Comparación de algoritmos de machine learning para procesamiento de lenguaje natural
DOI:
https://doi.org/10.23913/ctes.v11i21.817Resumen
El presente estudio se centra en la comparación de algoritmos de machine learning para el procesamiento de lenguaje natural, específicamente en tareas de clasificación y análisis de texto. Se analizarán cuatro algoritmos ampliamente utilizados en NLP: regresión logística, árboles de decisión, máquinas de vectores de soporte y redes neuronales. El alcance abarcó la evaluación de estos algoritmos utilizando métricas de evaluación estándar, así como la comparación de sus resultados y el análisis de sus ventajas y desventajas. El estudio pretende contribuir al conocimiento en el campo de la NLP y proporcionar información relevante para futuros trabajos y desarrollos en este ámbito.
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Con el propósito de promover el desarrollo y divulgación de la investigación en educación en América Latina, en CTES se adhirió a la Iniciativa de Acceso Abierto de Budapest, por lo que se identifica como una publicación de acceso abierto. Esto significa que cualquier usuario puede leer el texto completo de los artículos, imprimirlos, descargarlos, copiarlos, enlazarlos, distribuirlos y usar los contenidos para otros fines. Las licencias Creative Cummons, permiten especificar los derechos de uso de una revista de acceso abierto disponible en Internet de tal manera que los usuarios conocen las reglas de publicación.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
Se permite y recomienda a los autores/as a publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales) antes y durante el proceso de revisión y publicación, ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado
