787024199680

Extensión del enfoque basado en perfiles con nuevos métodos de aprendizaje de representaciones

Ejemplares similares