Recomendador cuantitativo basado en minería de texto y técnicas de procesamiento de lenguaje natural, para identificar la similitud de conceptos entre los documentos obtenidos de dos componentes de un mashup web educativo y el concepto del componente origen

La presente investigación, plantea un modelo que permite optimizar las recomendaciones de textos en el desarrollo de los mashup web educativos. Se centra en la comparación de textos extraídos de diferentes servicios web. Estos son analizados con técnicas de minería de textos y procesamiento del lenguaje natural. Con el objetivo de identificar la similitud que existe entre ellos y poder recomendar la mejor opción de lectura. Con el fin de agilizar el proceso de investigación de académicos y aprendices, para así aportar a un aprendizaje eficaz. En el desarrollo de la investigación se extraen documentos de texto de los componentes de un mashup web educativo. Con estos datos se aplica la metodología CRISP-DM, que permite sistematizar el proceso de minería y la aplicación de técnicas de PLN. Lo que lleva al cumplimiento de los objetivos planteados. Esta investigación puede ser parte complementaría a los procesos de desarrollo de los mashup web. Puesto que, apoyaría en el contenido ya generado por el mashup, para analizarlo y recomendar al usuario final el documento que aporte información relevante y relacionada al tema de su búsqueda.

• 主要作者: Espinoza Guarango, Mayra Jadira (author)
• 格式: masterThesis
• 語言: spa
• 出版: 2023
• 主題: MASHUP WEB EDUCATIVO; KNOWLEDGE DISCOVERY IN DATABASES-KDD; KNOWLEDGE DISCOVERY IN TEXTS-KDT; CRISP-DM; PROCESAMIENTO DEL LENGUAJE NATURAL-PLN; MODELO GENERATIVO LATENT DIRICHLET ALLOCATION-LDA; PROCESAMIENTO DE TEXTOS; LIMPIEZA DE TEXTOS; LENGUAJE PYTHON; MINERÍA DE TEXTOS
• 在線閱讀: http://dspace.uazuay.edu.ec/handle/datos/13055