Resumen

El uso del aprendizaje en conjunto, el aprendizaje profundo y métodos efectivos de representación de documentos son actualmente algunas de las tendencias más comunes para mejorar la precisión general de un sistema de clasificación/categorización de texto. El aprendizaje en conjunto es un enfoque para aumentar la precisión general de un sistema de clasificación mediante el uso de múltiples clasificadores. Los métodos basados en aprendizaje profundo proporcionan mejores resultados en muchas aplicaciones en comparación con los otros algoritmos convencionales de aprendizaje automático. Los embeddings de palabras permiten la representación de palabras aprendidas de un corpus como vectores que proporcionan un mapeo de palabras con significados similares para tener una representación similar. En este estudio, utilizamos diferentes representaciones de documentos con el beneficio de los embeddings de palabras y un conjunto de clasificadores base para la clasificación de texto. El conjunto de clasificadores base incluye algoritmos tradicionales de aprendizaje automático como Naïve Bayes, máquina de vectores de soporte y bosque aleatorio, y un clasificador de red convencional basado en

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Aprendizaje en conjunto; Aprendizaje profundo; Métodos de representación de documentos; Clasificación de texto; Incrustaciones de palabras; Algoritmos de aprendizaje automático
• Keywords:Ensemble learning; Deep learning; Document representation methods; Text classification; Word embeddings; Machine learning algorithms