Browsing by Subject "BERT"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Detección de Noticias Falsas: comparación entre modelos de aprendizaje profundo basados en redes neuronales y modelos de lenguaje de gran escala
    (Pontificia Universidad Javeriana Cali, 2025) Oviedo Santacruz, Claudia Patricia; Gil González, Julián
    En la era digital actual, la propagación de noticias falsas en plataformas digitales representa un desafío creciente para la sociedad, debido a su potencial para desinformar y generar consecuencias sociales, políticas y económicas. Este trabajo compara el desempeño de dos enfoques de aprendizaje profundo en la detección automática de noticias falsas: un modelo basado en redes neuronales Long Short-Term Memory y un modelo de lenguaje de gran escala preentrenado como BERT. Se utilizaron conjuntos de datos abiertos y técnicas de preprocesamiento de texto, además de estrategias de sintonización de hiperparámetros, para optimizar el rendimiento de cada modelo. Los resultados muestran que el modelo Long Short-Term Memory, tras la optimización, alcanzó una precisión del 92%, superando al modelo de lenguaje de gran escala, que logró un 89%. Estos hallazgos evidencian que, en tareas específicas y bajo condiciones controladas, modelos más livianos y tradicionales pueden superar a modelos más complejos, reafirmando la importancia de una selección cuidadosa del modelo en función del problema a tratar y los recursos disponibles.
  • Thumbnail Image
    Item
    Modelo de lenguaje natural para el análisis de conversaciones de WhatsApp entre un asesor de cobranzas y un cliente
    (Pontificia Universidad Javeriana Cali, 2025) Alvear Corro, Jesus David; Ramírez Ovalle, Carlos Ernesto
    El siguiente proyecto aborda la necesidad de mejorar la gestión de cobranzas en entidades bancarias dado el repentino aumento de la cartera vencida, lo que pone en presión la eficacia de las estrategias de cobranzas, el objetivo del proyecto se enfoca en la implementación de un modelo avanzado de procesamiento de lenguaje natural (PLN) como BERT. Este analiza las conversaciones de WhatsApp entre asesores de cobranza y clientes, para mejorar la eficiencia en la gestión de cobranzas identificando patrones de comportamiento y analizando el sentimiento expresado en estas interacciones. El desarrollo del modelo se estructura en varias fases clave. Primero, se establece una robusta gestión de datos y creación de pipelines para capturar sistemáticamente las conversaciones de WhatsApp. Esto incluye el almacenamiento, procesamiento, limpieza, normalización y entrenamiento de los datos, asegurando una base sólida para el análisis posterior. Se implementan modelos avanzados como BERT para evaluar la calidad de las conversaciones y analizar el sentimiento expresado por los clientes. Los modelos BERT se utilizarán para la clasificación de sentimientos, proporcionando así una comprensión profunda de la percepción y la actitud de los clientes frente a sus obligaciones financieras. La evaluación del modelo es exhaustiva, considerando métricas estándar como precisión, exactitud y F1- score, así como la capacidad del modelo para generalizar a nuevas conversaciones y su interpretabilidad. Esto garantiza que el modelo seleccionado cumpla con los estándares de calidad necesarios para su implementación en un entorno operativo real. Además de mejorar la eficiencia en la gestión de cobranzas, el proyecto logra proporcionar herramientas para una evaluación temprana del desempeño de los asesores. Esto se logra mediante el análisis automatizado de las interacciones, identificando conversaciones críticas y áreas donde los asesores podrían mejorar en la comunicación con los clientes.