Evaluación de Reglas de Asociación en Text Mining Utilizando ...

More documents

Recommendations

Info

Agradecimientos A mi madre, otra vez gracias a ti el día de hoy estoy finalizando otra etapa de mi carrera profesional. Gracias por tu apoyo incondicional y el amor que me entregas día a día. Cada día te quiero más. A mi abuelita, tío Manuel, familiares y Ernestito, por la confianza, apoyo y amor que recibo de parte de ustedes, muchas gracias. Los quiero demasiado. Al profesor John, por guiarme de excelente manera en el desarrollo de esta tesis, por tu dedicación, motivación y amistad, muchas gracias. A mis amigos, por poder contar con su confianza y amistad incondicional. Este proyecto ha sido realizado en el contexto del proyecto FONDECYT No. 1070714, An Interactive Natural-Language Dialogue Model for Intelligent Filtering Based on Patterns Discovered from Text Documents, dirigido por el profesor Dr. John Atkinson. 2
Resumen Tareas tradicionales en minería de textos descubren patrones desconocidos considerados interesantes desde un punto de vista estadístico usando métricas estándar. Esta evaluación estadística no toma en cuenta modelos mentales, usuarios o conocimiento del dominio. Mientras existen algunos enfoques para evaluar patrones (reglas de asociación) en text mining éstos fallan en determinar con exactitud cuales de los patrones descubiertos resultan ser interesantes/novedosos. En esta tesis, se propone y discute un nuevo enfoque que combina semántica basada en corpus (LSA) y modelo de conocimiento basado en Lattices. Los Experimentos realizados utilizando nuestro enfoque en comparación con otros modelos de evaluación del estado del arte muestran lo promisorio de nuestro método para evaluar los patrones descubiertos como interesantes o sin interés hacia expertos humanos. 3
Page 1: UNIVERSIDAD DE CONCEPCIÓN FACULTAD
Page 5 and 6: Índice 1. INTRODUCCIÓN ..........
Page 7 and 8: Índice de Tablas Tabla 1: Informac
Page 9 and 10: Los principales enfoques que buscan
Page 11 and 12: 2. Fundamentos Teóricos 2.1 Text M
Page 13 and 14: Dentro de los métodos de reconocim
Page 15 and 16: Clustering Este método divide un c
Page 17 and 18: Reglas de Asociación Figura 3: Pro
Page 19 and 20: Las reglas de asociación se clasif
Page 21 and 22: TID Items 1 A C D 2 B C E 3 A B C E
Page 23 and 24: Un Lattice de Itemset Cerrados pose
Page 25 and 26: 2.2 Análisis Semántico Latente El
Page 27 and 28: En la figura 7 se dan a conocer los
Page 29 and 30: {X´}= c1 c2 c3 c4 c5 m1 m2 m3 m4 h
Page 31 and 32: 3. Trabajos Relacionados Las tareas
Page 33 and 34: de textos y las cuales no pueden di
Page 35 and 36: 3) Lattice Conceptual: Un Lattice d
Page 37 and 38: A partir del contexto formal de la
Page 39 and 40: En este algoritmo los valores del m
Page 41 and 42: = 41 1 1 1 1 1 1 2 3 1 1 3
Page 43 and 44: Al igual que en el enfoque de Moone
Page 45 and 46: El problema que se presenta en los
Page 47 and 48: El algoritmo inserta conceptos en L
Page 49 and 50: Cada uno de los features busca enco
Page 51 and 52: Como se aprecia en las figura 18 y
Page 53 and 54:
En Toussaint et al. [6, 7, 20] pres
Page 55 and 56:
C2 casa vivienda C4 C3 cabaña Figu
Page 57 and 58:
Los experimentos muestran que para
Page 59 and 60:
Al mismo tiempo cada regla es evalu
Page 61 and 62:
6. Conclusiones En esta tesis un nu
Page 63 and 64:
[15] L. Guilder. Automated Part of
Page 65:
8. Documentación Anexa 8.1 Lista S
show all

Evaluación de Reglas de Asociación en Text Mining Utilizando ...

Create successful ePaper yourself

Delete template?

Save as template?