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...
- 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
- 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 |