Browsing by Subject "Procesamiento de lenguaje natural"

Now showing 1 - 6 of 6
  • Thumbnail Image
    Item
    Desarrollo de un modelo de aprendizaje automático para la asignación de códigos de producto por sociedades comisionistas de la bolsa mercantil de Colombia a partir de descripciones de productos en supermercados
    (Pontificia Universidad Javeriana Cali, 2024) Collantes Zuluaga, Santiago; García Cifuentes, Juan Pablo; Gil González, Julián
    Este proyecto presenta el desarrollo de un modelo de aprendizaje automático para la asignación automática de códigos de productos en la Bolsa Mercantil de Colombia (BMC) a partir de descripciones proporcionadas por sus Sociedades Comisionistas (SC). Utilizando técnicas avanzadas de procesamiento de lenguaje natural (NLP) y aprendizaje profundo, se busca mejorar la precisión y eficiencia del proceso actual de asignación manual. Las técnicas implementadas incluyen word embeddings con Word2Vec, modelos preentrenados de spaCy, la combinación de métricas de similitud como Jaccard y coseno, y redes siamesas (SBERT) para la comparación semántica de oraciones. A lo largo del proyecto, se identificaron varias limitaciones en el corpus de datos, como la variabilidad y calidad de las descripciones, errores ortográficos y léxicos, y la falta de metadatos adicionales. Los resultados mostraron que los modelos preentrenados y las redes siamesas proporcionaron mejoras significativas en la precisión de la asignación en comparación con los modelos entrenados únicamente con nuestro corpus. La combinación de métricas de similitud también demostró ser efectiva para mejorar el alineamiento de descripciones. El estudio concluye que la integración de datos adicionales y el ajuste fino continuo de los modelos pueden llevar a mejoras adicionales en la precisión y eficiencia de este proyecto.
  • Thumbnail Image
    Item
    Desarrollo de un sistema de recomendaciones personalizadas en la plataforma LMS KME360
    (Pontificia Universidad Javeriana Cali, 2025) Samacá Romero, Carolina; Peña Fajardo, Enrique José; Alvarez Vargas, Gloria Inés; Linares Ospina, Diego Luis
    Este proyecto propone el desarrollo de un sistema de recomendación de contenidos y cursos personalizado para la plataforma LMS kme360. El sistema se diseñará de manera modular y escalable, con la capacidad de adaptarse a las necesidades de cada cliente futuro y a la configuración específica de sus instancias. La implementación de este sistema permitirá que la plataforma pueda ofrecer una experiencia de aprendizaje más personalizada y efectiva a sus usuarios, lo que se traducirá en una mayor satisfacción del cliente, un mejor aprovechamiento de los recursos disponibles y un potencial aumento en la tasa de finalización de los cursos. El proyecto se desarrollará siguiendo la metodología CRISP-DM, que establece seis etapas: comprensión del negocio, comprensión de los datos, preparación de los datos, modelado, evaluación y despliegue. Como resultado principal del proyecto, se obtendrá un modelo de recomendación que responderá a las características puntuales del cliente seleccionado. Se espera que este resultado impacte positivamente en la experiencia de aprendizaje de los usuarios de kme360, aumentando su satisfacción y compromiso con la plataforma.
  • Thumbnail Image
    Item
    “Diseminación selectiva de la información usando ciencia de datos: recomendación de libros y lecturas en las bibliotecas Comfama”
    (Pontificia Universidad Javariana Cali, 2024) Bedoya Henao, Edwin José; Álvarez Vargas, Gloria Inés; Linares Ospina, Diego Luis
    Este proyecto se enfoca en el desarrollo de un sistema de recomendación de libros para las Bibliotecas Comfama, con el objetivo de mejorar la experiencia de los usuarios al proporcionar sugerencias personalizadas basadas en sus preferencias de lectura y comportamiento histórico. La relevancia del proyecto radica en abordar el problema de la infoxicación, o sobrecarga de información, en un entorno donde la vasta cantidad de materiales disponibles dificulta la selección de lecturas adecuadas para cada usuario. El sistema de recomendación se construyó utilizando técnicas avanzadas de ciencia de datos, como modelos de agrupación (K-Means) y representaciones vectoriales de libros mediante Word2Vec, lo que permite identificar patrones de lectura y preferencias individuales. A partir de esta estructura, se generaron recomendaciones altamente precisas y personalizadas que optimizan el servicio de préstamo de las Bibliotecas Comfama, aumentando así la satisfacción de los usuarios. El sistema se fundamenta en una estructura de datos que integra tanto características demográficas como el historial de préstamos y consultas de cada usuario, lo que facilita la identificación de perfiles de lectores y la agrupación de usuarios con intereses similares. Como resultado, el proyecto ofrece un sistema innovador que promueve el uso más frecuente y eficiente de los servicios bibliotecarios, fortaleciendo el papel de las bibliotecas en la promoción de la cultura y el conocimiento. Este enfoque tiene aplicaciones potenciales más allá del ámbito bibliotecario, con posibilidades de implementación en sectores como el comercio electrónico o la selección de contenido digital, aprovechando las capacidades de la ciencia de datos para anticipar y satisfacer las preferencias individuales de los usuarios.
  • Thumbnail Image
    Item
    Generación de noticias a partir de conjuntos de datos económicos utilizando técnicas de inteligencia artificial y aprendizaje automático
    (Pontificia Universidad Javeriana Cali, 2025) López Gómez, David Leonardo; Bejarano Bejarano, Luis Vidal; Linares Ospina, Diego Luis; Álvarez Vargas, Gloria Inés
    En el contexto actual de rápida generación de datos económicos, surge el desafío de transformar conjuntos de datos complejos en información accesible y comprensible. Esta investigación aborda esta problemática mediante el uso de técnicas de inteligencia artificial (IA) y aprendizaje automático (AA) para la generación automatizada de noticias basadas en procesamiento de lenguaje natural (PLN). Aquí, el problema radica en la ineficiencia de los métodos tradicionales de análisis de datos frente al volumen y la complejidad de la información económica contemporánea. Además, los medios de comunicación enfrentan una creciente demanda de entrega rápida y precisa de contenidos, lo que presenta desafíos significativos en términos de costos y operatividad. Para abordar estos retos, se desarrolló un sistema basado en los modelos T5 y GPT-2, ambos con arquitecturas de tipo transformer. Los datos económicos fueron preprocesados, limpiados y estructurados para entrenar los modelos. Se realizaron ajustes utilizando hiperparámetros optimizados y métricas de evaluación como BLEU, BERTScore y perplejidad, con el objetivo de medir la calidad de los textos generados. Los resultados mostraron que el modelo T5 superó al GPT-2 en precisión, coherencia y fluidez del texto generado, logrando un BLEU de 0.14, un BERTScore promedio (F1) de 0.83 y una perplejidad de 1.11 tras la optimización. En comparación, el GPT-2 alcanzó un BLEU de 0.15, un BERTScore promedio (F1) de 0.70 y una perplejidad de 12.75. Estas métricas indican que el T5 es más adecuado para generar textos complejos y altamente estructurados, mientras que el GPT-2 destaca en tareas donde se requiere mayor creatividad y generación de contenido más diversificado. El resultado de esta investigación, aporta un avance en la transformación de datos económicos en contenido informativo, reduciendo costos y tiempos asociados a los procesos tradicionales. La solución propuesta se presenta como una herramienta prometedora para democratizar el acceso a información económica y apoyar la toma de decisiones en entornos dinámicos.
  • Thumbnail Image
    Item
    Plataforma tecnológica para habilitar la venta consultiva de un producto digital con inteligencia artificial
    (2024) Zambrano Barco, Gerson David; Chaparro Romero, Alexander
    Cada día la inteligencia artificial está tomando más fuerza en el mercado; los negocios se están apalancando de los beneficios que provee para brindar una mejor atención a sus clientes, automatizar diferentes procesos y generar más ingresos. Los trabajadores digitales inteligentes se convierten en un canal de atención muy importante para las empresas, debido a que, a través de una conversación consultiva, pueden generar más ingresos. Sin embargo, adoptar un trabajador digital inteligente sin tener en cuenta una definición clara de una arquitectura tecnológica que habilite la interacción con los modelos de inteligencia artificial puede generar problemas de integración, rendimiento y seguridad. Es por ello que este proyecto de grado plantea una solución a los desafíos descritos anteriormente mediante la implementación de una arquitectura tecnológica que habilite la adopción de un modelo de inteligencia artificial como un trabajador digital inteligente, el cual se encuentra en la capacidad de sostener una conversación consultiva con un cliente para la venta de un producto digital.
  • Thumbnail Image
    Item
    Prototipo para la Clasificación y Análisis de Comunicaciones Telefónicas en el Proceso de Promoción Estudiantil
    (Pontificia Universidad Javeriana Cali, 2025) Hernández Triana, Sebastián; Martínez Munevar, Luis Felipe; Rincón Pérez, Luisa Fernanda
    La comunicación inicial entre los prospectos y el área de atención al cliente de la Universidad Javeriana Cali durante el proceso de ingreso y registro es clave para captar aspirantes, resolver dudas y proyectar una imagen favorable de la institución. Las temáticas abordadas en estas interacciones ofrecen una oportunidad para mejorar los servicios universitarios y comprender las preferencias e intereses de los estudiantes potenciales, favoreciendo así una experiencia más personalizada. No obstante, uno de los desafíos principales consiste en analizar el gran volumen de llamadas recibidas, así como aprovechar la información extraída de las mismas. Actualmente, la universidad almacena estas grabaciones de interacciones mediante un proveedor externo (Wekall), pero permanecen estáticas, sin aprovechar su potencial informativo, lo que representa una pérdida de datos estratégicos que podrían contribuir al desarrollo institucional. En este contexto, el uso de inteligencia artificial y modelos avanzados de procesamiento de lenguaje natural emerge como una solución para analizar y transformar las comunicaciones humanas en información útil y aprovechable. De esta manera, el objetivo principal de este trabajo de grado es desarrollar una herramienta que aplique técnicas de procesamiento de datos basadas en inteligencia artificial, utilizando flujos de automatización y el diseño de prompts dirigidos a modelos de lenguaje de gran escala (LLM), para analizar sentimientos, clasificar temáticas y extraer intenciones de las comunicaciones con prospectos. La información obtenida será representada mediante un dashboard interactivo, lo que abre la posibilidad de generar insumos estratégicos, identificar tendencias recurrentes y explorar oportunidades de mejora en los procesos y servicios ofrecidos por la universidad.