Informática con mención en Ciencias de la Computación

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12404/6357

Browse

Filters

20251

Settings

search.filters.applied.f.advisor: search.filters.advisor.Oncevay Marcos, Félix ArturoSubject: search.filters.subject.Aprendizaje automático (Inteligencia artificial)

Search Results

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Extracción automática de terminología multilingüe empleada en la implementación de tecnologías de la información y las comunicaciones, aplicada a castellano e inglés
    (Pontificia Universidad Católica del Perú, 2025-04-01) Peralta Melgar, Daniel Miguel; Oncevay Marcos, Félix Arturo
    Actualmente se observa una presión creciente sobre las organizaciones para implementar herramientas de Inteligencia Artificial y otros tipos de Tecnologías de la Información y las Comunicaciones –TIC. Sin embargo, la rápida evolución de las TIC y la carencia de metodologías de implementación actualizadas en varios idiomas dificultan el avance. El objetivo del presente trabajo es facilitar la actualización de las metodologías de implementación. Para esto se elaboran listas de términos, en castellano e inglés, para la implementación de dos tipos de TIC con la ayuda de varios modelos especializados en la Extracción Automática de Términos – EAT. Las listas de términos luego pueden ser usadas para afinar modelos de clasificación de textos, elaboración de resúmenes y traducción, que a su vez pueden ayudar en la actualización de las metodologías de implementación. Las listas de términos fueron elaboradas mediante una metodología incremental, combinando el uso de modelos y revisiones manuales. Se probaron 5 modelos pre- entrenados de tipo BERT y uno XLNet con resultados superiores a los de investigaciones similares, apoyando la posibilidad de hacer EAT en temas e idiomas para los cuales se cuente con pocos datos de entrenamiento. Se plantea una forma de medir la similitud entre listas de términos. Se observa que los corpus en diferentes idiomas sobre un mismo tema pueden tener enfoques diferentes, sugiriendo que el conocimiento se enriquecería si se tomaran como insumo juntas publicaciones en varios idiomas. Una métrica propuesta para evaluar la capacidad de un modelo para identificar términos no vistos antes estaría mostrando que esta capacidad no dependería solamente de identificar palabras vistas anteriormente.