| TAZ-PFC-2022-010 |
Representación mediante clusters de similaridad semántica, generada con modelos de lenguaje.
Pérez Blasco, Alberto
Garrido Picazo, Piedad (dir.)
Universidad de Zaragoza,
POLTER,
2022
Informática e Ingeniería de Sistemas department, Lenguajes y Sistemas Informáticos area
Graduado en Ingeniería Informática
Abstract: Este Trabajo de Fin de Grado (TFG), trata de obtener documentos de una fuente de internet,
para posteriormente clasificarlos en clústeres dependiendo de su similaridad semántica y represen-
tarlos, de tal modo que se pueda analizar su parecido. Para ello, se utilizarán modelos de lenguaje
que tratarán de entender el contexto del documento, generando los embeddings asociados.
Como documentos de entrada, se utilizarán papers de caracter cientı́fico-técnicos y para la salida, se
deberán visualizar los distintos clústeres, ya que es la mejor forma de hacer referencia al conjunto
de documentos de entrada, debido a que de otra forma, es difı́cil visualizar la relación entre los
documentos descargados (aprox. 800). Finalmente, se obtendrá un “topic” que sirva para describir
cada clúster.
Al ser un TFG orientado a la investigación, el desarrollo del mismo tuvo varias fases, siendo éstas
la de formación en conocimientos básicos relacionados con las tecnologı́as, la de investigación de
las opciones que existı́an en cada apartado y finalmente la de implementación, fase en la que se
desarrolló el proyecto con tecnologı́as como KNIME, Jupyter Notebook, Python, Conda...
para posteriormente clasificarlos en clústeres dependiendo de su similaridad semántica y represen-
tarlos, de tal modo que se pueda analizar su parecido. Para ello, se utilizarán modelos de lenguaje
que tratarán de entender el contexto del documento, generando los embeddings asociados.
Como documentos de entrada, se utilizarán papers de caracter cientı́fico-técnicos y para la salida, se
deberán visualizar los distintos clústeres, ya que es la mejor forma de hacer referencia al conjunto
de documentos de entrada, debido a que de otra forma, es difı́cil visualizar la relación entre los
documentos descargados (aprox. 800). Finalmente, se obtendrá un “topic” que sirva para describir
cada clúster.
Al ser un TFG orientado a la investigación, el desarrollo del mismo tuvo varias fases, siendo éstas
la de formación en conocimientos básicos relacionados con las tecnologı́as, la de investigación de
las opciones que existı́an en cada apartado y finalmente la de implementación, fase en la que se
desarrolló el proyecto con tecnologı́as como KNIME, Jupyter Notebook, Python, Conda...
Tipo de Trabajo Académico: Proyecto Fin de Carrera
Notas: Resumen disponible también en inglés. Con la colaboración de la empresa NTT Data
Permalink:
El registro pertenece a las siguientes colecciones:
Academic Works > Trabajos Académicos por Centro > escuela-universitaria-politecnica-de-teruel
Academic Works > Final Degree Projects