|
|
|
|
| LEADER |
03496nam a2200337 a 4500 |
| 001 |
000568701 |
| 005 |
20250107071743.0 |
| 008 |
170619s2016 cr a frm ||||||spa d |
| 040 |
|
|
|a Sistema de Bibliotecas de Universidad de Costa Rica
|
| 099 |
|
9 |
|a TFG 41145
|
| 100 |
1 |
|
|a Sanabria Rodríguez, Marco Aurelio
|d 1984-
|e Autor/a
|
| 245 |
1 |
0 |
|a Selección de parámetros en máquinas de soporte vectorial para identificación de polaridad /
|c Marco Aurelio Sanabria Rodríguez ; director Edgar Casasola Murillo.
|
| 260 |
|
|
|a [San José], Costa Rica,
|c 2016.
|
| 300 |
|
|
|a viii, 77 hojas :
|b ilustraciones en blanco y negro.
|
| 502 |
|
|
|a Tesis (maestría académica en computación e informática)--Universidad de Costa Rica. Sistema de Estudios de Posgrado, 2016
|
| 520 |
3 |
|
|a La clasificación de texto es una herramienta que permite categorizar la información generada utilizando lenguaje natural, en particular, las redes sociales como facebook o twitter generan gran cantidad de información en tiempo real que puede servir como insumo a una amplia variedad de procesos. Desafortunadamente, convertir la cantidad masiva de información generada por estos medios, aún tiene mucho camino por recorrer. Debido a que esta información es de carácter subjetivo, informal y no estructurada, se recurre a diversas técnicas de inteligencia artificial y Procesamiento del lenguaje natural (NLP) con el fin de identificar y extraer opiniones, y para determinar el valor subjetivo (polaridad positiva o negativa) que carga el texto. Específicamente, para determinar la polaridad de un opinión, se ha recurrido a modelos de clasificación de texto. En particular las máquinas de soporte vectorial (C-SVM) con función de kerifel RBF, gozan popularidad entre los investigadores del área por sus buenos resultados [firmino et al., 2013, Kaya et al., 2012]. Las C-SVM deben ser entrenadas para que aprendan a clasificar textos, lo cuál involucra un proceso de selección de parámetros, el cual posee un impacto significativo en la precisión del modelo. En investigación comparamos, utilizando las métricas de precisión, exhaustividad y valor-F, el uso de valores por defecto de la herramienta LIBSVM contra dos algoritmos de selección automatizada de parámetros: El algoritmo de búsqueda en malla: de amplio uso entre los investigadores [Carrizosa et al., 2014, Devos et al.,, 2009, Li et al., 2010b, Li et al., 2010a, Lin and Liu, 207, Lin et al., 2008, Muan nandi, 2007, Wei-Chih and Yu, 2009], se caracteriza por ser exhaustivo y brindar una alta precisión pero con una cantidad significativa de cálculos que implica un alto consumo de tiempo y recursos computacionales. El algoritmo de lobo gris: creado en 2014 por Mirjalili [Mirjalili, et al., 2014]...
|
| 650 |
0 |
7 |
|a ALGORITMOS (COMPUTADORAS)
|
| 650 |
0 |
7 |
|a APRENDIZAJE POR MAQUINAS
|
| 650 |
0 |
7 |
|a MAQUINAS DE VECTORES DE SOPORTE
|
| 650 |
0 |
7 |
|a PROCESAMIENTO DEL LENGUAJE NATURAL (CIENCIAS DE LA COMPUTACION)
|
| 650 |
0 |
7 |
|a FUNCIONES DE KERNEL
|
| 650 |
0 |
7 |
|a MINERIA DE DATOS
|
| 650 |
0 |
7 |
|a INTELIGENCIA ARTIFICIAL
|
| 700 |
1 |
|
|a Casasola Murillo, Edgar Enrique
|d 1968-
|e Director/a del TFG
|
| 856 |
4 |
1 |
|u https://repositorio.sibdi.ucr.ac.cr/handle/123456789/8759
|y Ver documento en repositorio
|
| 909 |
|
|
|a Maestría Académica en Computación e Informática
|
| 900 |
|
|
|a 2018-O
|
| 916 |
|
|
|a Centro Catalográfico
|
| 949 |
|
|
|a AM-CMM
|
| 919 |
|
|
|a Ingeniería
|
| 921 |
|
|
|a tesis de maestría
|