Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.uci.cu/jspui/handle/123456789/9442
Título : Coseno contextual para enriquecer semánticamente y comparar textos cortos generados por herramientas de Gestión de Proyectos
Otros títulos : Contextual cosine for semantic enrichment and comparison of short texts generated by Project Management tools
Autor : Piedra Diéguez, Laynier A.
Torres López, Surayne
Medina Pagola, José E.
Rivero Hechavarría, Claudia C.
Palabras clave : TEXTOS CORTOS;INFORMACION SEMANTICA;PLN;COMPETENCIAS LABORALES;REDES NEURONALES;EVALUACION DE DESEMPEÑO;GESTION DE PROYECTOS;SIMILITUD DE TEXTOS
Fecha de publicación : 2018
Editorial : Ediciones Futuro
Citación : Piedra, L. A., Torres, S., Medina, J. E., Rivero, C. C. (2018). Coseno contextual para enriquecer semánticamente y comparar textos cortos generados por herramientas de Gestión de Proyectos. Revista Cubana de Ciencias Informáticas. Vol. 12 ( Especial UCIENCIA), pp. 151-162. Recuperado de https://rcci.uci.cu/?journal=rcci&page=article&op=view&path%5B%5D=1779
Resumen : El análisis de textos cortos ha sido un problema a tratar durante los procesos automáticos de apoyo a la toma de decisiones debido a la escasa información que contienen. Las herramientas de gestión de proyectos generan este tipo de textos y es necesario darles un tratamiento adecuado para obtener resultados válidos y confiables. En la herramienta Xedro-GESPRO, a partir del análisis de las evidencias del desempeño de los recursos humanos, es generado un modelo evaluación de competencias laborales en proyectos, este modelo se implementó sin una variante que utilizara información semántica o contextual para la comparación de los textos y dichas evidencias, al igual que las competencias laborales, constituyen textos cortos. Para dar tratamiento a este problema se propuso utilizar un modelo basado en redes neuronales artificiales (RNA). Concretamente el modelo propuesto fue capaz de capturar información semántica de un corpus textual especializado en la gestión de proyectos mejorando el análisis actual de los indicadores que se utilizan para la evaluación de competencias laborales. No solo demostró que es posible lidiar efectivamente con los problemas de procesamiento de lenguaje natural asociados a textos cortos sin afectar la eficiencia y mejorando significativamente la efectividad y validez del proceso, sino que además fue capaz de capturar la relación entre términos mal escritos o en otro idioma (inglés).
The short texts analysis has been a problem to deal with, during the automatic decision support processes, due to the limited information they contain. The project management tools generate this type of texts and it is necessary to give them the most appropriate treatment to obtain valid and reliable results. In the Xedro-GESPRO tool, based on the analysis of the evidence of human resources’ performance, an evaluation model of labor competencies in projects is generated. This model was implemented without a variant that considered semantic or contextual information for the texts comparison, but the previously mentioned evidences, as well as labor competencies, are short texts. To deal with this problem, it was suggested to use a model based on artificial neural networks (ANN). Specifically, the proposed model was able to capture semantic information from a specialized in project management textual corpus, and improved the current analysis of the indicators that are used for the evaluation of labor competencies. The model not only showed that it is possible to deal effectively with the problems of natural language processing associated with short texts without affecting efficiency and significantly improving the effectiveness and validity of the process but to capture relationship between bad written terms or English words.
URI : https://repositorio.uci.cu/jspui/handle/123456789/9442
ISSN : 2227.1899
Aparece en las colecciones: Eventos

Ficheros en este ítem:
Fichero Tamaño Formato  
a117.pdf340.92 kBAdobe PDFVisualizar/Abrir


Los ítems del Repositorio están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.