Mapeo y síntesis a través de esquemas de clasificación de un dataset referente a artículos científicos sobre el coronavirus a través de lista y nube de palabras de los artículos (etapa 2)

El intento de optimización de un Systematic Mapping Study (SMS) a través de Machine Learning tiene dos etapas, en la primera etapa de este estudio que tomó el nombre de “Clasificación y Mapeo de un dataset de Artículos Científicos sobre SARS CoV2 a través de Lista y Nube de Palabras”, el autor del trabajo Moromenacho muestra las etapas de: Definición de preguntas de investigación, Ejecución de la búsqueda y Selección de artículos relevantes, en la cual involucra las herramientas Python y Excel, para la automatización se utilizó el Dataset de CORD-19 que fue descargado desde Kaggle, en la implementación se obtuvo un archivo con extensión .xlsx donde se encuentran títulos, abstracts y palabras más usadas, total de palabras del texto de los artículos. Para esta segunda se realiza una validación de datos, trataremos las etapas de: Selección de artículos relevantes, búsqueda de palabras clave, proceso de mapeo y extracción de datos, las herramientas que se utilizó con Python fueron Apache Spark y el método de Factorización No Negativa de Matrices (NMF) de Machine Learning, para lograr esta clasificación se tuvo que partir desde los criterios de inclusión y exclusión, generar palabras clave a través del modelo y finalmente como objetivo principal poder ver hacia que aspecto social se esté generando una tendencia.

• Hlavní autor: Pilacuan Erazo, Valeria Lizeth (author)
• Médium: bachelorThesis
• Jazyk: spa
• Vydáno: 2022
• Témata: INGENIERÍA DE SISTEMAS; ANÁLISIS DE SISTEMAS; BASES DE DATOS; SARS-COV2; ADMINISTRACIÓN DE BASES DE DATOS; COVID-19
• On-line přístup: http://dspace.ups.edu.ec/handle/123456789/22171