Análisis de similitud en documentos de texto mediante técnicas de ciencia de datos basadas en aprendizaje profundo (deep learning)

Mostrar todas las versiones(2)

La presente propuesta pretende ingresar a un área de conocimiento actual y de creciente aplicabilidad en la extracción de conocimiento subyacente en datos de diferentes tipologías, cantidades y calidad, como es el aprendizaje profundo (Deep Learning –DL-). Aquí se propone una línea de investigación...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Calibar, Andrea Belén, Holleger, Jorge, Klenzi, Raúl Oscar
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2018
Materias:
Ciencias Informáticas
aprendizaje profundo
ciencia de datos
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/67284
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-67284
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
aprendizaje profundo
ciencia de datos
spellingShingle Ciencias Informáticas
aprendizaje profundo
ciencia de datos
Calibar, Andrea Belén
Holleger, Jorge
Klenzi, Raúl Oscar
Análisis de similitud en documentos de texto mediante técnicas de ciencia de datos basadas en aprendizaje profundo (deep learning)
topic_facet Ciencias Informáticas
aprendizaje profundo
ciencia de datos
description La presente propuesta pretende ingresar a un área de conocimiento actual y de creciente aplicabilidad en la extracción de conocimiento subyacente en datos de diferentes tipologías, cantidades y calidad, como es el aprendizaje profundo (Deep Learning –DL-). Aquí se propone una línea de investigación que habrá de contrastar los grados de similitud entre documentos de texto alcanzados, por medio de tres métodos y herramientas de software diferentes. Se considerará inicialmente el pluggin de aprendizaje profundo Deeplearning4J del entorno de software libre de aprendizaje de máquina (Machine Learning -ML-) KNIME ANALYTICS 3.5.2. Una segunda alternativa a utilizar será la biblioteca GENSIM de Python, para finalmente trabajar con una versión adaptada de red recurrente creada a partir de TENSORFLOW. Se comparará el rendimiento de estas herramientas sobre datos de reservorios existentes en internet con el fin de integrarlas y explotarlas simultáneamente en entornos de hardware con CPU multinúcleos y GPU computing.
format Objeto de conferencia
Objeto de conferencia
author Calibar, Andrea Belén
Holleger, Jorge
Klenzi, Raúl Oscar
author_facet Calibar, Andrea Belén
Holleger, Jorge
Klenzi, Raúl Oscar
author_sort Calibar, Andrea Belén
title Análisis de similitud en documentos de texto mediante técnicas de ciencia de datos basadas en aprendizaje profundo (deep learning)
title_short Análisis de similitud en documentos de texto mediante técnicas de ciencia de datos basadas en aprendizaje profundo (deep learning)
title_full Análisis de similitud en documentos de texto mediante técnicas de ciencia de datos basadas en aprendizaje profundo (deep learning)
title_fullStr Análisis de similitud en documentos de texto mediante técnicas de ciencia de datos basadas en aprendizaje profundo (deep learning)
title_full_unstemmed Análisis de similitud en documentos de texto mediante técnicas de ciencia de datos basadas en aprendizaje profundo (deep learning)
title_sort análisis de similitud en documentos de texto mediante técnicas de ciencia de datos basadas en aprendizaje profundo (deep learning)
publishDate 2018
url http://sedici.unlp.edu.ar/handle/10915/67284
work_keys_str_mv AT calibarandreabelen analisisdesimilitudendocumentosdetextomediantetecnicasdecienciadedatosbasadasenaprendizajeprofundodeeplearning
AT hollegerjorge analisisdesimilitudendocumentosdetextomediantetecnicasdecienciadedatosbasadasenaprendizajeprofundodeeplearning
AT klenzirauloscar analisisdesimilitudendocumentosdetextomediantetecnicasdecienciadedatosbasadasenaprendizajeprofundodeeplearning
bdutipo_str Repositorios
_version_ 1764820481144258561

Ejemplares similares