|
|
|
|
| LEADER |
00000nam a2200000 a 4500 |
| 003 |
AR-LpUFIB |
| 005 |
20250311170525.0 |
| 008 |
230201s2022 ag a om 000 0 spa d |
| 024 |
8 |
|
|a DIF-M8705
|b 8931
|z DIF007976
|
| 040 |
|
|
|a AR-LpUFIB
|b spa
|c AR-LpUFIB
|
| 100 |
1 |
|
|a Fernández, Juan Manuel
|
| 245 |
1 |
0 |
|a Clasificación automática de correos electrónicos
|
| 260 |
|
|
|c 2022
|
| 300 |
|
|
|a 1 archivo (2,5 MB) :
|b il. col.
|
| 502 |
|
|
|a Tesis (Maestría en Inteligencia de Datos Orientada a Big Data) - Universidad Nacional de La Plata. Facultad de Informática, 2022.
|
| 505 |
0 |
|
|a 1. Introducción -- 1.1. Contexto -- 1.2. Objetivos -- 1.3. El caso de estudio -- 1.4. Organización del documento -- 2. El correo electrónico -- 2.1. Historia -- 2.2. Estado actual -- 2.3. Estructura del correo electrónico -- 3. Marco teórico y revisión bibliográfica -- 3.1. Conceptos preliminares -- 3.2. Email Minig: Concepto y estado del arte -- 3.3. Clasificación automática de textos -- 3.4. Email mining: Clasificación automática -- 3.4.1. Etiquetado de documentos -- 3.4.2. Representación de documentos -- 3.4.3. Extracción de características de los documentos -- 3.4.4. Estrategias de Representación de documentos -- 3.4.5. Entrenamiento del Modelo -- 3.4.6. Estrategias de evaluación de modelos -- 3.4.7. Métricas de selección de modelos -- 3.4.8. Utilización del modelo -- 4. Clasificación semi-supervisada -- 4.1. Introducción -- 4.2. Antecedentes -- 4.3. Estrategia semi-supervisada propuesta -- 4.3.1. Conjunto de datos inicial de Correos electrónicos -- 4.3.2. Indexación de correos electrónicos con Elasticsearch -- 4.3.3. Estrategias de selección de características -- 4.3.4. Recuperación de correos electrónicos -- 4.3.5. Construcción del Modelo de clasificación -- 5. trabajos experimentales -- 5.1. Consolidación del conjunto de datos -- 5.1.1. Origen de los correos electrónicos -- 5.1.2. Etiquetado de documentos -- 5.1.3. Preprocesamiento de los correos . -- 5.2. Análisis exploratorio del conjunto de datos -- 5.2.1. Análisis de la fecha de la consulta -- 5.2.2. Análisis de los atributos categóricos -- 5.2.3. Análisis exploratorio del texto de la consulta -- 5.3. Separación del conjunto de datos en entrenamiento y evaluación -- 5.4. Ejecución de los experimentos -- 5.4.1. Primera iteración: Distribución de clases original -- 5.4.2. Segunda iteración: Redistribución de clases y corrección de etiquetas -- de clases -- 5.5. Implementación de la estrategia de aprendizaje semi-supervisado -- 5.5.1. Extracción de características -- 5.5.2. Recuperación de correos electrónicos -- 5.5.3. Construcción del Modelo de clasificación -- 5.5.4. Síntesis del trabajo experimental -- 6. conclusiones y trabajos futuros -- 6.1. Conclusiones -- 6.2. Trabajos Futuros
|
| 650 |
|
4 |
|a CORREO ELECTRÓNICO
|
| 653 |
|
|
|a categorización
|
| 700 |
1 |
|
|a Errecalde, Marcelo Luis ,
|e Director/a
|
| 700 |
1 |
|
|a Oloriz, Mario G. ,
|e Codirector/a
|
| 856 |
4 |
0 |
|u http://catalogo.info.unlp.edu.ar/meran/getDocument.pl?id=2600
|
| 942 |
|
|
|c TE
|
| 952 |
|
|
|0 0
|1 0
|4 0
|6 TES_2252
|7 0
|9 84045
|a DIF
|b DIF
|d 2025-03-11
|i DIF-05270
|l 0
|o TES 22/52
|p DIF-05270
|r 2025-03-11 17:05:25
|w 2025-03-11
|y TE
|
| 952 |
|
|
|0 0
|1 0
|4 0
|7 3
|8 BD
|9 84046
|a DIF
|b DIF
|d 2025-03-11
|l 0
|r 2025-03-11 17:05:25
|u https://doi.org/10.35537/10915/152375
|w 2025-03-11
|y TE
|
| 952 |
|
|
|0 0
|1 0
|4 0
|7 3
|8 BD
|9 84047
|a DIF
|b DIF
|d 2025-03-11
|l 0
|r 2025-03-11 17:05:25
|u http://catalogo.info.unlp.edu.ar/meran/getDocument.pl?id=2600
|w 2025-03-11
|y TE
|
| 999 |
|
|
|c 57748
|d 57748
|
