Desarrollo de un sistema inteligente para la clasificación de documentos ya digitalizados aplicando redes neuronales supervisadas.

Abstract

En este trabajo se propone un modelo de Redes Neuronales Artificiales con aprendizaje supervisado: Perceptrón Multicapa utilizando como criterio de clasificación el área disciplinar, de esta manera se propone el desarrollo de una nueva aplicación web que utilizando técnicas de sistemas inteligentes implemente un sistema de clasificación de documentos de tipo supervisado para agrupar los documentos por categorías según corresponda. El criterio para realizar la clasificación de documentos está basado por 14 categorías de esta manera el sistema formará grupos de documentos afines a la categoría correspondiente, además se puede contrastar sus resultados con el ingreso de 100 documentos de la biblioteca del Área de la Energía las Industrias y los Recursos no Renovables de la carrera de Ingeniería en Sistemas. EL dominio de esta aplicación es utilizar un corpus de 5000 documentos del repositorio de la Universidad Autónoma de la ciudad de México(Red de Revistas Científicas de América Latina y el Caribe ,España y Portugal ) en distintos formatos(Microsoft Word, PDF, texto plato ).En el sistema se han implementado analizadores que extraen meta-datos(título, autor, palabras claves, descripción, fecha entre otros ) así mismo se ha desarrollado una variedad de algoritmos de aprendizaje supervisados aplicados a la categorización de documentos, del mismo modo se desarrolló un lematizador lo cual ayuda al recall(reduce la palabra a su raíz ) a los documentos de consulta y eliminar los artículos. En particular, en los experimentos de nuestro dominio el lenguaje R con su paquete RWEKA ha demostrado tener buenas propiedades para experimentar y demostrar resultados de la asertividad y error de la clasificación de los documentos. El objetivo final es construir una aplicación web para categorizar documentos de forma automática de acuerdo a las categorías que se planteó.