Artículos y presentaciones en Congresos

URI permanente para esta colección

https://digital.cic.gba.gob.ar/handle/11746/6317

Examinar

Examinando Artículos y presentaciones en Congresos por Autor "Esnaola, Leonardo Martín"

Mostrando 1 - 5 de 5
  • Documento de conferencia
    Acceso Abierto
    Análisis automático de grandes volúmenes de datos en redes sociales mediante minería de textos combinado con algoritmos inteligentes
    (2018) Tessore, Juan Pablo; Esnaola, Leonardo Martín; Russo, Claudia Cecilia; Ramón, Hugo D.; Pompei, Sabrina
    El presente trabajo propone construir un clasificador automático de opiniones, que permitirá realizar análisis automáticos a bajo costo del juicio de los consumidores acerca de productos o servicios. Dicho clasificador será entrenado a partir de los comentarios en lenguaje informal presente en redes sociales. Para alcanzar el objetivo descripto, en primer lugar, se prevé construir una base de datos que reúna diversos fragmentos de texto en idioma español, incorporando los modismos propios de nuestra región. En segundo lugar, a través de un proceso incremental de limpieza y normalización de cada fragmento de texto, que incluye actividades como la eliminación de hashtags, enlaces, emoticones, etc.; corrección ortográfica; etiquetado sintáctico (también conocido como “Part Of Speech Tagging”, o simplemente “POS tagging”); desambiguación, entre otras. Una vez realizada la recopilación y normalizado el contenido, se definirá un criterio de clasificación de dichos fragmentos, de manera de establecer clases que permitan agrupar los mismos según su afinidad, es decir a partir de características comunes. Finalmente, a partir del diseño, desarrollo e implementación de un algoritmo inteligente se buscará determinar el grado de pertenencia a cada uno de los grupos definidos de cualquier texto arbitrario.
  • Documento de conferencia
    Acceso Abierto
    Detección automática de emociones en textos de redes sociales mediante algoritmos inteligentes
    (2018) Esnaola, Leonardo Martín
    El procesamiento del lenguaje natural (PLN) o minería de textos es un área de la inteligencia artificial, la misma se encarga de desarrollar algoritmos que permitan extraer información relevante a partir de diversos contenidos en forma de texto. Con el auge de las redes sociales, la generación de este tipo de contenido ha crecido en forma exponencial, creando la materia prima necesaria para aplicar algoritmos de minería de textos que posibiliten extraer patrones significativos. Dentro de las tareas de la minería de textos podemos mencionar: clasificación de subjetividad; determinación de connotación positiva o negativa; detección de emociones; resolución de ambigüedades; extracción de palabras de opinión y/o aspectos, etc. Este trabajo pretende construir, en primer lugar, una base de datos lo suficientemente representativa, a partir del contenido extraído de las redes sociales, para luego realizar sobre el mismo distintas tareas de minería de textos que permitan analizarlos con el objetivo de construir un procesador automático de emociones. Esta herramienta debe ser capaz de realizar una detección automática de las emociones presentes en un texto, basándose para ello en el análisis previo de las emociones manifestadas por las personas en redes sociales como Facebook, cuando depositan un comentario sobre alguna publicación determinada.
  • Documento de conferencia
    Acceso Abierto
    Estudio comparativo de estrategias heurísticas de generación de soluciones para el problema de asignación de exámenes
    (2017) Tessore, Juan Pablo; Cicerchia, Lucas Benjamin; Esnaola, Leonardo Martín; Ramón, Hugo D.; Russo, Claudia Cecilia
    Timetabling se refiere a un conjunto de problemas de optimización combinatoria, que intentan asignar recursos, sean aulas, docentes o intervalos de tiempo para distintas necesidades de estudiantes, cursos y exámenes. En el presente trabajo se aborda una de las variantes de este problema que busca agendar exámenes a distintos intervalos de tiempo, cumpliendo con las restricciones de que ningún alumno debe asistir a más de un examen en el mismo momento y, en la medida de lo posible, que tenga el mayor tiempo libre entre las evaluaciones. La cantidad de combinaciones a considerar para una instancia tamaño moderado hacen inviable la búsqueda de la solución óptima, debido al tiempo que demandaría encontrarla. En consecuencia, en este artículo se utilizan distintas estrategias para combinar heurísticas que permiten obtener una buena solución al problema en un intervalo de tiempo reducido. Las heurísticas mencionadas fueron probadas sobre un conjunto de instancias estándar de manera individual así como también combinadas de manera secuencial yjerárquica. En las pruebas realizadas se obtuvieron mejores resultados mediante el método jerárquico. Debido a lo anterior es posible afirmar la superioridad de este último método sobre los demás utilizados en el presente trabajo.
  • Documento de conferencia
    Acceso Abierto
    Machine learning aplicado a remote sensing: aplicaciones en gobernanza digital para el desarrollo sustentable
    (2017) Tessore, Juan Pablo; Cicerchia, Lucas Benjamin; Esnaola, Leonardo Martín; Ramón, Hugo D.; Russo, Claudia Cecilia; Sarobe, M.; Serafino, Sandra; Smail, A.
    El presente trabajo muestra las problemáticas abordadas mediante tecnologías de Machine Learning aplicadas a Remote Sensing, las que pueden servir de soporte a la gobernanza digital para el desarrollo sustentable. Para ello se realiza una revisión bibliográfica de la utilización de estas dos tecnologías con el fin de mostrar cuáles son los avances alcanzados en el área, en qué se está trabajando y cuáles son las aplicaciones relacionadas con la gobernanza electrónica para el desarrollo sustentable.
  • Documento de conferencia
    Acceso Abierto
    Problemas de optimización combinatoria: una propuesta que combina algoritmos genéticos y metaheurísticas
    (2017) Cicerchia, Lucas Benjamin; Esnaola, Leonardo Martín; Tessore, Juan Pablo; Ramón, Hugo D.; Russo, Claudia Cecilia; Martínez, Crisitian Alejandro
    Timetabling se refiere al conjunto de problemas de optimización combinatoria que intentan asignar recursos, sean aulas, docentes o intervalos de tiempo, para distintas necesidades de estudiantes, cursos y exámenes. El presente trabajo se ocupa de una de las variantes de este problema, que busca agendar exámenes a distintos intervalos de tiempo, cumpliendo con las restricciones de que ningún alumno debe asistir a más de un examen en el mismo momento y que, en la medida de lo posible, tenga el mayor tiempo libre entre las evaluaciones. Los intervalos de tiempo no tienen restricciones en cuanto a la cantidad de exámenes que puedan asignárseles. Como estrategia de resolución se utiliza un algoritmo genético, que combina diversas heurísticas para la construcción de soluciones factibles que conforman la población inicial con la que trabaja el algoritmo. Dichas heurísticas fueron seleccionadas priorizando la calidad de la solución construida. También se definieron operadores de cruzamiento y mutación particulares, con el objetivo de mejorar la calidad de la solución resultante del proceso genético o, al menos, evitar la generación de soluciones no factibles. Mediante el algoritmo propuesto se alcanzaron soluciones relativamente buenas con pocas evaluaciones de la función objetivo y en un tiempo de ejecución razonable.