Reconocimiento de entidades relacionadas con el proceso de síntesis de kesterita mediante herramientas de procesamiento de lenguaje natural

En este documento se describe el desarrollo de un sistema automático de reconocimiento de entidades relacionadas con la elaboración de películas delgadas basadas en kesterita, mediante diferentes métodos de síntesis para su empleo en dispositivos fotovoltaicos. Este sistema se desarrolló usando (NTL...

Full description

Autores:
Jiménez Ordoñez, Natalia Estefanía
Perdomo Camargo, Sergio Andres
Tipo de recurso:
http://purl.org/coar/version/c_b1a7d7d4d402bcce
Fecha de publicación:
2020
Institución:
Universidad Industrial de Santander
Repositorio:
Repositorio UIS
Idioma:
spa
OAI Identifier:
oai:noesis.uis.edu.co:20.500.14071/40089
Acceso en línea:
https://noesis.uis.edu.co/handle/20.500.14071/40089
https://noesis.uis.edu.co
Palabra clave:
Kesterita
Clasificación Automática De Documentos
Herramientas De Procesamiento De Lenguaje Natural
Aprendizaje Automá- Tico
Aprendizaje Supervisado
Regresión Logística
Maquinas Vectores De Soporte.
Kesterite
Automatic Classification Of Documents
Natural Language Processing Toolkit Of Python
Machine Learning
Supervised Learning
Logistic Regression
Support Vector Machine.
Rights
License
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
id UISANTADR2_a81ae8346b5b78ff5357e4c124301904
oai_identifier_str oai:noesis.uis.edu.co:20.500.14071/40089
network_acronym_str UISANTADR2
network_name_str Repositorio UIS
repository_id_str
dc.title.none.fl_str_mv Reconocimiento de entidades relacionadas con el proceso de síntesis de kesterita mediante herramientas de procesamiento de lenguaje natural
dc.title.english.none.fl_str_mv Recognition of entities related to the kesterite synthesis process through natural language processing tools
title Reconocimiento de entidades relacionadas con el proceso de síntesis de kesterita mediante herramientas de procesamiento de lenguaje natural
spellingShingle Reconocimiento de entidades relacionadas con el proceso de síntesis de kesterita mediante herramientas de procesamiento de lenguaje natural
Kesterita
Clasificación Automática De Documentos
Herramientas De Procesamiento De Lenguaje Natural
Aprendizaje Automá- Tico
Aprendizaje Supervisado
Regresión Logística
Maquinas Vectores De Soporte.
Kesterite
Automatic Classification Of Documents
Natural Language Processing Toolkit Of Python
Machine Learning
Supervised Learning
Logistic Regression
Support Vector Machine.
title_short Reconocimiento de entidades relacionadas con el proceso de síntesis de kesterita mediante herramientas de procesamiento de lenguaje natural
title_full Reconocimiento de entidades relacionadas con el proceso de síntesis de kesterita mediante herramientas de procesamiento de lenguaje natural
title_fullStr Reconocimiento de entidades relacionadas con el proceso de síntesis de kesterita mediante herramientas de procesamiento de lenguaje natural
title_full_unstemmed Reconocimiento de entidades relacionadas con el proceso de síntesis de kesterita mediante herramientas de procesamiento de lenguaje natural
title_sort Reconocimiento de entidades relacionadas con el proceso de síntesis de kesterita mediante herramientas de procesamiento de lenguaje natural
dc.creator.fl_str_mv Jiménez Ordoñez, Natalia Estefanía
Perdomo Camargo, Sergio Andres
dc.contributor.advisor.none.fl_str_mv Ramírez Silva, Ana Beatriz
Duarte Gualdron, Cesar Antonio
dc.contributor.author.none.fl_str_mv Jiménez Ordoñez, Natalia Estefanía
Perdomo Camargo, Sergio Andres
dc.subject.none.fl_str_mv Kesterita
Clasificación Automática De Documentos
Herramientas De Procesamiento De Lenguaje Natural
Aprendizaje Automá- Tico
Aprendizaje Supervisado
Regresión Logística
Maquinas Vectores De Soporte.
topic Kesterita
Clasificación Automática De Documentos
Herramientas De Procesamiento De Lenguaje Natural
Aprendizaje Automá- Tico
Aprendizaje Supervisado
Regresión Logística
Maquinas Vectores De Soporte.
Kesterite
Automatic Classification Of Documents
Natural Language Processing Toolkit Of Python
Machine Learning
Supervised Learning
Logistic Regression
Support Vector Machine.
dc.subject.keyword.none.fl_str_mv Kesterite
Automatic Classification Of Documents
Natural Language Processing Toolkit Of Python
Machine Learning
Supervised Learning
Logistic Regression
Support Vector Machine.
description En este documento se describe el desarrollo de un sistema automático de reconocimiento de entidades relacionadas con la elaboración de películas delgadas basadas en kesterita, mediante diferentes métodos de síntesis para su empleo en dispositivos fotovoltaicos. Este sistema se desarrolló usando (NTLK) y Regresión Logística (RL) como técnica de aprendizaje automático, sobre una base de datos de artículos científicos encontrados en ScienceDirect. Con el objetivo de comparar los resultados, se ha aplicado un algoritmo de aprendizaje más: el algoritmo de Máquinas de Vectores de Soporte (SVM), con el propósito de comprobar la eficiencia y efectividad del algoritmo RL en la tarea concreta de clasificación de entidades. Con esta herramienta se podra extraer, clasificar y representar parametros esenciales para con construccion de celdas solares de manera automática, con el fin de crear un set de datos a partir de la información relevante presentada en publicaciones científicas. Esta aplicación permitiría a futuro procesar y analizar una gran cantidad de datos de forma eficiente tal que el usuario pueda establecer la configuracion de los parámetros más adecuada para la síntesis de kesteritas, logrando una eficiencia mejor y un costo menor de implementación en paneles solares. Adicionalmente, estos datos obtenidos se pueden utilizar en procesos automáticos de analítica de datos.
publishDate 2020
dc.date.available.none.fl_str_mv 2020
2024-03-04T00:43:14Z
dc.date.created.none.fl_str_mv 2020
dc.date.issued.none.fl_str_mv 2020
dc.date.accessioned.none.fl_str_mv 2024-03-04T00:43:14Z
dc.type.local.none.fl_str_mv Tesis/Trabajo de grado - Monografía - Pregrado
dc.type.hasversion.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.coar.none.fl_str_mv http://purl.org/coar/version/c_b1a7d7d4d402bcce
format http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.identifier.uri.none.fl_str_mv https://noesis.uis.edu.co/handle/20.500.14071/40089
dc.identifier.instname.none.fl_str_mv Universidad Industrial de Santander
dc.identifier.reponame.none.fl_str_mv Universidad Industrial de Santander
dc.identifier.repourl.none.fl_str_mv https://noesis.uis.edu.co
url https://noesis.uis.edu.co/handle/20.500.14071/40089
https://noesis.uis.edu.co
identifier_str_mv Universidad Industrial de Santander
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv http://creativecommons.org/licenses/by/4.0/
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.none.fl_str_mv Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0
dc.rights.creativecommons.none.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
rights_invalid_str_mv Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
http://creativecommons.org/licenses/by/4.0/
http://creativecommons.org/licenses/by-nc/4.0
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Industrial de Santander
dc.publisher.faculty.none.fl_str_mv Facultad de Ingenierías Fisicomecánicas
dc.publisher.program.none.fl_str_mv Ingeniería Electrónica
dc.publisher.school.none.fl_str_mv Escuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
publisher.none.fl_str_mv Universidad Industrial de Santander
institution Universidad Industrial de Santander
bitstream.url.fl_str_mv https://noesis.uis.edu.co/bitstreams/3487867c-0382-413b-aa1b-3610fb56cde4/download
https://noesis.uis.edu.co/bitstreams/bf470af0-b415-4da1-bd9e-6727438c2c84/download
https://noesis.uis.edu.co/bitstreams/e375d653-79d3-4df8-8de8-07f3b74e9754/download
bitstream.checksum.fl_str_mv 96be02adbeeb4eddd8a6c18407f014e3
c698bd4c8323fbefee71d8f6e20a076c
c26b5fed4d1770e93e6c9773f47dcaef
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv DSpace at UIS
repository.mail.fl_str_mv noesis@uis.edu.co
_version_ 1814095225677676544
spelling Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)http://creativecommons.org/licenses/by/4.0/http://creativecommons.org/licenses/by-nc/4.0Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)http://purl.org/coar/access_right/c_abf2Ramírez Silva, Ana BeatrizDuarte Gualdron, Cesar AntonioJiménez Ordoñez, Natalia EstefaníaPerdomo Camargo, Sergio Andres2024-03-04T00:43:14Z20202024-03-04T00:43:14Z20202020https://noesis.uis.edu.co/handle/20.500.14071/40089Universidad Industrial de SantanderUniversidad Industrial de Santanderhttps://noesis.uis.edu.coEn este documento se describe el desarrollo de un sistema automático de reconocimiento de entidades relacionadas con la elaboración de películas delgadas basadas en kesterita, mediante diferentes métodos de síntesis para su empleo en dispositivos fotovoltaicos. Este sistema se desarrolló usando (NTLK) y Regresión Logística (RL) como técnica de aprendizaje automático, sobre una base de datos de artículos científicos encontrados en ScienceDirect. Con el objetivo de comparar los resultados, se ha aplicado un algoritmo de aprendizaje más: el algoritmo de Máquinas de Vectores de Soporte (SVM), con el propósito de comprobar la eficiencia y efectividad del algoritmo RL en la tarea concreta de clasificación de entidades. Con esta herramienta se podra extraer, clasificar y representar parametros esenciales para con construccion de celdas solares de manera automática, con el fin de crear un set de datos a partir de la información relevante presentada en publicaciones científicas. Esta aplicación permitiría a futuro procesar y analizar una gran cantidad de datos de forma eficiente tal que el usuario pueda establecer la configuracion de los parámetros más adecuada para la síntesis de kesteritas, logrando una eficiencia mejor y un costo menor de implementación en paneles solares. Adicionalmente, estos datos obtenidos se pueden utilizar en procesos automáticos de analítica de datos.PregradoIngeniero ElectrónicoThis document describes the development of an automatic system for the recognition of entities related to the production of thin films based on kesterite, using different synthesis methods for their use in photovoltaic devices. This system was developed using Natural Language Processing Tool Kit (NTLK) and Logistic Regression (RL) as a machine learning technique, on a database of scientific articles found in ScienceDirect. To compare the results, one more learning algorithm has been applied: the support vector machines (SVM) algorithm, to verify the efficiency and effectiveness of the RL algorithm in the specific task of entity classification. With this tool, it will be possible to extract, classify and represent essential parameters for the construction of solar cells automatically, in order to create a data set from the relevant information presented in scientific publications. This application would allow in the future to process and analyze a large amount of data in an efficient way so that the user can establish the most appropriate parameter settings for the synthesis of kesterites, achieving better efficiency and a lower cost of implementation in solar panels. Additionally, these data obtained can be used in automatic data analytics processes.application/pdfspaUniversidad Industrial de SantanderFacultad de Ingenierías FisicomecánicasIngeniería ElectrónicaEscuela de Ingenierías Eléctrica, Electrónica y TelecomunicacionesKesteritaClasificación Automática De DocumentosHerramientas De Procesamiento De Lenguaje NaturalAprendizaje Automá- TicoAprendizaje SupervisadoRegresión LogísticaMaquinas Vectores De Soporte.KesteriteAutomatic Classification Of DocumentsNatural Language Processing Toolkit Of PythonMachine LearningSupervised LearningLogistic RegressionSupport Vector Machine.Reconocimiento de entidades relacionadas con el proceso de síntesis de kesterita mediante herramientas de procesamiento de lenguaje naturalRecognition of entities related to the kesterite synthesis process through natural language processing toolsTesis/Trabajo de grado - Monografía - Pregradohttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_b1a7d7d4d402bcceORIGINALCarta de autorización.pdfapplication/pdf267925https://noesis.uis.edu.co/bitstreams/3487867c-0382-413b-aa1b-3610fb56cde4/download96be02adbeeb4eddd8a6c18407f014e3MD51Documento.pdfapplication/pdf1558898https://noesis.uis.edu.co/bitstreams/bf470af0-b415-4da1-bd9e-6727438c2c84/downloadc698bd4c8323fbefee71d8f6e20a076cMD52Nota de proyecto.pdfapplication/pdf246739https://noesis.uis.edu.co/bitstreams/e375d653-79d3-4df8-8de8-07f3b74e9754/downloadc26b5fed4d1770e93e6c9773f47dcaefMD5320.500.14071/40089oai:noesis.uis.edu.co:20.500.14071/400892024-03-03 19:43:14.151http://creativecommons.org/licenses/by-nc/4.0http://creativecommons.org/licenses/by/4.0/open.accesshttps://noesis.uis.edu.coDSpace at UISnoesis@uis.edu.co