Services on Demand
Journal
Article
Indicators
- Cited by SciELO
- Access statistics
Related links
- Cited by Google
- Similars in SciELO
- Similars in Google
Share
Tecciencia
Print version ISSN 1909-3667
Abstract
ESPINOSA-OVIEDO, Jorge E.; ZULUAGA-MAZO, Abdul and GOMEZ-MONTOYA, Rodrigo A.. Métodos de Kernel para Mejorar la Inferencia Transductiva de Motores de Búsqueda de Texto Usando Máquinas de Soporte Vectorial. Tecciencia [online]. 2017, vol.12, n.22, pp.51-60. ISSN 1909-3667. https://doi.org/10.18180/tecciencia.2017.22.6.
Este artículo muestra la implementación y metodología de pruebas de Máquinas Transductivas de Soporte Vectorial, propuesta por Joachims et al., y extendida por Li et al. Se explican las Máquinas de Soporte Vectorial como clasificadores óptimos, junto con el concepto de inferencia transductiva. Durante el proceso de implementación, varias pruebas se realizaron. Los datos para estas pruebas fueron diversos, especialmente respecto a la dimensionalidad (número de muestras, características, etc.). El objetivo final fue la evaluación de la herramienta de inferencia transductiva en el Intelligent Interface Web Engine desarrollado por el grupo SISTA de la Universidad Católica de Leuven (Bélgica).
Keywords : Máquinas de Soporte Vectorial; Clasificación de Textos; Inferencia Transductiva; Minería de Datos.