Please use this identifier to cite or link to this item: http://repositorio.uisek.edu.ec/handle/123456789/3224
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorRiofrío Luzcano, Diego Fernando-
dc.contributor.authorCumba Armijos, Paul David-
dc.date.accessioned2018-12-06T01:03:46Z-
dc.date.available2018-12-06T01:03:46Z-
dc.date.issued2018-11-
dc.identifier.citationCT-MTI R585p/2018es
dc.identifier.urihttps://repositorio.uisek.edu.ec/handle/123456789/3224-
dc.descriptionNowadays, it is extremely importance to be able to foresee future advances in order to make correct decisions. The ability to predict and detect factors that can impact the business or personal aspects, can define the course of actions that can be carried out for the benefit of humanity. For this reason, this research has the main goal to consolidate and prepare a corpus with text extracted from Twitter, with the propose of train a convolutional neuronal network (CNN), through deep learning techniques. As result of this training a text predict model was obtained, which could find situations of interpersonal violence, where verbal aggression is manifested, such as insults, racist attacks, homophobic attacks, etc. This model was validated through cross-validation techniques, obtaining satisfactory results that allow us to conclude that the generated model is optimal for predicting texts for the identification of cyberbullyinges
dc.description.abstractEn el mundo actual, se destaca la importancia de poder avizorar acontecimientos futuros a fin, de tomar decisiones acertadas. El llegar a predecir y detectar factores que puedan tener afectación en aspectos de negocios, sociales o personales, puede definir el curso de las acciones que se puedan realizar en beneficio de la humanidad. Es por esto, que este trabajo investigativo tiene el objetivo de consolidar y preparar un cuerpo con expresiones de texto extraídas de Twitter, con el fin de utilizarlo como insumo esencial para entrenar una red neuronal convolucional (CNN), mediante técnicas de aprendizaje profundo. Como resultado de este entrenamiento, se genera un modelo de predicción de textos que puedan o no presentar signos de cyber acoso (cyber bullying), en los cuales se pueda manifestar agresión verbal grave, como insultos, ataques racistas, ataques homofóbicos, etc. Este modelo fue validado mediante técnicas de validación cruzada, obteniendo resultados satisfactorios que permiten concluir que el modelo generado es óptimo para realizar predicciones de textos para la identificación del cyber acoso.es
dc.description.sponsorshipUisekes
dc.language.isospaes
dc.publisherUniversidad Internacional SEKes
dc.rightsopenAccesses
dc.subjectTECNOLOGÍAS DE LA INFORMACIÓNes
dc.subjectINTELIGENCIA ARTIFICIALes
dc.subjectREDES NEURALESes
dc.subjectCONTROL AUTOMÁTICOes
dc.subjectCIBERNÉTICAes
dc.subjectPREDICCIONES DE TEXTOSes
dc.subjectACOSO CIBERNÉTICOes
dc.titlePredicción de ataques de cyber bullying mediante técnicas de aprendizaje profundo apoyándose en un corpus de entrenamiento para la clasificación de texto en español.es
dc.typeinfo:eu-repo/semantics/masterThesises
Appears in Collections:(MTI)

Files in This Item:
File Description SizeFormat 
Presentacion_Tesis (1).pdf742.72 kBAdobe PDFView/Open
TESIS MTI PAUL CUMBA.pdf3.93 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.