Análisis de contenido de texto basado en procesamiento de lenguaje natural con BERT

Este artículo se centra en tratar de aliviar los problemas relacionados con el análisis de contenido. Discutiremos el uso de diferentes modelos de clasificación en el aprendizaje automático. Adoptamos este enfoque para resolver algunos problemas relacionados con el análisis cualitativo, como la fiab...

Descripción completa

Detalles Bibliográficos
Autores: González, Jairo, Angulo, Jesús, Andrés, Meza
Tipo de recurso: artículo
Fecha de publicación:2022
País:Colombia
Institución:Universidad del Norte
Repositorio:Repositorio Uninorte
Idioma:inglés
OAI Identifier:oai:manglar.uninorte.edu.co:10584/11216
Acceso en línea:http://hdl.handle.net/10584/11216
Access Level:acceso abierto
Palabra clave:clasificación de texto
PLN
BERT
text classification
NLP
id CO_9853a30eefe0b4e2bb5cd7a0bc01b121
oai_identifier_str oai:manglar.uninorte.edu.co:10584/11216
network_acronym_str CO
network_name_str Colombia
repository_id_str
spelling Análisis de contenido de texto basado en procesamiento de lenguaje natural con BERTText content analysis based on natural language processing with BERTGonzález, JairoAngulo, JesúsAndrés, Mezaclasificación de textoPLNBERTtext classificationNLPBERTEste artículo se centra en tratar de aliviar los problemas relacionados con el análisis de contenido. Discutiremos el uso de diferentes modelos de clasificación en el aprendizaje automático. Adoptamos este enfoque para resolver algunos problemas relacionados con el análisis cualitativo, como la fiabilidad en el tiempo y la disminución de la mano de obra cualificada. Lo hacemos para automatizar un proceso que suele requerir cantidades considerables de tiempo y recursos, como humanos capacitados y largos plazos de entrega. Exploramos el uso de diferentes técnicas como Random Forest y K-Nearest Neighbor, también probamos diferentes métodos de bolsa de palabras para codificar el texto. También evaluamos un prototipo de la solución propuesta con Representaciones de Codificación Bidireccional de Transformadores (BERT) bajo un conjunto de datos para la detección de noticias falsas debido a las limitaciones de alcance, sin embargo, es aplicable a otro corpus y otro contexto de texto. Finalmente, con los servicios de AWS implementaremos un sistema para la creación de una API que pueda ser utilizada por el usuario común e implementada en sus sistemas de clasificación.This article focuses on trying to alleviate problems related to content analysis. We will discuss the use of different models for classification in Machine learning. We take this approach to solve some problems related to qualitative analysis, such as reliability over time and the decline of skilled labor. We do this to automate a process that usually requires considerable amounts of time and resources, such as trained humans and long lead times. We explored the use of different techniques like Random Forest and K-Nearest Neighbor, we also tried different bag of words methods to encode the text. We also evaluated a prototype of the proposed solution with Bidirectional Encoding Representations of Transformers (BERT) under a dataset for detection of fake news due to scope limitations, However, it is applicable to another corpus and other text context. Finally, with AWS services we will implement a system for the creation of an API that can be used by the common user and implemented in their classification systems.Barranquilla, Universidad del Norte, 2022Nieto, WilsonPalacio, Katherine2022-12-06T20:20:57Z2022-12-06T20:20:57Z2022-05-04articleinfo:eu-repo/semantics/articleapplication/pdfhttp://hdl.handle.net/10584/11216engUniversidad del Norteinfo:eu-repo/semantics/openAccessreponame:Repositorio Uninorteinstname:Universidad del Norteinstacron:Universidad del Norte2022-12-06T20:20:57Z
dc.title.none.fl_str_mv Análisis de contenido de texto basado en procesamiento de lenguaje natural con BERT
Text content analysis based on natural language processing with BERT
title Análisis de contenido de texto basado en procesamiento de lenguaje natural con BERT
spellingShingle Análisis de contenido de texto basado en procesamiento de lenguaje natural con BERT
González, Jairo
clasificación de texto
PLN
BERT
text classification
NLP
BERT
title_short Análisis de contenido de texto basado en procesamiento de lenguaje natural con BERT
title_full Análisis de contenido de texto basado en procesamiento de lenguaje natural con BERT
title_fullStr Análisis de contenido de texto basado en procesamiento de lenguaje natural con BERT
title_full_unstemmed Análisis de contenido de texto basado en procesamiento de lenguaje natural con BERT
title_sort Análisis de contenido de texto basado en procesamiento de lenguaje natural con BERT
dc.creator.none.fl_str_mv González, Jairo
Angulo, Jesús
Andrés, Meza
author González, Jairo
author_facet González, Jairo
Angulo, Jesús
Andrés, Meza
author_role author
author2 Angulo, Jesús
Andrés, Meza
author2_role author
author
dc.contributor.none.fl_str_mv Nieto, Wilson
Palacio, Katherine
dc.subject.none.fl_str_mv clasificación de texto
PLN
BERT
text classification
NLP
BERT
topic clasificación de texto
PLN
BERT
text classification
NLP
BERT
description Este artículo se centra en tratar de aliviar los problemas relacionados con el análisis de contenido. Discutiremos el uso de diferentes modelos de clasificación en el aprendizaje automático. Adoptamos este enfoque para resolver algunos problemas relacionados con el análisis cualitativo, como la fiabilidad en el tiempo y la disminución de la mano de obra cualificada. Lo hacemos para automatizar un proceso que suele requerir cantidades considerables de tiempo y recursos, como humanos capacitados y largos plazos de entrega. Exploramos el uso de diferentes técnicas como Random Forest y K-Nearest Neighbor, también probamos diferentes métodos de bolsa de palabras para codificar el texto. También evaluamos un prototipo de la solución propuesta con Representaciones de Codificación Bidireccional de Transformadores (BERT) bajo un conjunto de datos para la detección de noticias falsas debido a las limitaciones de alcance, sin embargo, es aplicable a otro corpus y otro contexto de texto. Finalmente, con los servicios de AWS implementaremos un sistema para la creación de una API que pueda ser utilizada por el usuario común e implementada en sus sistemas de clasificación.
publishDate 2022
dc.date.none.fl_str_mv 2022-12-06T20:20:57Z
2022-12-06T20:20:57Z
2022-05-04
dc.type.none.fl_str_mv article
info:eu-repo/semantics/article
format article
dc.identifier.none.fl_str_mv http://hdl.handle.net/10584/11216
url http://hdl.handle.net/10584/11216
dc.language.none.fl_str_mv eng
language eng
dc.rights.none.fl_str_mv Universidad del Norte
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Universidad del Norte
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Barranquilla, Universidad del Norte, 2022
publisher.none.fl_str_mv Barranquilla, Universidad del Norte, 2022
dc.source.none.fl_str_mv reponame:Repositorio Uninorte
instname:Universidad del Norte
instacron:Universidad del Norte
instname_str Universidad del Norte
instacron_str Universidad del Norte
institution Universidad del Norte
reponame_str Repositorio Uninorte
collection Repositorio Uninorte
_version_ 1825050722165587968
score 15,81155

Similares en LA Referencia