Modelo para el análisis de las evaluaciones de un producto de tecnología en una plataforma de comercio electrónico
Ilustraciones
- Autores:
-
Delgado Palacios, Lesty Yoladi
- Tipo de recurso:
- Fecha de publicación:
- 2021
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
eng
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/80796
- Palabra clave:
- 000 - Ciencias de la computación, información y obras generales::003 - Sistemas
Electronic commerce
Minería de datos
Tecnología
Redes sociales
Analysis of feelings
Technological products
Electronic commerce
Análisis de sentimientos
Productos de tecnología
Producto de tecnología
Comercio electrónico
- Rights
- openAccess
- License
- Atribución-NoComercial-CompartirIgual 4.0 Internacional
| id |
UNACIONAL2_05d98f2cdfe09cb69a3d803bc3825c7d |
|---|---|
| oai_identifier_str |
oai:repositorio.unal.edu.co:unal/80796 |
| network_acronym_str |
UNACIONAL2 |
| network_name_str |
Universidad Nacional de Colombia |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Modelo para el análisis de las evaluaciones de un producto de tecnología en una plataforma de comercio electrónico |
| dc.title.translated.eng.fl_str_mv |
A model for analysis of evaluations of a technological product on an electronic commerce platform |
| title |
Modelo para el análisis de las evaluaciones de un producto de tecnología en una plataforma de comercio electrónico |
| spellingShingle |
Modelo para el análisis de las evaluaciones de un producto de tecnología en una plataforma de comercio electrónico 000 - Ciencias de la computación, información y obras generales::003 - Sistemas Electronic commerce Minería de datos Tecnología Redes sociales Analysis of feelings Technological products Electronic commerce Análisis de sentimientos Productos de tecnología Producto de tecnología Comercio electrónico |
| title_short |
Modelo para el análisis de las evaluaciones de un producto de tecnología en una plataforma de comercio electrónico |
| title_full |
Modelo para el análisis de las evaluaciones de un producto de tecnología en una plataforma de comercio electrónico |
| title_fullStr |
Modelo para el análisis de las evaluaciones de un producto de tecnología en una plataforma de comercio electrónico |
| title_full_unstemmed |
Modelo para el análisis de las evaluaciones de un producto de tecnología en una plataforma de comercio electrónico |
| title_sort |
Modelo para el análisis de las evaluaciones de un producto de tecnología en una plataforma de comercio electrónico |
| dc.creator.fl_str_mv |
Delgado Palacios, Lesty Yoladi |
| dc.contributor.advisor.none.fl_str_mv |
Villa Garzón, Fernán Alonso |
| dc.contributor.author.none.fl_str_mv |
Delgado Palacios, Lesty Yoladi |
| dc.subject.ddc.spa.fl_str_mv |
000 - Ciencias de la computación, información y obras generales::003 - Sistemas |
| topic |
000 - Ciencias de la computación, información y obras generales::003 - Sistemas Electronic commerce Minería de datos Tecnología Redes sociales Analysis of feelings Technological products Electronic commerce Análisis de sentimientos Productos de tecnología Producto de tecnología Comercio electrónico |
| dc.subject.lemb.none.fl_str_mv |
Electronic commerce Minería de datos Tecnología Redes sociales |
| dc.subject.proposal.eng.fl_str_mv |
Analysis of feelings Technological products Electronic commerce |
| dc.subject.proposal.spa.fl_str_mv |
Análisis de sentimientos Productos de tecnología Producto de tecnología Comercio electrónico |
| description |
Ilustraciones |
| publishDate |
2021 |
| dc.date.issued.none.fl_str_mv |
2021-11-24 |
| dc.date.accessioned.none.fl_str_mv |
2022-01-11T16:34:23Z |
| dc.date.available.none.fl_str_mv |
2022-01-11T16:34:23Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/80796 |
| dc.identifier.instname.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.identifier.reponame.spa.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| dc.identifier.repourl.spa.fl_str_mv |
https://repositorio.unal.edu.co/ |
| url |
https://repositorio.unal.edu.co/handle/unal/80796 https://repositorio.unal.edu.co/ |
| identifier_str_mv |
Universidad Nacional de Colombia Repositorio Institucional Universidad Nacional de Colombia |
| dc.language.iso.spa.fl_str_mv |
spa eng |
| language |
spa eng |
| dc.relation.references.spa.fl_str_mv |
Lucas, Marty (1999). “Mining in textual mountains”. [Entrevista a Marti Hearst]. Consultado en: 27-12-03. Obtenido de: http://mappa.mundi.net/trip-m/hearst. B. Lu, L. Zhang “A survey of opinion mining and sentiment analysis”, ed. C. C. Aggarwal and C. X. Zhai. Boston, MA: Springer US, 2012, pp. 415—463. ISBN: 978-1-4614-3223-4. DOI=10.1007/978-1-4614-3223- 4_13. M. Sahami (1996). Proceedings of the 2nd International Conference on Knowledge Discovery and Data Mining. In Learning limited dependence Bayesian classifiers., 335–338. Sullivan, Dan (2001). Document warehousing and text mining. New York [etc.]: Wiley Computer Publishing, 2001, xviii, 542 p. Wiebe, J. M., Wilson, T., Bruce, R., Bell, M., and Martin, M. (2004). Learning subjective language. In Computational Linguistics, 30:277–308. P. D. Turney (2002). Proceedings of the 40th Annual Meeting on Association for Computational Linguistics in Morristown. In Association for Computational Linguistics, pp. 417-424. Holts A., Riquelme C., Alfaro R (2010). Automated Text Binary Classification using Machine Learning Approach. In XXIX International Conference of the Chilean Computer Science Society Pang, B. and Lee, L. (2008). Opinion mining and sentiment analysis. In Foundation and Trends in Information Retrieval, 2(1-2):1–135. Carrillo, C. Urueña, J. Forero, J. Caicedo, L. (2015) . Análisis del sentimiento político mediante la aplicación de herramientas de minería de datos a través del uso de redes sociales. Bogotá D.C Obtenido de: https://repository.javeriana.edu.co/bitstream/handle/10554/20516/CaicedoOrtizLuisEduard o2016.pdf?sequence=1&isAllowed=y Lithium (2001) “Lithium: deliver better customer experiences through digital channels”. Obtenido de: https://www.lithium.com/ Araujo N. (2009), Método Semi Supervisado para la Clasificación Automática de Textos de Opinión. INAOE 2009. Obtenido de: . https://ccc.inaoep.mx/~villasen/tesis/TesisMaestria-NadiaAraujo.pdf Stanford NLP Core. (2014) “Stanford CoreNLP - Core Natural Language Software”. Obtenido de: https://stanfordnlp.github.io/CoreNLP/ Stanford NLP Group (2010) “The Stanford Natural Language Processing Group”. Obtenido de: https://nlp.stanford.edu/ Stanford NLP Core. (2014) “Stanford CoreNLP - Core Natural Language Software”. Obtenido de: https://stanfordnlp.github.io/CoreNLP/ B. Liu, M. Hu, J. Cheng. Opinion Observer: Analyzing and Comparing Opinions on the Web. In “Proceedings of the 14th international 80 conference on World Wide Web”, in New York, NY, USA, ACM, 2005, pp. 342-351. Dubian et al. (2013). “Análisis de Sentimientos sobre un Corpus en Español: Experimentación con un Caso de Estudio”. Buenos Aires, Argentina. Obtenido de: https://core.ac.uk/download/pdf/301090363.pdf Guarnizo, E. Monroy, A. (2020) “Implementación de un modelo de análisis de sentimientos con respecto a la jep basado en minería de datos en twitter.” Bogotá D.C. Obtenido de :https://repository.ucatolica.edu.co/bitstream/10983/24981/1/JEPDocumentoFinal.pdf Enríquez, Carlos; Pla, Ferran; Hurtado, Lluís-F.; Guzmán, Jaime (2017). Análisis de sentimientos a nivel de aspecto usando ontologías y aprendizaje automático Procesamiento del Lenguaje Natural, núm. 59, pp. 49-56 Sociedad Española para el Procesamiento del Lenguaje Natural Jaén, España. Obtenido de: https://www.redalyc.org/pdf/5157/515754427005.pd Rios. L (2019), “Análisis de datos de sentimientos enfocados al servicio de transporte masivo Transmilenio s.a aplicando tecnologías big data”. Bogotá d.c. Obtenido de :http://hdl.handle.net/11371/2907 Carlos Arcila-Calderón, Félix Ortega-Mohedano, Javier Jiménez-Amores y Sofía Trullenque (2017). Supervised sentiment analysis of political messages in spanish: Real-Time of tweets based on machine learning. Disponible en < http://www.elprofesionaldelainformacion.com/contenidos/2017/sep/18.pdf > Ankita, Nabizath Saleenaa (2018). An Ensemble Classification System for Twitter Sentiment Analysis. Disponible en < https://www-sciencedirectcom.ucatolica.basesdedatosezproxy.com/science/article/pii/S18 77050918308 41X> A. Gammerman, A. R. Thatcher (1991). Bayesian diagnostic probabilities without assuming independence of symptoms . In Methods of Information in Medicine, 30, 15–22.30(1):15-22. PMID: 2005829 . Obtenido de : https://pubmed.ncbi.nlm.nih.gov/2005829/ Yagui, M. Maia,L. Oliveira, J, Vivacqua, V (2018). Data mining of social manifestations in Twitter: Analysis and aspects of the social movement "Bela, recatada e do lar" (Beautiful, demure and housewife). Disponible en < http://web.a.ebscohost.com.ucatolica.basesdedatosezproxy.com/ehost/pdfvie wer/pdfviewer?vid=1&sid=85eafd29-f950-4be5-94fdac673c3bef37%40sessionmgr4008 > Eric Rochester (2014). Mastering Clojure Data Analysis, Understanding sentiment analysis. Publicado por Packt Publishing Ltd. ISBN 978-1-78328-413-9 Breiman, L., Friedman, J., Olshen, R., and Stone, C., (1984), Classification and Regresion Trees, Wadsworth International Group. K. y. Nasukawa, (2006). “Fully automatic lexicon expansion for domain-oriented sentiment analysis” In Proceedings of the Conference on Empirical Methods in Natural Language Processing (EMNLP). Omnipress Inc. PA 18360 Kim, S., & Hovy, E. (2004). Determining the sentiment of opinions. In Proceedings of the international conference on computational linguistics (COLING 2004) East Stroudsburg, PA, 1367. A. Tumasjan, (2010). “Prediction elections with Twitter_ What 140 characters reveal about political sentiment,” Proceedings of the Fourth International al AAAI Conference on Weblogs and Social Media. Dubiau, L. Ale. M (2013). “Análisis de Sentimientos sobre un Corpus en español: Experimentación con un Caso de Estudio”. Buenos Aires, Argentina. E. J. Keogh. M. Pazzani (1999). Learning augmented Bayesian classifiers: a comparison of distribution-based and non distribution-based approaches. In Proceedings of the 7th International Workshop on Artificial Intelligence and Statistics, 225– 230. Baccianella, S., Esuli, A., & Sebastiani, F. (2010). SentiWordNet 3.0: An enhanced lexical resource for sentiment analysis and opinion mining. In Proceedings of the 7th conference on international, language resources and evaluation (www.irecconf.org). |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.spa.fl_str_mv |
Atribución-NoComercial-CompartirIgual 4.0 Internacional |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Atribución-NoComercial-CompartirIgual 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
ix, 79 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.publisher.program.spa.fl_str_mv |
Medellín - Minas - Maestría en Ingeniería - Analítica |
| dc.publisher.department.spa.fl_str_mv |
Departamento de la Computación y la Decisión |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Minas |
| dc.publisher.place.spa.fl_str_mv |
Medellín, Colombia |
| dc.publisher.branch.spa.fl_str_mv |
Universidad Nacional de Colombia - Sede Medellín |
| institution |
Universidad Nacional de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/80796/1/license.txt https://repositorio.unal.edu.co/bitstream/unal/80796/2/1017214424.2021.docx.pdf https://repositorio.unal.edu.co/bitstream/unal/80796/3/1017214424.2021.docx.pdf.jpg |
| bitstream.checksum.fl_str_mv |
8153f7789df02f0a4c9e079953658ab2 f3ca7bec3083a05982189e86d92ef8e7 239744e09882b2bfebce85743c9095f4 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
| _version_ |
1814089535776096256 |
| spelling |
Atribución-NoComercial-CompartirIgual 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Villa Garzón, Fernán Alonso9c83ea56495b8f17a79c27fd0001bb81600Delgado Palacios, Lesty Yoladibdcf6d3ee66650fde597b235096eeb362022-01-11T16:34:23Z2022-01-11T16:34:23Z2021-11-24https://repositorio.unal.edu.co/handle/unal/80796Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/IlustracionesSegún Nasdaq, 2020 en la actualidad cada vez más personas están realizando compras de productos a través de plataformas de comercio online, y a su vez cada año más empresas migran su actividad o al menos una parte de ella al e-commerce, debido a esto hay una gran cantidad de información disponible de opiniones de compradores, acerca del grado de satisfacción obtenido después de haber adquirido los productos, que en algunos casos no están siendo aprovechada (Mosley, 2020). Como resultado de lo anterior, el presente trabajo plantea una solución mediante la implementación de algoritmos estadísticos, que permiten interpretar el lenguaje humano de forma rápida, eficiente e identificar los sentimientos que subyacen detrás de cada uno de los comentarios, para que las empresas puedan actuar rápidamente frente a las necesidades de los consumidores finales. Además, se abordan diferentes enfoques para clasificar las opiniones y poder determinar el grado de polaridad de estas mismas, para lograrlo se plantean distintos escenarios con diferentes tipos de pre procesamiento y evaluando diversos tipos sentimientos. (texto tomado de la fuente)According to Nasdaq, 2020 nowadays more people are shopping their products through an electronic commerce platform online, and every year there are more businesses doing migrations of their activities or at least one part to the e-commerce, due to that there is a big amount of available information from buyers’ opinions about the level of satisfaction that has been obtained after buying the products which in some cases has not been taken in advantage. (Mosley, 2020) As a result of the above, the present project poses a solution through the implementation of statistic algorithms that allow the interpretation of the human language in a fast & efficient way & identify the feelings that underlie behind each comment, so the businesses can act in a fast way to the final consumers’ needs. Besides, different approaches are addressed to classify the opinions and to be able to determine distinct scenarios with different kinds of pre-processing & evaluate different types of feelingsMaestríaMagíster en Ingeniería - AnalíticaÁrea Curricular de Ingeniería de Sistemas e Informáticaix, 79 páginasapplication/pdfspaengUniversidad Nacional de ColombiaMedellín - Minas - Maestría en Ingeniería - AnalíticaDepartamento de la Computación y la DecisiónFacultad de MinasMedellín, ColombiaUniversidad Nacional de Colombia - Sede Medellín000 - Ciencias de la computación, información y obras generales::003 - SistemasElectronic commerceMinería de datosTecnologíaRedes socialesAnalysis of feelingsTechnological productsElectronic commerceAnálisis de sentimientosProductos de tecnologíaProducto de tecnologíaComercio electrónicoModelo para el análisis de las evaluaciones de un producto de tecnología en una plataforma de comercio electrónicoA model for analysis of evaluations of a technological product on an electronic commerce platformTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMLucas, Marty (1999). “Mining in textual mountains”. [Entrevista a Marti Hearst]. Consultado en: 27-12-03. Obtenido de: http://mappa.mundi.net/trip-m/hearst.B. Lu, L. Zhang “A survey of opinion mining and sentiment analysis”, ed. C. C. Aggarwal and C. X. Zhai. Boston, MA: Springer US, 2012, pp. 415—463. ISBN: 978-1-4614-3223-4. DOI=10.1007/978-1-4614-3223- 4_13.M. Sahami (1996). Proceedings of the 2nd International Conference on Knowledge Discovery and Data Mining. In Learning limited dependence Bayesian classifiers., 335–338.Sullivan, Dan (2001). Document warehousing and text mining. New York [etc.]: Wiley Computer Publishing, 2001, xviii, 542 p.Wiebe, J. M., Wilson, T., Bruce, R., Bell, M., and Martin, M. (2004). Learning subjective language. In Computational Linguistics, 30:277–308.P. D. Turney (2002). Proceedings of the 40th Annual Meeting on Association for Computational Linguistics in Morristown. In Association for Computational Linguistics, pp. 417-424.Holts A., Riquelme C., Alfaro R (2010). Automated Text Binary Classification using Machine Learning Approach. In XXIX International Conference of the Chilean Computer Science SocietyPang, B. and Lee, L. (2008). Opinion mining and sentiment analysis. In Foundation and Trends in Information Retrieval, 2(1-2):1–135.Carrillo, C. Urueña, J. Forero, J. Caicedo, L. (2015) . Análisis del sentimiento político mediante la aplicación de herramientas de minería de datos a través del uso de redes sociales. Bogotá D.C Obtenido de: https://repository.javeriana.edu.co/bitstream/handle/10554/20516/CaicedoOrtizLuisEduard o2016.pdf?sequence=1&isAllowed=yLithium (2001) “Lithium: deliver better customer experiences through digital channels”. Obtenido de: https://www.lithium.com/Araujo N. (2009), Método Semi Supervisado para la Clasificación Automática de Textos de Opinión. INAOE 2009. Obtenido de: . https://ccc.inaoep.mx/~villasen/tesis/TesisMaestria-NadiaAraujo.pdfStanford NLP Core. (2014) “Stanford CoreNLP - Core Natural Language Software”. Obtenido de: https://stanfordnlp.github.io/CoreNLP/Stanford NLP Group (2010) “The Stanford Natural Language Processing Group”. Obtenido de: https://nlp.stanford.edu/Stanford NLP Core. (2014) “Stanford CoreNLP - Core Natural Language Software”. Obtenido de: https://stanfordnlp.github.io/CoreNLP/B. Liu, M. Hu, J. Cheng. Opinion Observer: Analyzing and Comparing Opinions on the Web. In “Proceedings of the 14th international 80 conference on World Wide Web”, in New York, NY, USA, ACM, 2005, pp. 342-351.Dubian et al. (2013). “Análisis de Sentimientos sobre un Corpus en Español: Experimentación con un Caso de Estudio”. Buenos Aires, Argentina. Obtenido de: https://core.ac.uk/download/pdf/301090363.pdfGuarnizo, E. Monroy, A. (2020) “Implementación de un modelo de análisis de sentimientos con respecto a la jep basado en minería de datos en twitter.” Bogotá D.C. Obtenido de :https://repository.ucatolica.edu.co/bitstream/10983/24981/1/JEPDocumentoFinal.pdfEnríquez, Carlos; Pla, Ferran; Hurtado, Lluís-F.; Guzmán, Jaime (2017). Análisis de sentimientos a nivel de aspecto usando ontologías y aprendizaje automático Procesamiento del Lenguaje Natural, núm. 59, pp. 49-56 Sociedad Española para el Procesamiento del Lenguaje Natural Jaén, España. Obtenido de: https://www.redalyc.org/pdf/5157/515754427005.pdRios. L (2019), “Análisis de datos de sentimientos enfocados al servicio de transporte masivo Transmilenio s.a aplicando tecnologías big data”. Bogotá d.c. Obtenido de :http://hdl.handle.net/11371/2907Carlos Arcila-Calderón, Félix Ortega-Mohedano, Javier Jiménez-Amores y Sofía Trullenque (2017). Supervised sentiment analysis of political messages in spanish: Real-Time of tweets based on machine learning. Disponible en < http://www.elprofesionaldelainformacion.com/contenidos/2017/sep/18.pdf >Ankita, Nabizath Saleenaa (2018). An Ensemble Classification System for Twitter Sentiment Analysis. Disponible en < https://www-sciencedirectcom.ucatolica.basesdedatosezproxy.com/science/article/pii/S18 77050918308 41X>A. Gammerman, A. R. Thatcher (1991). Bayesian diagnostic probabilities without assuming independence of symptoms . In Methods of Information in Medicine, 30, 15–22.30(1):15-22. PMID: 2005829 . Obtenido de : https://pubmed.ncbi.nlm.nih.gov/2005829/Yagui, M. Maia,L. Oliveira, J, Vivacqua, V (2018). Data mining of social manifestations in Twitter: Analysis and aspects of the social movement "Bela, recatada e do lar" (Beautiful, demure and housewife). Disponible en < http://web.a.ebscohost.com.ucatolica.basesdedatosezproxy.com/ehost/pdfvie wer/pdfviewer?vid=1&sid=85eafd29-f950-4be5-94fdac673c3bef37%40sessionmgr4008 >Eric Rochester (2014). Mastering Clojure Data Analysis, Understanding sentiment analysis. Publicado por Packt Publishing Ltd. ISBN 978-1-78328-413-9Breiman, L., Friedman, J., Olshen, R., and Stone, C., (1984), Classification and Regresion Trees, Wadsworth International Group.K. y. Nasukawa, (2006). “Fully automatic lexicon expansion for domain-oriented sentiment analysis” In Proceedings of the Conference on Empirical Methods in Natural Language Processing (EMNLP). Omnipress Inc. PA 18360Kim, S., & Hovy, E. (2004). Determining the sentiment of opinions. In Proceedings of the international conference on computational linguistics (COLING 2004) East Stroudsburg, PA, 1367.A. Tumasjan, (2010). “Prediction elections with Twitter_ What 140 characters reveal about political sentiment,” Proceedings of the Fourth International al AAAI Conference on Weblogs and Social Media.Dubiau, L. Ale. M (2013). “Análisis de Sentimientos sobre un Corpus en español: Experimentación con un Caso de Estudio”. Buenos Aires, Argentina.E. J. Keogh. M. Pazzani (1999). Learning augmented Bayesian classifiers: a comparison of distribution-based and non distribution-based approaches. In Proceedings of the 7th International Workshop on Artificial Intelligence and Statistics, 225– 230.Baccianella, S., Esuli, A., & Sebastiani, F. (2010). SentiWordNet 3.0: An enhanced lexical resource for sentiment analysis and opinion mining. In Proceedings of the 7th conference on international, language resources and evaluation (www.irecconf.org).InvestigadoresLICENSElicense.txtlicense.txttext/plain; charset=utf-84074https://repositorio.unal.edu.co/bitstream/unal/80796/1/license.txt8153f7789df02f0a4c9e079953658ab2MD51ORIGINAL1017214424.2021.docx.pdf1017214424.2021.docx.pdfTesis Magíster en Ingeniería – Ingeniería Analíticaapplication/pdf2412011https://repositorio.unal.edu.co/bitstream/unal/80796/2/1017214424.2021.docx.pdff3ca7bec3083a05982189e86d92ef8e7MD52THUMBNAIL1017214424.2021.docx.pdf.jpg1017214424.2021.docx.pdf.jpgGenerated Thumbnailimage/jpeg4939https://repositorio.unal.edu.co/bitstream/unal/80796/3/1017214424.2021.docx.pdf.jpg239744e09882b2bfebce85743c9095f4MD53unal/80796oai:repositorio.unal.edu.co:unal/807962024-08-02 23:10:26.122Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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 |