Use el DOI o este identificador para enlazar este recurso: https://ru.iibi.unam.mx/jspui/handle/IIBI_UNAM/A14
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.authorViera, Angel Freddy Godoy-
dc.coverage.spatialMX-
dc.date.accessioned2018-09-20T13:37:10Z-
dc.date.available2018-09-20T13:37:10Z-
dc.date.issued2017-
dc.identifier.urihttp://ru.iibi.unam.mx/jspui/handle/IIBI_UNAM/A14-
dc.language.isoes-
dc.publisherUniversidad Nacional Autónoma de México. Instituto de Investigaciones Bibliotecológicas y de la Información-
dc.rightsopenAccess-
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0-
dc.subjectAprendizaje de máquina-
dc.subjectMinería de texto-
dc.subjectTécnicas de aprendizaje de máquina-
dc.subject.classificationHumanidades y Ciencias de la Conducta-
dc.titleTécnicas de aprendizaje de máquina utilizadas para la minería de texto-
dc.title.alternativeMachine learning techniques used for text mining-
dc.typeArtículo-
dc.typepublishedVersion-
dcterms.bibliographicCitationInvestigación Bibliotecológica: archivonomía, bibliotecología e información (0187-358x) vol. 31(71), 103-126 (2017).-
dcterms.creatorGodoy Viera, Ángel Freddy::orcid::0000-0001-6657-4734-
dc.identifier.doi10.22201/iibi.0187358xp.2017.71.57812-
dc.description.resumenLas técnicas de aprendizaje de máquina continúan siendo muy utilizadas para la minería de texto. Para este artículo se realizó una revisión de literatura en periódicos científicos publicados en los años de 2010 y 2011, con el objetivo de identificar las principales formas de aprendizaje de máquina empleadas para la minería de texto. Se utilizó estadística descriptiva para organizar, resumir y analizar los datos encontrados, y se presentó una descripción resumida de las principales encontradas. En los artículos analizados se hallaron 13 aplicadas para la minería de texto, el 83% de los artículos mencionaban de 1 a 3 técnicas de aprendizaje de máquina, las principales usadas por los autores en los artículos estudiados fueron support vector machine (svm), k-means (k-m), k-nearest neighbors (k-nn), naive bayes (nb), self-organizing maps (som). Los pares que aparecen con mayor frecuencia son svm/nb, svm/k-nn, svm/decission tree.-
dc.relation.ispartofjournalhttp://rev-ib.unam.mx/ib/index.php/ib/issue/view/4465-
Aparece en las colecciones: Artículos

Texto completo:
Archivo Descripción Tamaño Formato  
71art4.pdf330.07 kBAdobe PDFVista previa
Visualizar/Abrir


Este recurso está sujeto a una Licencia Creative Commons Creative Commons