Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/9114Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Cuéllar Hidalgo, Rodrigo | - |
| dc.creator | Cuéllar Hidalgo, Rodrigo%390532 | - |
| dc.date.accessioned | 2025-02-18T23:06:46Z | - |
| dc.date.available | 2025-02-18T23:06:46Z | - |
| dc.date.issued | 2024-12-02 | - |
| dc.identifier.uri | https://rinacional.tecnm.mx/jspui/handle/TecNM/9114 | - |
| dc.description | La tesis se centra en mejorar la segmentación de referencias bibliográficas mediante el uso de aprendizaje automático y arquitecturas de redes neuronales. El objetivo principal es desarrollar y evaluar un modelo que realice la segmentación de referencias en múltiples idiomas y estilos bibliográficos. Se evaluaron varios enfoques, incluyendo arquitecturas como CRF, BiLSTM, Transformer y Ventanas Deslizantes, así como sus combinaciones, asegurando la resiliencia frente a errores y variaciones en los datos de entrada. For this purpose, amultilingual corpus of bibliographic references was developed, encompassing a range of styles and marking a significant advancement in scientific knowledge. This approach is particularly pertinent for digital libraries in non-English-speaking countries, where access to robust reference processing tools remains limited. El proceso de segmentación se abordo en varias fases, comenzando con la selección manual y automática de características, seguida de la captura de contexto mediante arquitecturas como BiLSTM y Transformer. Las predicciones se basaron en estas técnicas, priorizando la tolerancia a omisiones e inconsistencias en la segmentación. Los experimentos mostraron que las combinaciones de BiLSTMy Transformer lograron mas del 98%de F-score en segmentación de referencias y mas del 92%en entornos multilingues. Cabe destacar que Transformer + BiLSTM y Ventanas Deslizantes + BiLSTM se destacaron por su eficiencia y alto rendimiento en condiciones desafiantes. La tesis enfatiza la importancia critica de la selección de características y la complejidad computacional. A pesar de la mayor eficiencia de los modelos combinados, requieren recursos computacionales significativos, lo cual presenta una limitación para su aplicación practica. En conclusión, el estudio proporciona un marco solido para la segmentación de referencias en múltiples idiomas y estilos. Destaca la efectividad de combinar BiLSTM y Transformer para lograr precisión y robustez frente a errores. Además, sienta las bases para futuras investigaciones que ampliaran la generalización a mas idiomas y estilos y optimizaran la eficiencia computacional. | es_MX |
| dc.language.iso | spa | es_MX |
| dc.publisher | Tecnológico Nacional de México | es_MX |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0 | es_MX |
| dc.subject | info:eu-repo/classification/cti/7 | es_MX |
| dc.subject.other | Minería de Referencias, BiLSTM, transformadores, codificación Byte-Pair, campos aleatorios condicionales. | es_MX |
| dc.title | Minería de referencias bibliográficas: Mejora en la generalización de la Segmentación | es_MX |
| dc.type | info:eu-repo/semantics/doctoralThesis | es_MX |
| dc.contributor.director | Pinto Elías, Raúl%16149 | - |
| dc.contributor.director | Reyes Salgado, Gerardo%26155 | - |
| dc.folio | 238 | es_MX |
| dc.rights.access | info:eu-repo/semantics/openAccess | es_MX |
| dc.publisher.tecnm | Centro Nacional de Investigación y Desarrollo Tecnológico | es_MX |
| Appears in Collections: | Tesis de Doctorado en Computación | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| DC_Rodrigo_Cuellar_Hidalgo_2024.pdf | Tesis | 2.43 MB | Adobe PDF | View/Open |
| DC_Rodrigo_Cuellar_Hidalgo_2024_c.pdf Restricted Access | Cesión de derechos | 448.37 kB | Adobe PDF | View/Open Request a copy |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
