Semi-supervised learning models for document classification : a systematic review and meta-analysis

dc.contributor.author Pons, Claudia Fabiana
dc.contributor.author Cevallos Culqui, Alex
dc.contributor.author Rodríguez, Gustavo
dc.date.accessioned 2023-11-21T17:52:09Z
dc.date.available 2023-11-21T17:52:09Z
dc.date.issued 2023-5-24
dc.description.abstract En el presente estudio se propone una estructura de los tipos de modelos semi-supervisados en la clasificación de documentos, para de esta manera analizar las cualidades de cada uno de ellos en su proceso de categorización, esto a través de una SLR (Revisión de literatura sistemática) que analiza el rendimiento de los estudios para efectuar un meta-análisis. La estrategia de búsqueda de estudios ha sido definida con el método PICOC (Población, Intervención, Comparación, Salidas, Contexto), el cual, apoyado en dos preguntas de investigación, define una cadena de búsqueda que ha permitido recopilar 332 investigaciones, filtradas con el método de la declaración PRISMA y la determinación de criterios de exclusión, seleccionando así 46 investigaciones para el estudio. De la SLR se ha obtenido una estructura de organización para los modelos semi-supervisados y un esquema del proceso de clasificación. También, se ha analizado las ventajas y desventajas de los diferentes tipos de aprendizaje, evaluando su desempeño de clasificación en cada tipo de aprendizaje a través de un meta-análisis. Se determina que los modelos que presentan los mejores niveles de rendimiento son el aprendizaje activo (0.88) y ensamblado (0.84).
dc.identifier.citation Cevallos-Culqui, A.; Pons, C.; Rodríguez, G. (2023). Semi-supervised learning models for document classification : a systematic review and meta-analysis. In: Inteligencia Artificial 26(72):81-111
dc.identifier.other https://doi.org/10.4114/intartif.vol26iss72pp81-111
dc.identifier.uri https://repositorio.uai.edu.ar/handle/123456789/2011
dc.language.iso es
dc.publisher Iberoamerican Society of Artificial Intelligence (IBERAMIA)
dc.subject clasificación de texto
dc.subject clasificación de documentos
dc.subject modelos semi-supervisado
dc.subject revisión sistemática
dc.title Semi-supervised learning models for document classification : a systematic review and meta-analysis
dc.type ARTICULO
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
0000310543.pdf
Size:
1.76 MB
Format:
Adobe Portable Document Format
Description:
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description: