Browsing by Subject "LSTM"

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 predictivo del tipo de cambio EUR/USD: integración de datos históricos y análisis de sentimiento de noticias financieras a través de redes neuronales LSTM
    (Pontificia Universidad Javeriana Cali, 2025) Arias Martínez, Manuela; Quintero Carvajal, Esteban; Mejía Romero, Joaquín Nicolás; García Arboleda, Isabel Cristina
    Este proyecto se centra en la propuesta de un modelo predictivo para el tipo de cambio EUR/USD, incorporando el análisis de sentimiento derivado de noticias financieras y datos históricos mediante el uso de redes neuronales LSTM. La importancia de este tema radica en que el EUR/USD, como uno de los pares de divisas más negociados, funciona como un barómetro de la salud económica global, y su volatilidad refleja cambios en políticas monetarias, crisis económicas y eventos geopolíticos. Ante la limitación de los modelos tradicionales, que solo consideran datos históricos de precios, este proyecto aborda la problemática de mejorar la precisión de las predicciones al incluir el sentimiento del mercado. Los objetivos propuestos incluyen procesar y analizar datos relevantes, evaluar la relación entre el sentimiento y las fluctuaciones del tipo de cambio, e implementar un modelo que integre estas variables. Se logra crear un conjunto de datos limpio y que permite la propuesta de un modelo predictivo que mejora la comprensión de las dinámicas del mercado, además de elaborar un informe detallado sobre la metodología aplicada y los resultados obtenidos. Estas herramientas benefician a inversores y profesionales del área financiera en la toma de decisiones más informadas y en la mitigación de riesgos asociados con la volatilidad del mercado. El modelo resultante también sirve como base para futuras investigaciones que exploran otros mercados y aplicaciones. Al adoptar este enfoque, el proyecto contribuye al campo de la ciencia de datos y las finanzas, además de establecer nuevos paradigmas en la predicción del tipo de cambio EUR/USD.