Detección de plagio con adversarios

La categorización automática de textos (CAT) es una tarea de gran relevancia debido a la necesidad de procesar y analizar volúmenes cada vez mayores de información textual disponible en la Web y en las empresas. La CAT, usualmente implementada mediante técnicas de aprendizaje automático (AA), se ha...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Taquias, Daniel, Villagra, Andrea, Errecalde, Marcelo Luis
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2014
Materias:	Ciencias Informáticas Plagio categorización de textos
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/41197
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-41197
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 Plagio categorización de textos
spellingShingle	Ciencias Informáticas Plagio categorización de textos Taquias, Daniel Villagra, Andrea Errecalde, Marcelo Luis Detección de plagio con adversarios
topic_facet	Ciencias Informáticas Plagio categorización de textos
description	La categorización automática de textos (CAT) es una tarea de gran relevancia debido a la necesidad de procesar y analizar volúmenes cada vez mayores de información textual disponible en la Web y en las empresas. La CAT, usualmente implementada mediante técnicas de aprendizaje automático (AA), se ha convertido en una de las pocas alternativas realistas al análisis manual de documentos, con resultados de alto impacto en áreas como la detección de spams, filtrado de noticias, detección de plagios, análisis de opinión y tendencias, organización de páginas web, determinación del perfil de autores, etc. Sin embargo, en muchos dominios como la detección de spam, fraudes, plagio, intrusos, etc., la CAT debe enfrentar un problema cada vez más frecuente: la presencia de adversarios, personas o sistemas automáticos, que deliberada y maliciosamente intentan detectar y explotar las vulnerabilidades propias de los sistemas de CAT en beneficio propio. Esta área de investigación, denominada categorización con adversarios ha sido aplicada en enfoques tales como la detección de spams, fraude, intrusos en una red, virus, etc. pero, hasta donde sabemos, no ha sido analizada en el contexto de los sistemas de detección de plagio. Esta nueva área, que surge de la intersección de la categorización con adversarios y la detección de plagios, la denominaremos detección de plagio con adversarios y constituye el eje central de esta línea de investigación.
format	Objeto de conferencia Objeto de conferencia
author	Taquias, Daniel Villagra, Andrea Errecalde, Marcelo Luis
author_facet	Taquias, Daniel Villagra, Andrea Errecalde, Marcelo Luis
author_sort	Taquias, Daniel
title	Detección de plagio con adversarios
title_short	Detección de plagio con adversarios
title_full	Detección de plagio con adversarios
title_fullStr	Detección de plagio con adversarios
title_full_unstemmed	Detección de plagio con adversarios
title_sort	detección de plagio con adversarios
publishDate	2014
url	http://sedici.unlp.edu.ar/handle/10915/41197
work_keys_str_mv	AT taquiasdaniel detecciondeplagioconadversarios AT villagraandrea detecciondeplagioconadversarios AT errecaldemarceloluis detecciondeplagioconadversarios
bdutipo_str	Repositorios
_version_	1764820473328173057

Detección de plagio con adversarios

Ejemplares similares