Repository logo
Communities & Collections
All of DSpace
  • English
  • Español
Log In
New user? Click here to register. Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "ALLENDES RETAMALES, NANCY PATRICIA"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Results Per Page
  • Sort Options
  • Loading...
    Thumbnail Image
    Thesis
    ENTRENAMIENTO DE CLASIFICADORES PARA LA DETECCIÓN DE PLAGIO TRADUCIDO EN DOCUMENTOS ELECTRÓNICOS
    (Universidad Técnica Federico Santa María, 2014) ALLENDES RETAMALES, NANCY PATRICIA; ALLENDES RETAMALES, NANCY PATRICIA; CREIXELL FUENTES, WERNER UWE; Universidad Técnica Federico Santa María UTFSM. Departamento de Electrónica; BEGHELLI Z, ALEJANDRA
    El presente trabajo se enmarca dentro del proyecto ?Detección del Plagio Traducido en Documentos Electrónicos?, realizado a través del Centro Cient??fico y Tecnológico de Valpara??so que busca crear nuevas metodolog?ás para detectar el plagio traducido. En este trabajo de t??tulo, se realiza un estudio comparativo entre cinco clasificadores implementados por la herramienta Weka y que son conocidos en miner?á de datos. El estudio se basa en la modificación de los parámetros de los clasificadores para encontrar aquel que presente los mejores resultados al clasificar un conjunto de documentos con sospecha de haber sido plagiados desde el idioma inglés. El objetivo de este trabajo es constatar que los mejores resultados en la clasificación de estos documentos se logra con utilizando las Máquinas de Soporte Vectorial. En el plan de pruebas se han utilizado dos técnicas; la técnica de Validación cruzada (cross validation) para dividir los datos en diez grupos y la técnica de validar sobre un conjunto de pruebas (Test Set) que contenga muestras no vistas en el entrenamiento. Con estas técnicas se pretende demostrar que los clasificadores evaluados: Naive Bayes, Arboles de Decisión, Reglas de Decisión, Regresión Log??stica y Máquinas de Soporte Vectorial implementadas por Weka (algoritmo SMO), a pesar de ser usados con sus parámetros óptimos, no presentan tan buenos resultados como lasMáquinas de Soporte Vectorial implementadas por LibSVM que presentan un 85% de aciertos.

UNIVERSIDAD

  • Nuestra Historia
  • Federico Santa María
  • Definiciones Estratégicas
  • Modelo Educativo
  • Organización
  • Información Estadística USM

CAMPUS Y SEDES

  • Información Campus y Sedes
  • Tour Virtual
  • Icono Seguridad Política de Privacidad

EXTENSIÓN Y CULTURA

  • Dirección de Comunicaciones Estratégicas y Extensión Cultural
  • Dirección General de Vinculación con el Medio
  • Dirección de Asuntos Internacionales
  • Alumni
  • Noticias
  • Eventos
  • Radio USM
  • Cultura USM

SERVICIOS

  • Aula USM
  • Biblioteca USM
  • Portal de Autoservicio Institucional
  • Dirección de Tecnologías de la Información
  • Portal de Reportes UDAI
  • Sistema de Información de Gestión Académica
  • Sistema Integrado de Información Argos ERP
  • Sistema de Remuneraciones Históricas
  • Directorio USM
  • Trabaja con nosotros
Acreditación USM
usm.cl
Logo Acceso
Logo Consejo de Rectores
Logo G9
Logo AUR
Logo CRUV
Logo REUNA
Logo Universia

DSpace software copyright © 2002-2025 LYRASIS

  • Privacy policy
  • End User Agreement
  • Send Feedback