Saved in:
| Main Author: | |
|---|---|
| Format: | Artículo científico |
| Language: | es |
| Published: |
Universidad Distrital Francisco José de Caldas
2022
|
| Subjects: | |
| Online Access: | https://www.redalyc.org/articulo.oa?id=504371975005 https://www.redalyc.org/journal/5043/504371975005/ https://www.redalyc.org/journal/5043/504371975005/html/ https://www.redalyc.org/journal/5043/504371975005/504371975005.epub https://www.redalyc.org/journal/5043/504371975005/movil |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Table of Contents:
- Servicio de clasificación documental multi cliente basado en técnicas de aprendizaje de máquina y Elasticsearch David-Santiago García-Chicangana Carlos-Alberto Cobos-Lozada Martha-Eliana Mendoza-Becerra Miguel-Ángel Niño-Zambrano James-Mauricio Martínez-Figueroa Multidisciplinarias (Ciencias Sociales) DM CRISP trigramas Analítica de datos bosques aleatorios Este artículo presenta un servicio de clasificación documental que permite a los sistemas de gestión documental de múltiples clientes brindar una mayor confianza y credibilidad sobre los tipos documentales asignados a los documentos que cargan los usuarios. La investigación fue realizada a través de las fases de CRISP-DM en las que se evaluaron dos modelos de representación de documentos, bolsas de palabras con n-gramas acumulativos y BERT (propuesto recientemente por Google), y cinco técnicas de aprendizaje de máquina, perceptrón multicapa, bosques aleatorios, k vecinos más cercanos, árboles de decisión y un clasificador bayesiano ingenuo. Los experimentos se realizaron con datos de dos organizaciones y los mejores resultados fueron los obtenidos por el perceptrón multicapa, los bosques aleatorios y los k vecinos más cercanos, con resultados muy similares de exactitud general y recuerdo por clase para los tres algoritmos. Los resultados no son concluyentes para ofertar el servicio a múltiples clientes con un solo modelo, ya que esto depende de los documentos y tipos documentales de cada uno de ellos. Por lo anterior, se ofrece un servicio basado en una arquitectura de microservicios que permite a cada organización la creación de su propio modelo, el monitoreo de su rendimiento en producción y su actualización cuando el rendimiento no sea adecuado. 2022 artículo científico 0124-2253 https://www.redalyc.org/articulo.oa?id=504371975005 https://www.redalyc.org/journal/5043/504371975005/ https://www.redalyc.org/journal/5043/504371975005/html/ https://www.redalyc.org/journal/5043/504371975005/504371975005.epub https://www.redalyc.org/journal/5043/504371975005/movil 10.14483/23448350.18352 es http://www.redalyc.org/revista.oa?id=5043 Revista Científica application/pdf Universidad Distrital Francisco José de Caldas Revista Científica (Colombia) Num.1 Vol.43