Diseño de un sistema inteligente para estimación de categorización de grupos de investigación a partir de lineamientos definidos por COLCIENCIAS.

En este documento se trata el diseño e implementación de un sistema recomendador de productos de investigación enfocado a los grupos de investigación del proyecto curricular de Ingeniería de Sistemas. Inicialmente, se realizó un análisis al modelo de medición de Grupos de investigación de Colciencia...

Full description

Autores:
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2019
Institución:
Universidad Distrital Francisco José de Caldas
Repositorio:
RIUD: repositorio U. Distrital
Idioma:
spa
OAI Identifier:
oai:repository.udistrital.edu.co:11349/22537
Acceso en línea:
http://hdl.handle.net/11349/22537
Palabra clave:
Inteligencia computacional
Redes neuronales
Grupo de investigacion
Mule
Liferay
MATLAB
Java
Web scraping
Ingeniería de Sistemas - Tesis y disertaciones académicas
Políticas publicas
Mejoramiento de procesos
Matlab (Programa para computador)
Neural Networks
Liferay
Mule
Research group
MATLAB
Java
Web scraping
Computational intelligence
Rights
License
Atribución-NoComercial-SinDerivadas 4.0 Internacional
Description
Summary:En este documento se trata el diseño e implementación de un sistema recomendador de productos de investigación enfocado a los grupos de investigación del proyecto curricular de Ingeniería de Sistemas. Inicialmente, se realizó un análisis al modelo de medición de Grupos de investigación de Colciencias, del cual se obtuvo como resultado la información para el desarrollo de los componentes centrales. Posteriormente, se realizó una planeación de los componentes a desarrollar, y la información necesaria para el funcionamiento del sistema, así como la arquitectura a diseñar e implementar. Luego se dio inicio al desarrollo del web scraper, el motor de cálculo, y sus componentes frontend, por último, se desarrolló el sistema de recomendación, definiendo cuatro arquitecturas de redes neuronales, siendo la última la utilizada en la implementación del sistema recomendador, mediante la creación de una librería java con la herramienta MATLAB, y la creación del componente frontend. Para el desarrollo del sistema, se utilizó Liferay Portal CE para el desarrollo de la capa frontend, Mule ESB CE para el desarrollo de la capa de servicios e integración, y MySQL como motor de base de datos relacional.