Desarrollo de un sistema de análisis de textos basado en procesamiento de lenguaje natural y servicios en la nube para determinar delitos de telecomunicaciones
El desarrollo tecnológico permite que diversas plataformas oferten servicios en la nube, donde destacan los servicios de inteligencia artificial como el procesamiento de lenguaje natural (PLN), la traducción de texto a voz y los asistentes virtuales. Así mismo, los delitos informáticos han experimen...
Saved in:
| Main Author: | |
|---|---|
| Other Authors: | |
| Format: | bachelorThesis |
| Language: | spa |
| Published: |
2021
|
| Subjects: | |
| Online Access: | http://repositorio.espe.edu.ec/handle/21000/25708 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Add Tag | Summary: | El desarrollo tecnológico permite que diversas plataformas oferten servicios en la nube, donde destacan los servicios de inteligencia artificial como el procesamiento de lenguaje natural (PLN), la traducción de texto a voz y los asistentes virtuales. Así mismo, los delitos informáticos han experimentado un crecimiento, en Ecuador han sido presentadas 53463 denuncias sobre delitos informáticos entre 2014 y 2020. No obstante, la persecución de los delitos puede resultar compleja y retrasar a los organismos de justicia e incluso puede conducir a la prescripción de los mismos. En este trabajo, se propone una aplicación con una arquitectura orientada a servicios para el análisis de procesos judiciales mediante el uso de un asistente virtual de voz o texto, relacionado posibles delitos informáticos y de telecomunicaciones con la normativa jurídica, a través de modelos de PLN desarrollados en Amazon Web Services (AWS), Microsoft Azure e IBM Watson. Para el entrenamiento de los modelos se recopiló información de diversas fuentes como la Ley Orgánica de Telecomunicaciones, el Código Orgánico Integral Penal y diversos procesos judiciales. Los modelos entrenados han sido comparados y evaluados obteniendo que el modelo de Azure presenta los mejores resultados con un F1 Score de 0.8838, un tiempo de respuesta promedio de 251.8 ms y soporta hasta 80 peticiones simultaneas. El modelo de AWS con un F1 score de 0.8588, tiempo promedio de respuesta 327.43 ms soportando hasta 50 peticiones simultáneas. Luego, el modelo de IBM con un F1 Score de 0.7669, un tiempo promedio de 365.15 ms tolerando hasta 50 peticiones simultáneas. |
|---|