KAKAW: Modelo de inteligencia artificial para la identificación de actores y su relación en el sector cacaotero de Santander
La inteligencia artificial se ha tomado como una realidad y presencia en esta nueva era del siglo XXI, con numerosas aplicaciones en distintas áreas como la medicina, negocios y más. Las relaciones y extracción de muchos datos hacen parte del campo de la IA (inteligencia artificial). (Muns I Orenga,...
- Autores:
-
Patiño Hernández, Omar Yecid
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2020
- Institución:
- Universidad Autónoma de Bucaramanga - UNAB
- Repositorio:
- Repositorio UNAB
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unab.edu.co:20.500.12749/13916
- Acceso en línea:
- http://hdl.handle.net/20.500.12749/13916
- Palabra clave:
- Energy engineering
Technological innovations
Energy
Machine learning
Artificial intelligence
Data mining
Actors
Classification
Relationship
Detection
Simulation methods
Machine theory
Cocoa
Expert systems
Ingeniería en energía
Innovaciones tecnológicas
Energía
Métodos de simulación
Teoría de las máquinas
Cacao
Sistemas expertos
Aprendizaje automático
Inteligencia artificial
Minería de datos
Actores
Clasificación
Relación
Detección
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/2.5/co/
| id |
UNAB2_5ffe638743c0a386bd5158ab9d75d82d |
|---|---|
| oai_identifier_str |
oai:repository.unab.edu.co:20.500.12749/13916 |
| network_acronym_str |
UNAB2 |
| network_name_str |
Repositorio UNAB |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
KAKAW: Modelo de inteligencia artificial para la identificación de actores y su relación en el sector cacaotero de Santander |
| dc.title.translated.spa.fl_str_mv |
KAKAW: Artificial intelligence model for the identification of actors and their relationship in the cocoa sector of Santander |
| title |
KAKAW: Modelo de inteligencia artificial para la identificación de actores y su relación en el sector cacaotero de Santander |
| spellingShingle |
KAKAW: Modelo de inteligencia artificial para la identificación de actores y su relación en el sector cacaotero de Santander Energy engineering Technological innovations Energy Machine learning Artificial intelligence Data mining Actors Classification Relationship Detection Simulation methods Machine theory Cocoa Expert systems Ingeniería en energía Innovaciones tecnológicas Energía Métodos de simulación Teoría de las máquinas Cacao Sistemas expertos Aprendizaje automático Inteligencia artificial Minería de datos Actores Clasificación Relación Detección |
| title_short |
KAKAW: Modelo de inteligencia artificial para la identificación de actores y su relación en el sector cacaotero de Santander |
| title_full |
KAKAW: Modelo de inteligencia artificial para la identificación de actores y su relación en el sector cacaotero de Santander |
| title_fullStr |
KAKAW: Modelo de inteligencia artificial para la identificación de actores y su relación en el sector cacaotero de Santander |
| title_full_unstemmed |
KAKAW: Modelo de inteligencia artificial para la identificación de actores y su relación en el sector cacaotero de Santander |
| title_sort |
KAKAW: Modelo de inteligencia artificial para la identificación de actores y su relación en el sector cacaotero de Santander |
| dc.creator.fl_str_mv |
Patiño Hernández, Omar Yecid |
| dc.contributor.advisor.none.fl_str_mv |
Espinosa Carreño, María Alexandra Flórez Gómez, Leidy Yohana Jurado García, Miguel Eugenio |
| dc.contributor.author.none.fl_str_mv |
Patiño Hernández, Omar Yecid |
| dc.contributor.cvlac.spa.fl_str_mv |
Espinosa Carreño, María Alexandra [0001495409] Flórez Gómez, Leidy Yohana [=0001288768] |
| dc.contributor.googlescholar.spa.fl_str_mv |
Flórez Gómez, Leidy Yohana [=0001288768] Espinosa Carreño, María Alexandra [Ve6S8ocAAAAJ&hl] |
| dc.contributor.orcid.spa.fl_str_mv |
Espinosa Carreño, María Alexandra [0000-0003-1411-0828] Flórez Gómez, Leidy Yohana [=0001288768] Jurado García, Miguel Eugenio [0000-0002-2653-249X] |
| dc.contributor.researchgate.spa.fl_str_mv |
Espinosa Carreño, María Alexandra [Maria-Espinosa-C] |
| dc.contributor.apolounab.spa.fl_str_mv |
Espinosa Carreño, María Alexandra [maria-alexandra-espinosa-carreño] |
| dc.subject.keywords.spa.fl_str_mv |
Energy engineering Technological innovations Energy Machine learning Artificial intelligence Data mining Actors Classification Relationship Detection Simulation methods Machine theory Cocoa Expert systems |
| topic |
Energy engineering Technological innovations Energy Machine learning Artificial intelligence Data mining Actors Classification Relationship Detection Simulation methods Machine theory Cocoa Expert systems Ingeniería en energía Innovaciones tecnológicas Energía Métodos de simulación Teoría de las máquinas Cacao Sistemas expertos Aprendizaje automático Inteligencia artificial Minería de datos Actores Clasificación Relación Detección |
| dc.subject.lemb.spa.fl_str_mv |
Ingeniería en energía Innovaciones tecnológicas Energía Métodos de simulación Teoría de las máquinas Cacao Sistemas expertos |
| dc.subject.proposal.spa.fl_str_mv |
Aprendizaje automático Inteligencia artificial Minería de datos Actores Clasificación Relación Detección |
| description |
La inteligencia artificial se ha tomado como una realidad y presencia en esta nueva era del siglo XXI, con numerosas aplicaciones en distintas áreas como la medicina, negocios y más. Las relaciones y extracción de muchos datos hacen parte del campo de la IA (inteligencia artificial). (Muns I Orenga, n.d.) y pueden representar ventajas comerciales en el sector agrícola. En el presente documento se va a mostrar un trabajo en el cual se tiene como propuesta una identificación y relación de actores o stakeholders del sector cacaotero Santandereano, y para llevar a cabo este proceso de desarrollo se va a hacer uso de inteligencia artificial y minería de datos. Por lo tanto, también se va a ser uso de la metodología CRISP-DM (Arancibia, 2016), Dandelion propuesta por el semillero AGRIOT-UNAB. |
| publishDate |
2020 |
| dc.date.issued.none.fl_str_mv |
2020 |
| dc.date.accessioned.none.fl_str_mv |
2021-08-19T19:41:47Z |
| dc.date.available.none.fl_str_mv |
2021-08-19T19:41:47Z |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.local.spa.fl_str_mv |
Trabajo de Grado |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.12749/13916 |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional UNAB |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.unab.edu.co |
| url |
http://hdl.handle.net/20.500.12749/13916 |
| identifier_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB reponame:Repositorio Institucional UNAB repourl:https://repository.unab.edu.co |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Agronegocios. (2020). Cosecha cafetera impulsó el crecimiento del PIB agropecuario en 2019 que subió 2%. https://www.agronegocios.co/aprenda/cosecha-cafetera-impulso-elcrecimiento-del-pib-agropecuario-en-2019-que-subio-2-296490 Agroton. (2018). The resource cannot be found. http://agroton.gobiernoenlinea.gov.c Alexandra Espinosa, M. C., Romero, E. R., Flórez G, L. Y., & Guerrero, C. D. (2020). DANDELION: Propuesta metodológica para recopilación y análisis de información de artículos científicos. Un enfoque desde la bibliometría y la revisión sistemática de la literatura Arancibia, J. A. G. (2016). Modelos de proceso para proyectos de Data Mining (DM) CRISP-DM (Cross Industry Standard Process for Data Mining). http://www.oldemarrodriguez.com/yahoo_site_admin/assets/docs/Documento_ CRISP-DM.2385037.pdf Bots, P. W. G., van Twist, M. J. W., & van Duin, J. H. R. (2000). Automatic pattern detection in stakeholder networks. Proceedings of the Hawaii International Conference on System Sciences, 37. https://doi.org/10.1109/hicss.2000.926658 CAF. (2016). Iniciativa Latinoamericana del Cacao. https://scioteca.caf.com/bitstream/handle/123456789/1456/Iniciativa latinoamericana del cacao.pdf?sequence=1&isAllowed=y cámara de comercio de Bucaramanga. (2017). GPS Global Plan Santander. https://www.camaradirecta.com/media/c18b1905c33ab51c116c9f986821fe960 e9ed181.pdf Castrejón-Mejía, O. E., Fajardo-Flores, S. B., Herrera-Morales, J.-R., & De La TorreGea, G. (2019). Desarrollo de una aplicación de minería de datos utilizando la API de SCOPUS Data minning in e-government View project Naïves Bayes EM Analysis of Porous Media Crop Simulation in Greenhouse using Computational Fluid Dynamics View project. https://www.elsevier.com/es-mx/about/ourbusiness Chung, W., Chen, H., & Reid, E. (2009a). Business stakeholder analyzer: An experiment of classifying stakeholders on the Web. Journal of the American Society for Information Science and Technology, 60(1), 59–74. https://doi.org/10.1002/asi.20948 Chung, W., Chen, H., & Reid, E. (2009b). Business stakeholder analyzer: An experiment of classifying stakeholders on the Web. Journal of the American Society for Information Science and Technology, 60(1), 59–74. https://doi.org/10.1002/asi.20948 CRUZ, C. A. B. (2020). Escuela politécnica nacional. http://bibdigital.epn.edu.ec/handle/15000/20723 Duk2. (2016). K-Means: Agrupamiento con Minería de datos [Introducción]. https://estrategiastrading.com/k-means/ FAO. (2019). Organización de las Naciones Unidas para la Alimentación y la Agricultura: 2019-2028 un decenio de oportunidades para el sector rural | FAO en Colombia | Organización de las Naciones Unidas para la Alimentación y la Agricultura. http://www.fao.org/colombia/noticias/detail-events/es/c/1201133 FAO. (2020). FAO - Noticias: El Informe mundial sobre las crisis alimentarias revela su magnitud, mientras la COVID-19 plantea nuevas amenazas para los países vulnerables. http://www.fao.org/news/story/es/item/1271897/icode Finagro. (2018). Inteligencia de mercado: Cacao. https://www.finagro.com.co/sites/default/files/node/basic page/files/ficha_cacao_version_ii.pdf Flórez Martínez, D. H., & Uribe Galvis, C. P. (2018). TIC para la investigación, desarrollo e innovación del sector agropecuario. https://repository.agrosavia.co/handle/20.500.12324/34294 Fontalvo-Herrera, T. J., Delahoz, E. J., & Mendoza-Mendoza, A. A. (2018). Application of data mining for the classification of university programs of industrial engineering accredited in high quality in Colombia. Informacion Tecnologica, 29(3), 89–96. https://doi.org/10.4067/S071807642018000300089 Instituto Colombiano Agropecuario - ICA. (n.d.). Retrieved May 22, 2020, from https://www.ica.gov.co/periodico-virtual/prensa/2013-(1)/una-radiografia-del-laproblematica-del-cultivo-de Lv, X., & El-Gohary, N. (2016). Text Analytics for Supporting Stakeholder Opinion Mining for Large-scale Highway Projects. Procedia Engineering, 145, 518–524. https://doi.org/10.1016/j.proeng.2016.04.039 M. Thangaraj, M. S. (2018). IJIKM - Text Classification Techniques: A Literature Review. https://www.informingscience.org/Publications/4066 Monkeylearn. (2020). Text Mining: The Beginner’s Guide. https://monkeylearn.com/text-mining Nations, U. (2020). “La recuperación de la crisis de la COVID-19 deberá conducirnos a una economía diferente.” | Naciones Unidas. https://www.un.org/es/coronavirus/articles/launch-report-socio-economicimpacts-covid-19 OCDE-FAO. (2019). OCDE-FAO Perspectivas Agrícolas. https://doi.org/10.1787/7b2e8ba3-es Oracle. (2018). ¿Qué es el aprendizaje automático? | Oracle Colombia. https://www.oracle.com/co/artificial-intelligence/what-is-machine-learning.html Ruiz, G. (n.d.). Introducción a Word2vec (skip gram model) | by Gonzalo Ruiz de Villa | Medium. Retrieved November 5, 2020, from https://medium.com/@gruizdevilla/introducción-a-word2vec-skip-gram-model4800f72c871f Zaharia, M. H., & Hodorogea, F. A. (2017). Research stakeholders identification using an mobile agent’s framework. Expert Systems with Applications, 72, 18– 29. https://doi.org/10.1016/j.eswa.2016.12.006 |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 |
| dc.rights.creativecommons.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.spatial.spa.fl_str_mv |
Santander (Colombia) |
| dc.coverage.campus.spa.fl_str_mv |
UNAB Campus Bucaramanga |
| dc.publisher.grantor.spa.fl_str_mv |
Universidad Autónoma de Bucaramanga UNAB |
| dc.publisher.program.spa.fl_str_mv |
Pregrado Ingeniería en Energía |
| institution |
Universidad Autónoma de Bucaramanga - UNAB |
| bitstream.url.fl_str_mv |
https://repository.unab.edu.co/bitstream/20.500.12749/13916/1/2021_Tesis_Omar_Yecid_Pati%c3%b1o.pdf https://repository.unab.edu.co/bitstream/20.500.12749/13916/2/2021_Licencia_Omar_Yecid_Pati%c3%b1o.pdf https://repository.unab.edu.co/bitstream/20.500.12749/13916/3/license.txt https://repository.unab.edu.co/bitstream/20.500.12749/13916/4/2021_Tesis_Omar_Yecid_Pati%c3%b1o.pdf.jpg https://repository.unab.edu.co/bitstream/20.500.12749/13916/5/2021_Licencia_Omar_Yecid_Pati%c3%b1o.pdf.jpg |
| bitstream.checksum.fl_str_mv |
c00b2f26709e62817f98edc231a2265d db3ee32c27d369efa6c8b6a180fa52ff 8a4605be74aa9ea9d79846c1fba20a33 f1a994f3b6aa1925e178c8e934d95b93 f7ca2cfbde0ce6636610dc17dd906e6a |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional | Universidad Autónoma de Bucaramanga - UNAB |
| repository.mail.fl_str_mv |
repositorio@unab.edu.co |
| _version_ |
1814278326176448512 |
| spelling |
Espinosa Carreño, María Alexandrab1d04d86-2443-4ebe-ad46-80848e67e607-1Flórez Gómez, Leidy Yohanab8deae06-09a5-4ae5-b6c3-263146e21ec1-1Jurado García, Miguel Eugenio7f34c98e-4291-46a9-b543-59aea6502a0d-1Patiño Hernández, Omar Yecid2aea7c61-a7a1-42a8-b2c5-f3a04b80e386-1Espinosa Carreño, María Alexandra [0001495409]Flórez Gómez, Leidy Yohana [=0001288768]Flórez Gómez, Leidy Yohana [=0001288768]Espinosa Carreño, María Alexandra [Ve6S8ocAAAAJ&hl]Espinosa Carreño, María Alexandra [0000-0003-1411-0828]Flórez Gómez, Leidy Yohana [=0001288768]Jurado García, Miguel Eugenio [0000-0002-2653-249X]Espinosa Carreño, María Alexandra [Maria-Espinosa-C]Espinosa Carreño, María Alexandra [maria-alexandra-espinosa-carreño]Santander (Colombia)UNAB Campus Bucaramanga2021-08-19T19:41:47Z2021-08-19T19:41:47Z2020http://hdl.handle.net/20.500.12749/13916instname:Universidad Autónoma de Bucaramanga - UNABreponame:Repositorio Institucional UNABrepourl:https://repository.unab.edu.coLa inteligencia artificial se ha tomado como una realidad y presencia en esta nueva era del siglo XXI, con numerosas aplicaciones en distintas áreas como la medicina, negocios y más. Las relaciones y extracción de muchos datos hacen parte del campo de la IA (inteligencia artificial). (Muns I Orenga, n.d.) y pueden representar ventajas comerciales en el sector agrícola. En el presente documento se va a mostrar un trabajo en el cual se tiene como propuesta una identificación y relación de actores o stakeholders del sector cacaotero Santandereano, y para llevar a cabo este proceso de desarrollo se va a hacer uso de inteligencia artificial y minería de datos. Por lo tanto, también se va a ser uso de la metodología CRISP-DM (Arancibia, 2016), Dandelion propuesta por el semillero AGRIOT-UNAB.INTRODUCCIÓN ................................................................................................... 11 1. PLANTEAMIENTO DEL PROBLEMA ............................................................. 11 2. OBJETIVOS .................................................................................................... 14 2.1. OBJETIVO GENERAL .............................................................................. 14 2.2. OBJETIVOS ESPECÍFICOS ..................................................................... 14 1. JUSTIFICACIÓN ............................................................................................. 15 1.1. El cacao a Nivel Mundial ........................................................................... 15 1.2. El cacao en América Latina y Colombia ................................................... 15 1.3. Internacionalización del cacao en Colombia ............................................. 16 2. ESTADO DEL ARTE ....................................................................................... 17 3. ANTECEDENTES ........................................................................................... 18 4. EJECUCIÓN DEL PROTOCOLO .................................................................... 19 5. MARCO TEÓRICO .......................................................................................... 23 5.1. Contextualización ..................................................................................... 24 5.2. Stakeholders o actores ............................................................................. 24 5.3. Inteligencia artificial y minería de datos .................................................... 25 6. DESARROLLO DE KAKAW ............................................................................ 32 6.1. Metodología de desarrollo ........................................................................ 32 6.2. Desarrollo del modelo ............................................................................... 41 6.3. Extracción de patrones ............................................................................. 42 6.4. Construcción del modelo .......................................................................... 51 7. RESULTADOS ................................................................................................ 57 7.1. Definición base del proyecto ..................................................................... 57 7.2. Diseño de la solución ................................................................................ 58 7.3. Definición y construcción del modelo ........................................................ 59 7.4. Visualización de los datos ......................................................................... 60 7.5. Evaluar resultados de solución ................................................................. 62 8. CONCLUSIONES ............................................................................................ 63 BIBLIOGRAFÍA ...................................................................................................... 65 ANEXOS ................................................................................................................ 69PregradoArtificial intelligence has been taken as a reality and presence in this new era of the 21st century, with numerous applications in different areas such as medicine, business and more. The relationships and extraction of a lot of data are part of the field of AI (artificial intelligence). (Muns I Orenga, n.d.) and can represent commercial advantages in the agricultural sector. This document will show a work in which an identification and relationship of actors or stakeholders of the Santanderean cocoa sector is proposed, and to carry out this development process, use of artificial intelligence and mining of data. Therefore, the CRISP-DM methodology (Arancibia, 2016), Dandelion proposed by the AGRIOT-UNAB seedbed will also be used.Modalidad Presencialapplication/pdfspahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Atribución-NoComercial-SinDerivadas 2.5 ColombiaKAKAW: Modelo de inteligencia artificial para la identificación de actores y su relación en el sector cacaotero de SantanderKAKAW: Artificial intelligence model for the identification of actors and their relationship in the cocoa sector of SantanderIngeniero en EnergíaUniversidad Autónoma de Bucaramanga UNABPregrado Ingeniería en Energíainfo:eu-repo/semantics/bachelorThesisTrabajo de Gradohttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/redcol/resource_type/TPEnergy engineeringTechnological innovationsEnergyMachine learningArtificial intelligenceData miningActorsClassificationRelationshipDetectionSimulation methodsMachine theoryCocoaExpert systemsIngeniería en energíaInnovaciones tecnológicasEnergíaMétodos de simulaciónTeoría de las máquinasCacaoSistemas expertosAprendizaje automáticoInteligencia artificialMinería de datosActoresClasificaciónRelaciónDetecciónAgronegocios. (2020). Cosecha cafetera impulsó el crecimiento del PIB agropecuario en 2019 que subió 2%. https://www.agronegocios.co/aprenda/cosecha-cafetera-impulso-elcrecimiento-del-pib-agropecuario-en-2019-que-subio-2-296490Agroton. (2018). The resource cannot be found. http://agroton.gobiernoenlinea.gov.cAlexandra Espinosa, M. C., Romero, E. R., Flórez G, L. Y., & Guerrero, C. D. (2020). DANDELION: Propuesta metodológica para recopilación y análisis de información de artículos científicos. Un enfoque desde la bibliometría y la revisión sistemática de la literaturaArancibia, J. A. G. (2016). Modelos de proceso para proyectos de Data Mining (DM) CRISP-DM (Cross Industry Standard Process for Data Mining). http://www.oldemarrodriguez.com/yahoo_site_admin/assets/docs/Documento_ CRISP-DM.2385037.pdfBots, P. W. G., van Twist, M. J. W., & van Duin, J. H. R. (2000). Automatic pattern detection in stakeholder networks. Proceedings of the Hawaii International Conference on System Sciences, 37. https://doi.org/10.1109/hicss.2000.926658CAF. (2016). Iniciativa Latinoamericana del Cacao. https://scioteca.caf.com/bitstream/handle/123456789/1456/Iniciativa latinoamericana del cacao.pdf?sequence=1&isAllowed=ycámara de comercio de Bucaramanga. (2017). GPS Global Plan Santander. https://www.camaradirecta.com/media/c18b1905c33ab51c116c9f986821fe960 e9ed181.pdfCastrejón-Mejía, O. E., Fajardo-Flores, S. B., Herrera-Morales, J.-R., & De La TorreGea, G. (2019). Desarrollo de una aplicación de minería de datos utilizando la API de SCOPUS Data minning in e-government View project Naïves Bayes EM Analysis of Porous Media Crop Simulation in Greenhouse using Computational Fluid Dynamics View project. https://www.elsevier.com/es-mx/about/ourbusinessChung, W., Chen, H., & Reid, E. (2009a). Business stakeholder analyzer: An experiment of classifying stakeholders on the Web. Journal of the American Society for Information Science and Technology, 60(1), 59–74. https://doi.org/10.1002/asi.20948Chung, W., Chen, H., & Reid, E. (2009b). Business stakeholder analyzer: An experiment of classifying stakeholders on the Web. Journal of the American Society for Information Science and Technology, 60(1), 59–74. https://doi.org/10.1002/asi.20948CRUZ, C. A. B. (2020). Escuela politécnica nacional. http://bibdigital.epn.edu.ec/handle/15000/20723Duk2. (2016). K-Means: Agrupamiento con Minería de datos [Introducción]. https://estrategiastrading.com/k-means/FAO. (2019). Organización de las Naciones Unidas para la Alimentación y la Agricultura: 2019-2028 un decenio de oportunidades para el sector rural | FAO en Colombia | Organización de las Naciones Unidas para la Alimentación y la Agricultura. http://www.fao.org/colombia/noticias/detail-events/es/c/1201133FAO. (2020). FAO - Noticias: El Informe mundial sobre las crisis alimentarias revela su magnitud, mientras la COVID-19 plantea nuevas amenazas para los países vulnerables. http://www.fao.org/news/story/es/item/1271897/icodeFinagro. (2018). Inteligencia de mercado: Cacao. https://www.finagro.com.co/sites/default/files/node/basic page/files/ficha_cacao_version_ii.pdfFlórez Martínez, D. H., & Uribe Galvis, C. P. (2018). TIC para la investigación, desarrollo e innovación del sector agropecuario. https://repository.agrosavia.co/handle/20.500.12324/34294Fontalvo-Herrera, T. J., Delahoz, E. J., & Mendoza-Mendoza, A. A. (2018). Application of data mining for the classification of university programs of industrial engineering accredited in high quality in Colombia. Informacion Tecnologica, 29(3), 89–96. https://doi.org/10.4067/S071807642018000300089Instituto Colombiano Agropecuario - ICA. (n.d.). Retrieved May 22, 2020, from https://www.ica.gov.co/periodico-virtual/prensa/2013-(1)/una-radiografia-del-laproblematica-del-cultivo-deLv, X., & El-Gohary, N. (2016). Text Analytics for Supporting Stakeholder Opinion Mining for Large-scale Highway Projects. Procedia Engineering, 145, 518–524. https://doi.org/10.1016/j.proeng.2016.04.039M. Thangaraj, M. S. (2018). IJIKM - Text Classification Techniques: A Literature Review. https://www.informingscience.org/Publications/4066Monkeylearn. (2020). Text Mining: The Beginner’s Guide. https://monkeylearn.com/text-miningNations, U. (2020). “La recuperación de la crisis de la COVID-19 deberá conducirnos a una economía diferente.” | Naciones Unidas. https://www.un.org/es/coronavirus/articles/launch-report-socio-economicimpacts-covid-19OCDE-FAO. (2019). OCDE-FAO Perspectivas Agrícolas. https://doi.org/10.1787/7b2e8ba3-esOracle. (2018). ¿Qué es el aprendizaje automático? | Oracle Colombia. https://www.oracle.com/co/artificial-intelligence/what-is-machine-learning.htmlRuiz, G. (n.d.). Introducción a Word2vec (skip gram model) | by Gonzalo Ruiz de Villa | Medium. Retrieved November 5, 2020, from https://medium.com/@gruizdevilla/introducción-a-word2vec-skip-gram-model4800f72c871fZaharia, M. H., & Hodorogea, F. A. (2017). Research stakeholders identification using an mobile agent’s framework. Expert Systems with Applications, 72, 18– 29. https://doi.org/10.1016/j.eswa.2016.12.006ORIGINAL2021_Tesis_Omar_Yecid_Patiño.pdf2021_Tesis_Omar_Yecid_Patiño.pdfTesisapplication/pdf3296801https://repository.unab.edu.co/bitstream/20.500.12749/13916/1/2021_Tesis_Omar_Yecid_Pati%c3%b1o.pdfc00b2f26709e62817f98edc231a2265dMD51open access2021_Licencia_Omar_Yecid_Patiño.pdf2021_Licencia_Omar_Yecid_Patiño.pdfLicenciaapplication/pdf420795https://repository.unab.edu.co/bitstream/20.500.12749/13916/2/2021_Licencia_Omar_Yecid_Pati%c3%b1o.pdfdb3ee32c27d369efa6c8b6a180fa52ffMD52metadata only accessLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repository.unab.edu.co/bitstream/20.500.12749/13916/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53open accessTHUMBNAIL2021_Tesis_Omar_Yecid_Patiño.pdf.jpg2021_Tesis_Omar_Yecid_Patiño.pdf.jpgIM Thumbnailimage/jpeg5070https://repository.unab.edu.co/bitstream/20.500.12749/13916/4/2021_Tesis_Omar_Yecid_Pati%c3%b1o.pdf.jpgf1a994f3b6aa1925e178c8e934d95b93MD54open access2021_Licencia_Omar_Yecid_Patiño.pdf.jpg2021_Licencia_Omar_Yecid_Patiño.pdf.jpgIM Thumbnailimage/jpeg10004https://repository.unab.edu.co/bitstream/20.500.12749/13916/5/2021_Licencia_Omar_Yecid_Pati%c3%b1o.pdf.jpgf7ca2cfbde0ce6636610dc17dd906e6aMD55metadata only access20.500.12749/13916oai:repository.unab.edu.co:20.500.12749/139162023-06-16 10:10:03.608open accessRepositorio Institucional | Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.coTk9URTogUExBQ0UgWU9VUiBPV04gTElDRU5TRSBIRVJFClRoaXMgc2FtcGxlIGxpY2Vuc2UgaXMgcHJvdmlkZWQgZm9yIGluZm9ybWF0aW9uYWwgcHVycG9zZXMgb25seS4KCk5PTi1FWENMVVNJVkUgRElTVFJJQlVUSU9OIExJQ0VOU0UKCkJ5IHNpZ25pbmcgYW5kIHN1Ym1pdHRpbmcgdGhpcyBsaWNlbnNlLCB5b3UgKHRoZSBhdXRob3Iocykgb3IgY29weXJpZ2h0Cm93bmVyKSBncmFudHMgdG8gRFNwYWNlIFVuaXZlcnNpdHkgKERTVSkgdGhlIG5vbi1leGNsdXNpdmUgcmlnaHQgdG8gcmVwcm9kdWNlLAp0cmFuc2xhdGUgKGFzIGRlZmluZWQgYmVsb3cpLCBhbmQvb3IgZGlzdHJpYnV0ZSB5b3VyIHN1Ym1pc3Npb24gKGluY2x1ZGluZwp0aGUgYWJzdHJhY3QpIHdvcmxkd2lkZSBpbiBwcmludCBhbmQgZWxlY3Ryb25pYyBmb3JtYXQgYW5kIGluIGFueSBtZWRpdW0sCmluY2x1ZGluZyBidXQgbm90IGxpbWl0ZWQgdG8gYXVkaW8gb3IgdmlkZW8uCgpZb3UgYWdyZWUgdGhhdCBEU1UgbWF5LCB3aXRob3V0IGNoYW5naW5nIHRoZSBjb250ZW50LCB0cmFuc2xhdGUgdGhlCnN1Ym1pc3Npb24gdG8gYW55IG1lZGl1bSBvciBmb3JtYXQgZm9yIHRoZSBwdXJwb3NlIG9mIHByZXNlcnZhdGlvbi4KCllvdSBhbHNvIGFncmVlIHRoYXQgRFNVIG1heSBrZWVwIG1vcmUgdGhhbiBvbmUgY29weSBvZiB0aGlzIHN1Ym1pc3Npb24gZm9yCnB1cnBvc2VzIG9mIHNlY3VyaXR5LCBiYWNrLXVwIGFuZCBwcmVzZXJ2YXRpb24uCgpZb3UgcmVwcmVzZW50IHRoYXQgdGhlIHN1Ym1pc3Npb24gaXMgeW91ciBvcmlnaW5hbCB3b3JrLCBhbmQgdGhhdCB5b3UgaGF2ZQp0aGUgcmlnaHQgdG8gZ3JhbnQgdGhlIHJpZ2h0cyBjb250YWluZWQgaW4gdGhpcyBsaWNlbnNlLiBZb3UgYWxzbyByZXByZXNlbnQKdGhhdCB5b3VyIHN1Ym1pc3Npb24gZG9lcyBub3QsIHRvIHRoZSBiZXN0IG9mIHlvdXIga25vd2xlZGdlLCBpbmZyaW5nZSB1cG9uCmFueW9uZSdzIGNvcHlyaWdodC4KCklmIHRoZSBzdWJtaXNzaW9uIGNvbnRhaW5zIG1hdGVyaWFsIGZvciB3aGljaCB5b3UgZG8gbm90IGhvbGQgY29weXJpZ2h0LAp5b3UgcmVwcmVzZW50IHRoYXQgeW91IGhhdmUgb2J0YWluZWQgdGhlIHVucmVzdHJpY3RlZCBwZXJtaXNzaW9uIG9mIHRoZQpjb3B5cmlnaHQgb3duZXIgdG8gZ3JhbnQgRFNVIHRoZSByaWdodHMgcmVxdWlyZWQgYnkgdGhpcyBsaWNlbnNlLCBhbmQgdGhhdApzdWNoIHRoaXJkLXBhcnR5IG93bmVkIG1hdGVyaWFsIGlzIGNsZWFybHkgaWRlbnRpZmllZCBhbmQgYWNrbm93bGVkZ2VkCndpdGhpbiB0aGUgdGV4dCBvciBjb250ZW50IG9mIHRoZSBzdWJtaXNzaW9uLgoKSUYgVEhFIFNVQk1JU1NJT04gSVMgQkFTRUQgVVBPTiBXT1JLIFRIQVQgSEFTIEJFRU4gU1BPTlNPUkVEIE9SIFNVUFBPUlRFRApCWSBBTiBBR0VOQ1kgT1IgT1JHQU5JWkFUSU9OIE9USEVSIFRIQU4gRFNVLCBZT1UgUkVQUkVTRU5UIFRIQVQgWU9VIEhBVkUKRlVMRklMTEVEIEFOWSBSSUdIVCBPRiBSRVZJRVcgT1IgT1RIRVIgT0JMSUdBVElPTlMgUkVRVUlSRUQgQlkgU1VDSApDT05UUkFDVCBPUiBBR1JFRU1FTlQuCgpEU1Ugd2lsbCBjbGVhcmx5IGlkZW50aWZ5IHlvdXIgbmFtZShzKSBhcyB0aGUgYXV0aG9yKHMpIG9yIG93bmVyKHMpIG9mIHRoZQpzdWJtaXNzaW9uLCBhbmQgd2lsbCBub3QgbWFrZSBhbnkgYWx0ZXJhdGlvbiwgb3RoZXIgdGhhbiBhcyBhbGxvd2VkIGJ5IHRoaXMKbGljZW5zZSwgdG8geW91ciBzdWJtaXNzaW9uLgo= |