Desarrollo de un servicio web para la clasificación de noticias falsas, aplicando técnicas de aprendizaje automático
El presente Trabajo de Integración Curricular planteó como objetivo el desarrollo de un servicio web para la clasificación de notificas falsas en Español, integrando un modelo de aprendizaje automático para la clasificación. En el desarrollo se utilizaron los métodos analítico y deductivo, para dete...
Gardado en:
| Autor Principal: | |
|---|---|
| Formato: | bachelorThesis |
| Idioma: | spa |
| Publicado: |
2023
|
| Subjects: | |
| Acceso en liña: | https://dspace.espoch.edu.ec/handle/123456789/20796 |
| Tags: |
Engadir etiqueta
Sen Etiquetas, Sexa o primeiro en etiquetar este rexistro!
|
Engadir etiqueta | Summary: | El presente Trabajo de Integración Curricular planteó como objetivo el desarrollo de un servicio web para la clasificación de notificas falsas en Español, integrando un modelo de aprendizaje automático para la clasificación. En el desarrollo se utilizaron los métodos analítico y deductivo, para determinar los fundamentos teóricos, además se aplicó la metodología SCRUM para el servicio web, donde se estableció requerimientos, personas y roles involucrados en el proyecto, también se definieron 7 historias técnicas y 2 historias de usuarios, además se realizó el sprint backlog para la planificar el periodo de realización de las historias. Por otro lado, se utilizó la metodología CRISP-DM, cubriendo tareas de recolección del conjunto de datos, preprocesamiento, selección de las técnicas a implementar, finalmente se evaluó y seleccionó la técnica con mejor rendimiento para su integración en el servicio web. Tanto el servicio web como la implementación del modelo, fueron realizados mediante el lenguaje de programación Python, con el uso de librerías de machine learning. Para evaluar la eficiencia de desempeño en el servicio web, se basó en la norma ISO/IEC 25010, tomando como métrica el tiempo de respuesta, para evaluar el comportamiento temporal. En el análisis se determinó que el servicio web tiene un tiempo de respuesta promedio de 1.08 segundos. Por otra parte, para la evaluación del rendimiento de los modelos de aprendizaje automático se utilizó la métrica F1, obteniendo que la arquitectura LSTM tiene el mejor rendimiento con una puntuación de 0.746. Finalmente, se recomienda que, para el entrenamiento de modelos de aprendizaje automático, se tenga en cuenta el tamaño del conjunto de datos optando por conjuntos de datos balanceados en el número de datos existentes por clase, de tal forma que no se afecte los resultados de la clasificación. |
|---|