-
1Academic Journal
المؤلفون: Silva, Bruno C., Carrizo Moreira, António
مصطلحات موضوعية: gig economy, entrepreneurship, passion, self-efficacy, content analysis, latent dirichlet allocation, economía gig, emprendimiento, pasión, autoeficacia, análisis de contenido, asignación latente de Dirichlet, L26, M13, M15
وصف الملف: application/pdf
-
2Academic Journal
المصدر: Investigación Bibliotecológica: Archivonomía, Bibliotecología e Información, Vol 35, Iss 89, Pp 13-31 (2021)
مصطلحات موضوعية: asignación latente de dirichlet, algoritmos, análisis temático, documentos digitales, Bibliography. Library science. Information resources, Bibliography, Z1001-8999
وصف الملف: electronic resource
-
3Academic Journal
المصدر: Revista de Investigación, Desarrollo e Innovación, Vol 12, Iss 2 (2022)
مصطلحات موضوعية: modelado de tópicos, aprendizaje automático, revisiones sistemáticas, Asignación Latente de Dirichlet, Social Sciences, Industries. Land use. Labor, HD28-9999, Management. Industrial management, HD28-70, Technological innovations. Automation, HD45-45.2
وصف الملف: electronic resource
-
4Academic Journal
المؤلفون: Luque Zabala, Carolina Maria, Rubriche Cárdenas, Juan Carlos, Galvis, Jhon Jairo, Sosa, Juan Camilo
المصدر: Comunicaciones en Estadística; Vol. 14 No. 2 (2021); 48-66 ; Comunicaciones en Estadística; Vol. 14 Núm. 2 (2021); 48-66 ; 2339-3076 ; 2027-3355
مصطلحات موضوعية: Covid-19, topic modeling, latent Dirichlet allocation, biliographic bases, PubMed, modelos de tópicos, asignación latente de Dirichlet, bases biliográficas
وصف الملف: application/pdf
Relation: https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/7705/7237; https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/7705
-
5Academic Journal
المصدر: Investigación bibliotecológica v.35 n.89 2021
مصطلحات موضوعية: Asignación Latente de Dirichlet, Algoritmos, Análisis Temático, Documentos Digitales
وصف الملف: text/html
-
6Academic Journal
المؤلفون: Hall, Margeret, Logan, Michael, Ligon, Gina S., Derrick, Douglas C.
المصدر: Interdisciplinary Informatics Faculty Publications
مصطلحات موضوعية: social media, violent extremist organizations, LIWC, latent dirichlet allocation, n‐grams, counter terrorism, 社交媒体, 暴力极端主义机构, 语言查询和词计数（LIWC）, 隐含狄利克雷分配, n元语法（n‐grams）, 反恐, redes sociales, organizaciones extremistas violentas, asignación latente de dirichlet, n‐gramas, lucha contra el terrorismo
وصف الملف: application/pdf
Relation: https://digitalcommons.unomaha.edu/interdiscipinformaticsfacpub/48; https://digitalcommons.unomaha.edu/context/interdiscipinformaticsfacpub/article/1047/viewcontent/2019_M_Hall_DoMachinesReplicate.pdf
-
7
المصدر: Investigación Bibliotecológica: Archivonomía, Bibliotecología e Información, Vol 35, Iss 89, Pp 13-31 (2021)
مصطلحات موضوعية: Computer science, Bibliography, media_common.quotation_subject, Library and Information Sciences, computer.software_genre, Latent Dirichlet allocation, análisis temático, Bibliography. Library science. Information resources, symbols.namesake, algoritmos, Reading (process), Controlled vocabulary, asignación latente de dirichlet, media_common, Z1001-8999, Information retrieval, business.industry, Search engine indexing, Extension (predicate logic), Optical character recognition, Automation, documentos digitales, symbols, Thematic analysis, business, computer
-
8Dissertation/ Thesis
المؤلفون: Jiang, Linxi
المساهمون: Periñán Pascual, José Carlos, Universitat Politècnica de València. Departamento de Lingüística Aplicada - Departament de Lingüística Aplicada
مصطلحات موضوعية: Latent Semantic Analysis (LSA), Probabilistic Latent Semantic Analysis (pLSA), Análisis Semántico Probabilístico Latente (pLSA), Latent Dirichlet Allocation (LDA), Asignación Latente de Dirichlet (ALD), Minería de textos, Análisis Semántico Latente (LSA), Modelado de temas, Topic modelling, Text mining, FILOLOGIA INGLESA, Máster Universitario en Lenguas y Tecnología-Màster Universitari en Llengües i Tecnologia
Relation: http://hdl.handle.net/10251/197043
الاتاحة: http://hdl.handle.net/10251/197043
-
9Dissertation/ Thesis
المؤلفون: Hunter, Timothy, Garcia Aguilar, Ferran
مصطلحات موضوعية: Treball de fi de màster – Curs 2022-2023, Banking crisis prediction, Natural language processing, Latent Dirichlet allocation, Predicción de crisis bancarias, Procesamiento de lenguajes naturales, Asignación latente de Dirichlet
وصف الملف: application/pdf
Relation: http://hdl.handle.net/10230/58460
الاتاحة: http://hdl.handle.net/10230/58460
-
10
المؤلفون: Agudelo Restrepo, Leydi
المساهمون: Ospina Arango, Juan David
المصدر: Repositorio UN
Universidad Nacional de Colombia
instacron:Universidad Nacional de Colombiaمصطلحات موضوعية: Análisis de sentimientos, Lenguajes naturales, Latent dirichlet assignment, Natural language processing, Net promoter score, 004 - Procesamiento de datos Ciencia de los computadores [000 - Ciencias de la computación, información y obras generales], Non-negative matrix factorization, Natural languages, Topic modeling, Sentiment analysis, Indexación semántica latente, 006 - Métodos especiales de computación [000 - Ciencias de la computación, información y obras generales], Procesamiento de lenguaje natural, Asignación latente de dirichlet, Latent semantic indexing, Factorización de matriz no negativa, Modelado de tópicos
وصف الملف: 70 páginas; application/pdf
-
11Academic Journal
المؤلفون: Valdiviezo Díaz, Priscila, Hernando, Antonio
مصطلحات موضوعية: Asignación latente de Dirichlet, Sistema recomendador, Matriz de factorización, Modelo de tópicos, Recommender system, Factorization matrix, Topic model, Latent Dirichlet Allocation
Relation: http://hdl.handle.net/10272/17144
الاتاحة: http://hdl.handle.net/10272/17144
-
12Dissertation/ Thesis
المؤلفون: Caballero Villalobos, Juanita
المساهمون: Moreno Barbosa, Andrés Dario, Pajaro Hernández, Juan Pablo, Martinez Bernal, Oscar Camilo
مصطلحات موضوعية: Procesamiento del lenguaje natural, Asignación latente de Dirichlet, Modelado de temas, Comentarios de los estudiantes, Análisis de emociones, Natural language processing, Latent Dirichlet allocation, Topic modeling, Student feedback, Emotion analysis, Maestría en inteligencia artificial - Tesis y disertaciones académicas, Modelado, Lenguaje natural (Informática), Minería de datos
جغرافية الموضوع: Colombia
وصف الملف: PDF; application/pdf
Relation: http://hdl.handle.net/10554/63615; https://doi.org/10.11144/Javeriana.10554.63615; instname:Pontificia Universidad Javeriana; reponame:Repositorio Institucional - Pontificia Universidad Javeriana; repourl:https://repository.javeriana.edu.co
-
13Dissertation/ Thesis
المؤلفون: Agudelo Restrepo, Leydi
المساهمون: Ospina Arango, Juan David
مصطلحات موضوعية: 000 - Ciencias de la computación, información y obras generales::004 - Procesamiento de datos Ciencia de los computadores, información y obras generales::006 - Métodos especiales de computación, Lenguajes naturales, Natural languages, Procesamiento de lenguaje natural, Análisis de sentimientos, Modelado de tópicos, Asignación latente de dirichlet, Indexación semántica latente, Factorización de matriz no negativa, Natural language processing, Sentiment analysis, Topic modeling, Net promoter score, Latent dirichlet assignment, Latent semantic indexing, Non-negative matrix factorization
وصف الملف: 70 páginas; application/pdf
Relation: Athanasiou, V., & Maragoudakis, M. (2017). A novel, gradient boosting framework for sentiment analysis in languages where NLP resources are not plentiful: a case study for modern Greek. Algorithms, 10(1), 34.; Aziz, A. A., & Starkey, A. (2019). Predicting supervise machine learning performances for sentiment analysis using contextual-based approaches. IEEE Access, 8, 17722-17733.; Anderson, E. W., Fornell, C., & Lehmann, D. R. (1994). Customer satisfaction, market share, and profitability: Findings from Sweden. Journal of marketing, 58(3), 53-66.; Baviera, T. (2017). Técnicas para el análisis del sentimiento en Twitter: Aprendizaje Automático Supervisado y SentiStrength. Dígitos, 1(3), 33-50.; Bird S, Klein E, y Loper E, (2009), Natural Language Processing with Python, Estados Unidos de América, O’Reilly Medía.; Cheng, M., & Jin, X. (2019). What do Airbnb users care about? An analysis of online review comments. International Journal of Hospitality Management, 76, 58-70.; Chiruzzo, L., Rosá, A., & Etcheverry, M. (2020). Análisis de Sentimiento para Tweets en Español: Algunos Experimentos con Foco en los Tweets Neutros. Procesamiento del lenguaje natural, (64), 109-116.; De la Torre, J., & del Consuelo, M. (2017). Nuevas técnicas de minería de textos: Aplicaciones (Doctoral dissertation, Universidad de Granada).; Feng, L., & Wei, W. (2020). A Combined Method of r-NPS and t-NPS Evaluations for Identification of Negative Triggers of Detractors’ Experience. Sustainability, 12(4), 1652.; Fernández, J., Boldrini, E., Gómez, J. M., & Martínez-Barco, P. (2011). Análisis de Sentimientos y Minería de Opiniones: el corpus EmotiBlog. Procesamiento del lenguaje natural, 47, 179-187.; Fernández, J., Gutiérrez, Y., Gómez, J. M., Martínez-Barco, P., Montoyo, A., Munoz, R. (2013). Sentiment analysis of spanish tweets using a ranking algorithm and skipgrams.; Fisher, N. I., & Kordupleski, R. E. (2018). What is Wrong with Net Promoter Score. arXiv preprint arXiv:1806.10452.; Fodeh, S. J., Al-Garadi, M., Elsankary, O., Perrone, J., Becker, W., & Sarker, A. (2020). Utilizing a multi-class classification approach to detect therapeutic and recreational misuse of opioids on Twitter. Computers in Biology and Medicine, 104132.; Gelbukh, A. (2010). Procesamiento de lenguaje natural y sus aplicaciones. Komputer Sapiens, 1, 6-11.; Henríquez, C., Pla, F., Hurtado, L. F., & Guzmán, J. (2017). Análisis de sentimientos a nivel de aspecto usando ontologías y aprendizaje automático. Procesamiento del Lenguaje Natural, (59), 49-56.; Hernández, M. B., & Gómez, J. M. (2013). Aplicaciones de procesamiento de lenguaje natural. Revista Politécnica, 32; Korenius, T., Laurikkala, J., Järvelin, K., & Juhola, M. (2004, November). Stemming and lemmatization in the clustering of finnish text documents. In Proceedings of the thirteenth ACM international conference on Information and knowledge management (pp. 625-633).; Kumar, S., & Zymbler, M. (2019). A machine learning approach to analyze customer satisfaction from airline tweets. Journal of Big Data, 6(1), 1-16.; Mandal, P. C. (2014). Net promoter score: a conceptual analysis. International Journal of Management Concepts and Philosophy, 8(4), 209-219.; Mariñelarena-Dondena, L., Errecalde, M. L., & Solano, A. C. (2017). Extracción de conocimiento con técnicas de minería de textos aplicadas a la psicología. Revista Argentina de Ciencias del Comportamiento, 9(2), 65-76.; Mariñelarena-Dondena, L., Ferretti, E., Maragoudakis, M., Sapino, M., & Errecalde, M. L. (2017). Predicting depression: a comparative study of machine learning approaches based on language usage. Cuadernos de Neuropsicología/Panamerican Journal of Neuropsychology, 11(3).; Medina-Merodio, J. A., Pablos-Heredero, C. D., Jiménez-Rodríguez, M. L., Marcos-Ortega, L. D., Barchino-Plata, R., Rodríguez-García, D., & Gómez-Aguado, D. (2014). Analysis of customer satisfaction using surveys with open questions. Dyna, 81(188), 92-99.; Melnic, E. L. (2016). Techniques for measuring customers' satisfaction in Banks. Bulletin of the Transilvania University of Brasov. Economic Sciences. Series V, 9(1), 23.; Mesa Reyes, J. G. (2016). Procesamiento de lenguaje natural y su aplicación en servicios de hostelería.; Moorthi, Y. L. R., & Mohan, B. C. (2017). Brand value proposition for bank customers in India. International Journal of Bank Marketing.; Mousavi, S. M., & Amiri Aghdaie, S. F. (2021). Identifying the Constructive Elements of “Value Proposition” and their Impact on Customers’ Satisfaction using Sentiment Analysis based on Text Mining. Journal of Business Management, 12(4), 1092-1116.; Mu, R., Zheng, Y., Zhang, K., & Zhang, Y. (2021). Research on Customer Satisfaction Based on Multidimensional Analysis. International Journal of Computational Intelligence Systems, 14(1), 605-616.; Muktafin, E. H. (2021). Sentiments analysis of customer satisfaction in public services using K-nearest neighbors algorithm and natural language processing approach. Telkomnika, 19(1), 146-154.; Nazari, M., Shah Hosseini, M. A., & Tabatabaie Kalejahi, S. V. (2014). Impact of price perception factors on customer and price acceptance (Case study: MTN Irancell Company). Journal of Business Management, 6(3), 647-664.; Paredes-Valverde, M. A., Colomo-Palacios, R., Salas-Zárate, M. D. P., & Valencia-García, R. (2017). Sentiment analysis in Spanish for improvement of products and services: a deep learning approach. Scientific Programming, 2017.; Park, J. (2020). Framework for sentiment-driven evaluation of customer satisfaction with cosmetics brands. IEEE Access, 8, 98526-98538.; Park, M., McDonald, D., & Cha, M. (2013, June). Perception differences between the depressed and non-depressed users in twitter. In Proceedings of the International AAAI Conference on Web and Social Media (Vol. 7, No. 1).; Pérez, D., Alfonseca, E., Rodriguez, P., Gliozzo, A., Strapparava, C., & Magnini, B. (2005). About the effects of combining latent semantic analysis with natural language processing techniques for free-text assessment. Revista signos, 38(59), 325-343.; Reichheld, Frederick F. (diciembre 2003). “One Number You Need to Grow”. Harvard Business Review.; Riaz, S., Fatima, M., Kamran, M., & Nisar, M. W. (2019). Opinion mining on large scale data using sentiment analysis and k-means clustering. Cluster Computing, 22(3), 7149-7164.; Sun, S., Luo, C., & Chen, J. (2017). A review of natural language processing techniques for opinion mining systems. Information fusion, 36, 10-25.; Tao, Y., Zhang, F., Shi, C., & Chen, Y. (2019). Social media data-based sentiment analysis of tourists’ air quality perceptions. Sustainability, 11(18), 5070.; Tarnowska, K. A., & Ras, Z. (2021). NLP-Based Customer Loyalty Improvement Recommender System (CLIRS2). Big Data and Cognitive Computing, 5(1), 4.; Vallez, M., & Pedraza, R. (2007). El Procesamiento del Lenguaje Natural en la Recuperación de Información Textual y áreas afines. Hipertext. net.; Villagra, A., Guzmán, A., Pandolfi, D., & Leguizamón, G. (2009). Análisis de medidas no-supervisadas de calidad en clusters obtenidos por K-means y Particle Swarm Optimization. Ciencia y Tecnología.; Wijngaards, I., Burger, M., & van Exel, J. (2020). Correction: The promise of open survey questions—The validation of text-based job satisfaction measures. Plos one, 15(7), e0236900.; Zainuddin, N., & Selamat, A. (2014, September). Sentiment analysis using support vector machine. In 2014 international conference on computer, communications, and control technology (I4CT) (pp. 333-337). IEEE.; Customer.guru - Net Promoter Score for E-Shops and SaaS [En línea] https://customer.guru/ [último acceso: 22 Febrero 2022]; J. Chuang, CD Manning y J. Heer, Termite: Técnicas de visualización para evaluar modelos de temas textuales (2012), Departamento de Ciencias de la Computación de la Universidad de Stanford; J. Chang et al, Lectura de hojas de té: cómo los humanos interpretan los modelos temáticos (2009), Sistemas de procesamiento de información neuronal; Robertson, A. M., & Willett, P. (1998). Applications of n‐grams in textual information systems. Journal of Documentation.; Welte, W. (1985). Lingüística moderna, terminología y bibliografía (Vol. 5). Gredos.; Risch, J. (2016). Detecting Twitter topics using latent Dirichlet allocation.; Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent dirichlet allocation. Journal of machine Learning research, 3(Jan), 993-1022.; Hammoe, L. (2018). Detección de tópicos: utilizando el modelo LDA.; Venegas, V. (2003). Análisis Semántico Latente: una panorámica de su desarrollo. Revista signos, 36(53), 121-138.; Vásquez, A. C. (2017). Clasificación de textos informáticos mediante indexación semántica latente. Perfiles de Ingeniería, 13(13), 109-122.; Lee, D. D., & Seung, H. S. (1999). Learning the parts of objects by non-negative matrix factorization. Nature, 401(6755), 788-791.; Velásquez García, L. E. (2021). Modelamiento de tópicos aplicados al estudio de ataques de Ingeniería social (Bachelor's thesis, Quito, 2021).; Yan, X., Guo, J., Lan, Y., & Cheng, X. (2013, May). A biterm topic model for short texts. In Proceedings of the 22nd international conference on World Wide Web (pp. 1445-1456).; Hamzeian, D. (2021). Using Machine Learning Algorithms for Finding the Topics of COVID-19 Open Research Dataset Automatically (Master's thesis, University of Waterloo).; Mimno, D., Wallach, H., Talley, E., Leenders, M., & McCallum, A. (2011, July). Optimizing semantic coherence in topic models. In Proceedings of the 2011 conference on empirical methods in natural language processing (pp. 262-272).; Newman, D., Chemudugunta, C., & Smyth, P. (2006, August). Statistical entity-topic models. InProceedings of the 12th ACM SIGKDD international conference on Knowledge discovery and data mining (pp. 680-686).; Ipsos [En línea] https://www.ipsos.com/es-es/nosotros [último acceso: 22 Febrero 2022]; Sentiment-analysis-spanish. (2021, February 4). [En linea] https://pypi.org/project/sentiment-analysis-spanish/ [último acceso: 22 Febrero 2022]; Pang, B., & Lee, L. (2008). Opinion mining and sentiment analysis. Foundations and Trends® in information retrieval, 2(1–2), 1-135.; Saura, J. R., Reyes-Menendez, A., & Palos-Sanchez, P. (2019). Are black Friday deals worth it? Mining Twitter users’ sentiment and behavior response. Journal of Open Innovation: Technology, Market, and Complexity, 5(3), 58.; Arango Pastrana, C. A., & Osorio Andrade, C. F. (2021). Aislamiento social obligatorio: un análisis de sentimientos mediante machine learning. Suma de Negocios, 12(26), 1-13.; Gensim: topic modelling for humans [En línea] https://radimrehurek.com/gensim/ [último acceso: 22 Febrero 2022]; scikit-learn: machine learning in Python — scikit-learn 1.0.2 documentation [En línea] https://scikit-learn.org/stable/ [último acceso: 22 Febrero 2022]; pyLDAvis — pyLDAvis 2.1.2 documentation [En línea] https://pyldavis.readthedocs.io/en/latest/readme.html [último acceso: 22 Febrero 2022]; https://repositorio.unal.edu.co/handle/unal/81608; Universidad Nacional de Colombia; Repositorio Institucional Universidad Nacional de Colombia; https://repositorio.unal.edu.co/
-
14Academic Journal
المؤلفون: Luquea, Carolina, Rubriche, Juan, Galvis, Juan, Sosa, Juan
المصدر: Comunicaciones en Estadística, ISSN 2339-3076, Vol. 14, Nº. 2, 2021, pags. 48-66
مصطلحات موضوعية: Covid–19, modelos de tópicos, asignación latente de Dirichlet, bases biliograficas, PubMed, topic modeling, latent Dirichlet allocation, biliographic ba-ses
وصف الملف: application/pdf
Relation: https://dialnet.unirioja.es/servlet/oaiart?codigo=8642213; (Revista) ISSN 2027-3355; (Revista) ISSN 2339-3076
-
15
المؤلفون: Porras García, Yerson Ferney
المساهمون: Cruz-Roa, Angel, González Osorio, Fabio Augusto, MindLab, Tecnologías Abiertas (GITECX)
المصدر: Repositorio UN
Universidad Nacional de Colombia
instacron:Universidad Nacional de Colombiaمصطلحات موضوعية: Artículos científicos, Knowledge Management, Asignación Latente de Dirichlet, Topic Modeling, Scientific articles, Modelado de temas, Análisis automático de textos, Indexación automática, Gestión del conocimiento, 002 - El libro [000 - Ciencias de la computación, información y obras generales], Latent Dirichlet Allocation, Text analysis, Análisis de texto
وصف الملف: 146 páginas; application/pdf
-
16Dissertation/ Thesis
المؤلفون: Porras García, Yerson Ferney
المساهمون: Cruz-Roa, Angel, González Osorio, Fabio Augusto, MindLab, Tecnologías Abiertas (GITECX)
مصطلحات موضوعية: 000 - Ciencias de la computación, información y obras generales::002 - El libro, Asignación Latente de Dirichlet, Modelado de temas, Análisis de texto, Gestión del conocimiento, Artículos científicos, Latent Dirichlet Allocation, Topic Modeling, Text analysis, Knowledge Management, Scientific articles, Indexación automática, Análisis automático de textos
وصف الملف: 146 páginas; application/pdf
Relation: [Acevedo, 2011] Acevedo, M. H. (2011). El Proceso De Codificación En Investigación Cualitativa. Contribuciones a las Ciencias Sociales, (2011-05).; [Aigneren, 1999] Aigneren, M. (1999). Análisis De Contenido. Una Introducción. La Sociología en sus Escenarios, 0(3).; [Alghamdi and Alfalqi, 2015] Alghamdi, R. and Alfalqi, K. (2015). A Survey of Topic Modeling in Text Mining. International Journal of Advanced Computer Science and Applications, 6(1):147-153.; [Allahyari et al., 2017] Allahyari, M., Pouriyeh, S., Assefi, M., Safaei, S., Trippe, E. D., Gutierrez, J. B., and Kochut, K. (2017). A Brief Survey of Text Mining: Classication, Clustering and Extraction Techniques. Proceedings of KDD Bigdas, pages 1-13.; [Alpaydin, 2014] Alpaydin, E. (2014). Introduction to Machine Learning, Third Edition. The MIT Press, 3 edition.; [Andreu and Sieber, 1999] Andreu, R. and Sieber, S. (1999). La gestion integral del conocimiento y del aprendizaje. Economia Industrial, (326):63-72.; [Arrivillaga et al., 2016] Arrivillaga, J., Greenleaf, D., Hawthorn, M., and Alvarado, R. (2016). Revealing the landscape: Detecting trends in a scientific corpus. In 2016 IEEE Systems and Information Engineering Design Symposium (SIEDS), pages 292-297. IEEE.; [Banco Mundial, 2021] Banco Mundial (2021). PIB (UMN a precios actuales) - Colombia.; [Barreto, 2019] Barreto, L. M. (2019). Estudio de dos paradigmas de modelado de tópicos en un corpus de documentos tomados de una red social. Technical report, Universidad Central de Venezuela, Caracas, Venezuela.; [Bayes, 1763] Bayes, T. (1763). LII. An essay towards solving a problem in the doctrine of chances. By the late Rev. Mr. Bayes, F. R. S. communicated by Mr. Price, in a letter to John Canton, A. M. F. R. S. Philosophical Transactions of the Royal Society of London, 53:370-418.; [Bhardwaj and Khosla, 2017] Bhardwaj, P. and Khosla, P. (2017). Review of Text Mining Techniques. IITM Journal of Management and IT, 8(1):27-31.; [Bird et al., 2009] Bird, S., Klein, E., and Loper, E. (2009). Natural language processing with Python. OReilly Media; 1 edition (July 10, 2009), 1 edition.; [Blei, 2012] Blei, D. M. (2012). Probabilistic topic models. Communications of the ACM, 55(4):77.; [Blei and La erty, 2004] Blei, D. M. and La erty, J. D. (2004). Correlated Topic Models. In Advances in Neural Information Processing Systems 18, Vancouver.; [Blei et al., 2003] Blei, D. M., Ng, A. Y., and Jordan, M. I. (2003). Latent dirichlet allocation. The Journal of Machine Learning Research, 3:993-1022.; [Boyd-Graber et al., 2017] Boyd-Graber, J., Hu, Y., and Mimno, D. (2017). Applications of Topic Models, volume 11. Now Foundations and Trends.; [Cano et al., 2018] Cano, F., Cruz-Roa, A. A., and Madabhushi, A. (2018). A comparative analysis of sensitivity of convolutional neural networks for histopathology image classification in breast cancer. In Romero, E., Lepore, N., and Brieva, J., editors, 14th International Symposium on Medical Information Processing and Analysis, volume 10975, page 39. SPIE.; [Chen et al., 2019] Chen, H., Wang, X., Pan, S., and Xiong, F. (2019). Identify Topic Relations in Scientific Literature Using Topic Modeling. IEEE Transactions on Engineering Management, pages 1-13.; [COLCIENCIAS, 2015] COLCIENCIAS (2015). Modelo de medición de grupos de investigación, desarrollo tecnológico o de innovación y de reconocimiento de investigadores. Technical report, Departamento Administrativo de Ciencia, Tecnología e Innovación - Colciencias, Bogotá.; [COLCIENCIAS, 2018a] COLCIENCIAS (2018a). Centros/Institutos de Investigación.; [COLCIENCIAS, 2018b] COLCIENCIAS (2018b). Comparativo Investigadores. Technical report, Departamento Administrativo de Ciencia, Tecnología e Innovación - Colciencias, Bogotá D.C.; [Congreso de Colombia, 2018a] Congreso de Colombia (2018a). Ley 1940 de 2018.; [Congreso de Colombia, 2018b] Congreso de Colombia (2018b). Ley 1942 de 2018.; [CONPES, 2014] CONPES (2014). Política para el desarrollo integral de la Orinoquia: Altillanura - Fase 1. (Documento CONPES 3797). Technical report, Consejo Nacional de Política Económica y Social - CONPES, Bogotá D.C.; [CONPES, 2018] CONPES (2018). Estrategia para la implementación de los objetivos de desarrollo sostenible (ODS) en Colombia. Technical report, Consejo Nacional de Política Económica y Social - CONPES, Bogotá D.C.; [CPC, 2019a] CPC (2019a). Índice Departamental de Competitividad 2019. Technical report, Consejo Privado de Competitividad (CPC), Bogotá D.C.; [CPC, 2019b] CPC (2019b). Informe Nacional De Competitividad 2019-2020. Technical report, Consejo Privado de Competitividad (CPC), Bogotá D.C.; [CPC, 2020] CPC (2020). Informe Nacional De Competitividad 2020-2021. Technical report, Consejo Privado de Competitividad (CPC), Bogotá D.C.; [De Battisti et al., 2015] De Battisti, F., Ferrara, A., and Salini, S. (2015). A decade of research in statistics: a topic model approach. Scientometrics, 103(2):413-433.; [Departamento Nacional de Planeación, 2017] Departamento Nacional de Planeación (2017). Sistema General de Regalías SGR. Technical report, Departamento Nacional de Planeación, Bogotá D.C.; [DNP, 2020] DNP (2020). Índice Departamental de Innovación para Colombia (IDIC) 2019. Technical report, Departamento Nacional de Planeación (DNP), Bogotá DC.; [Dutton and Conroy, 1997] Dutton, D. M. and Conroy, G. V. (1997). A review of machine learning. The Knowledge Engineering Review, 12(4):341-367.; [Estévez-Bretón, 2010] Estévez-Bretón, J. B. (2010). El desarrollo económico de la Orinoquia como aprendizaje y construcción de instituciones. Colombia 2010-2014: Propuestas De Política Pública, page 375-420.; [Feldman et al., 1998] Feldman, R., Fresko, M., Hirsh, H., Aumann, Y., Liphstat, O., Schler, Y., and Rajman, M. (1998). Knowledge Management: A Text Mining Approach. Proc of the 2nd Int Conf on Practical Aspects of Knowledge Management - PAKM98, Basel, Swi(April 2016):1-10.; [García Clausó, 1994] García Clausó, A. (1994). Fundamentos científicos del análisis documental. Revista General de Información y Documentación, 4(1):79.; [Gavel and Iselid, 2008] Gavel, Y. and Iselid, L. (2008). Web of Science and Scopus: A journal title overlap study. Online Information Review, 32(1):8-21.; [González Gil and Cano Arana, 2010] González Gil, T. and Cano Arana, A. (2010). Introducción al análisis de datos en investigación cualitativa:: Tipos de análisis y proceso de codificación (II). NURE investigación: Revista Científica de enfermería, ISSN-e 1697-218X, Nº. 45, 2010, (45):9.; [González Jiménez, 2001] González Jiménez, F. E. (2001). Generación del conocimiento y actividad educativa. Revista Complutense de Educación, 12(2):427-484.; [Gudivada et al., 2018] Gudivada, V. N., Rao, D. L., and Gudivada, A. R. (2018). Information Retrieval: Concepts, Models, and Systems. In Handbook of Statistics, volume 38, pages 331-401. Elsevier B.V.; [Guerrero-Casas, 2012] Guerrero-Casas, F. M. (2012). El análisis de escalamiento multidimensional: Una alternativa y un complemento a otras técnicas multivariantes. La Sociología en sus Escenarios, 0(25 SE - Metodología de la investigación social).; [Hamilton Wilson and Pezo Paredes, 2005] Hamilton Wilson, M. and Pezo Paredes, A. (2005). Instrumentos de gestion de la ciencia, la tecnologia y la innovacion. Convenio Andres Bello.; [Hanani et al., 2001] Hanani, U., Shapira, B., and Shoval, P. (2001). Information Filtering: Overview of Issues, Research and Systems. User Modeling and User-Adapted Interaction, 11(3):203-259.; [Heidenreich, 2018] Heidenreich, H. (2018). Stemming? Lemmatization? What? - Towards Data Science.; [Hernández-Sampieri et al., 2014] Hernández-Sampieri, R., Fernández-Collado, C., and Baptista-Lucio, P. (2014). Metodología de la Investigación. McGraw-Hill, México D.F., 6ªedición edition.; [Hoffman et al., 2010] Hoffman, M. D., Blei, D. M., and Bach, F. (2010). Online Learning for Latent Dirichlet Allocation. In Advances in Neural Information Processing Systems 23 (NIPS 2010), pages 856-864.; [Hofmann, 1999] Hofmann, T. (1999). Probabilistic latent semantic indexing. In Proceedings of the 22nd Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, SIGIR 1999, pages 50-57. Association for Computing Machinery, Inc.; [Hofmann, 2001] Hofmann, T. (2001). Unsupervised learning by probabilistic Latent Semantic Analysis. Machine Learning, 42(1-2):177-196.; [Interactive Chaos, 2020] Interactive Chaos (2020). t-SNE %7C Interactive Chaos.; [Jelodar et al., 2019] Jelodar, H., Wang, Y., Yuan, C., Feng, X., Jiang, X., Li, Y., and Zhao, L. (2019). Latent Dirichlet Allocation (LDA) and Topic modeling: models, applications, a survey. Multimedia Tools and Applications, 78(11):15169-15211.; [Jiménez Noblejas and Perianes Rodríguez, 2014] Jiménez Noblejas, C. and Perianes Rodríguez, A. (2014). Recuperación y visualización de información en Web of Science y Scopus: una aproximación práctica. Investigación bibliotecológica, 28(64).; [Kong et al., 2017] Kong, X., Jiang, H., Wang, W., Bekele, T. M., Xu, Z., and Wang, M. (2017). Exploring dynamic research interest and academic influence for scientific collaborator recommendation. Scientometrics, 113(1):369-385.; [Kurdi, 2016] Kurdi, M. Z. (2016). Natural Language Processing and Computational Linguistics 1. John Wiley & Sons, Inc., Hoboken, NJ, USA, 1 edition.; [Mandelbrot, 1953] Mandelbrot, B. (1953). An informational theory of the statistical structure of language. In Willis, J., editor, Communication theory: Papers Read at a Symposium on "Applications of Communication Theory", pages 486-502, London. Butterworths.; [Manning et al., 2008] Manning, C. D., Raghavan, P., and Schütze, H. (2008). Introduction to Information Retrieval. Cambridge University Press.; [Martín-Martín et al., 2018] Martín-Martín, A., Orduna-Malea, E., Thelwall, M., and López-Cózar, E. D. (2018). Google Scholar, Web of Science, and Scopus: a systematic comparison of citations in 252 subject categories. Journal of Informetrics, 12(4):1160-1177.; [Miguel, 2011] Miguel, S. (2011). Revistas y producción científica de América Latina y el Caribe: su visibilidad en SciELO, RedALyC y SCOPUS. Revista Interamericana de Bibliotecología, 34(2).; [Ministerio de Educación de Colombia - Mineducación, 2010] Ministerio de Educación de Colombia - Mineducación (2010). Instituciones de Educación Superior.; [OCyT, 2020] OCyT (2020). Indicadores CTI 2019. Technical report, Observatorio Colombiano de Ciencia y Tecnología (OCyT).; [OEC, 2018] OEC (2018). Colombia (COL) Exports, Imports, and Trade Partners %7C OEC - The Observatory of Economic Complexity.; [Osorio Núñez, 2003] Osorio Núñez, M. (2003). El capital intelectual en la gestión del conocimiento. In ACIMED, volume 11, pages 0-0. Centro Nacional de Informacion de Ciencias Medicas, La habana.; [Pedregosa et al., 2011] Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., and Duchesnay, E. (2011). Scikit-learn: Machine Learning in fPgython. Journal of Machine Learning Research, 12:2825-2830.; [Piantadosi, 2014] Piantadosi, S. T. (2014). Zipfs word frequency law in natural language: A critical review and future directions. Psychonomic Bulletin and Review, 21(5):1112-1130.; [Pinto-Prieto et al., 2012] Pinto-Prieto, L.-P., Becerra-Ardila, L.-E., and Gómez-Flórez, L.-C. (2012). Carencias en los sistemas de gestión del conocimiento: una revisión bibliográfica. El Profesional de la Informacion, 21(3):268-276.; [Porras-García et al., 2018] Porras-García, Y. F., Calderon-Moreno, R., and Cruz-Roa, A. (2018). Análisis de Desempeño Computacional del Procesamiento Distribuido de una Implementación de Bolsa de Palabras en Apache Spark TM. In 2018 IEEE Colombian Conference on Communications and Computing (COLCOM), pages 1-6, Medellín. IEEE.; [Porter, 1980] Porter, M. (1980). An algorithm for suffix stripping. Program, 14(3):130-137.; [Rehurek and Sojka, 2010] Rehurek, R. and Sojka, P. (2010). Software Framework for Topic Modelling with Large Corpora. In Proceedings of the LREC 2010 Workshop on New Challenges for NLP Frameworks, pages 45-50, Valletta, Malta. ELRA.; [Röder et al., 2015] Röder, M., Both, A., and Hinneburg, A. (2015). Exploring the space of topic coherence measures. WSDM 2015 - Proceedings of the 8th ACM International Conference on Web Search and Data Mining, pages 399-408.; [Sathya and Rajendran, 2013] Sathya, S. and Rajendran, N. (2013). A Review on Text Mining Techniques. International Journal of Computer Science Trends and Technology (IJCST), 3(5):274-284.; [Shiryaev et al., 2017] Shiryaev, A. P., Dorofeev, A. V., Fedorov, A. R., Gagarina, L. G., and Zaycev, V. V. (2017). LDA models for finding trends in technical knowledge domain. In 2017 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (EIConRus), pages 551-554. IEEE.; [Sievert and Shirley, 2014] Sievert, C. and Shirley, K. (2014). LDAvis: A method for visualizing and interpreting topics. In Proceedings of the Workshop on Interactive Language Learning, Visualization, and Interfaces, pages 63-70, Baltimore. Association for Computational Linguistics (ACL).; [Soler-Tovar and Hernández-Rodríguez, 2018] Soler-Tovar, D. and Hernández-Rodríguez, P. (2018). Desarrollos y perspectivas de investigación en la Orinoquía. Revista de Medicina Veterinaria, (36):7-13.; [Srinivasa-Desikan, 2018] Srinivasa-Desikan, B. (2018). Natural Language Processing and Computational Linguistics: A practical guide to text analysis with Python, Gensim, spaCy, and Keras. Packt Publishing Limited, United Kingdom, Birmingham.; [Syed and Spruit, 2017] Syed, S. and Spruit, M. (2017). Full-Text or Abstract? Examining Topic Coherence Scores Using Latent Dirichlet Allocation. In 2017 IEEE International Conference on Data Science and Advanced Analytics (DSAA), pages 165-174. IEEE.; [Syed and Spruit, 2018] Syed, S. and Spruit, M. (2018). Selecting Priors for Latent Dirichlet Allocation. In 2018 IEEE 12th International Conference on Semantic Computing (ICSC), pages 194-202. IEEE.; [Torres-López and Arco-García, 2016] Torres-López, C. and Arco-García, L. (2016). Representación textual en espacios vectoriales semánticos. Revista Cubana de Ciencias Informáticas, 10(2):148-180.; [U-Sapiens, 2020] U-Sapiens (2020). Ranking de las mejores universidades de Colombia 2020 %7C U-Sapiens.; [van der Maaten and Hinton, 2008] van der Maaten, L. and Hinton, G. (2008). Visualizing Data using t-SNE. Journal of Machine Learning Research, 9(86):2579-2605.; [Voorhees, 1999] Voorhees, E. M. (1999). Natural Language Processing and Information Retrieval. In Lecture Notes in Computer Science - LNCS, pages 32-48. Springer, Berlin, Heidelberg, vol 1714 edition.; [Xiong et al., 2019] Xiong, H., Cheng, Y., Zhao, W., and Liu, J. (2019). Analyzing scientific research topics in manufacturing field using a topic model. Computers & Industrial Engineering, 135:333-347.; [Yau et al., 2014] Yau, C.-K., Porter, A., Newman, N., and Suominen, A. (2014). Clustering scientific documents with topic modeling. Scientometrics, 100(3):767-786.; [Yoon and Park, 2004] Yoon, B. and Park, Y. (2004). A text-mining-based patent network: Analytical tool for high-technology trend. The Journal of High Technology Management Research, 15(1):37-50.; [Zhou et al., 2017] Zhou, H.-k., Yu, H.-m., and Hu, R. (2017). Topic discovery and evolution in scientific literature based on content and citations. Frontiers of Information Technology & Electronic Engineering, 18(10):1511-1524.; [Zipf, 1949] Zipf, G. K. (1949). Human behavior and the principle of least effort. Addison-Wesley, Cambridge, MA.; https://repositorio.unal.edu.co/handle/unal/79809; Universidad Nacional de Colombia; Repositorio Institucional Universidad Nacional de Colombia; https://repositorio.unal.edu.co/
-
17
المؤلفون: Hoz Maestre, Javier Antonio de la
المساهمون: Fernández Gómez, María José
المصدر: GREDOS: Repositorio Institucional de la Universidad de Salamanca
Universidad de Salamanca (USAL)
GREDOS. Repositorio Institucional de la Universidad de Salamanca
instnameمصطلحات موضوعية: Text mining, Topic model, Asignación latente de Dirichlet, 1209 Estadística, Minería de texto, Latent Dirichlet Allocation, Artículos publicados, Published articles, Modelado de tópicos
-
18Image
المؤلفون: Rubio, Luisina, Prunello, Marcos
مصطلحات موضوعية: Facebook, Rosario, Elecciones, Análisis de texto, Topic modeling, Asignación latente de Dirichlet
Relation: http://hdl.handle.net/11086/16846
الاتاحة: http://hdl.handle.net/11086/16846
-
19
المؤلفون: Antonio Hernando, Priscila Valdiviezo-Diaz
المصدر: 2016 11th Iberian Conference on Information Systems and Technologies (CISTI).
مصطلحات موضوعية: Topic model, Computer science, Sistema recomendador, 02 engineering and technology, Factorization matrix, Latent Dirichlet allocation, Matrix decomposition, Domain (software engineering), symbols.namesake, 020204 information systems, 0202 electrical engineering, electronic engineering, information engineering, Collaborative filtering, Resource management, Latent Dirichlet Allocation, Recommender system, Matriz de factorización, Information retrieval, business.industry, Probabilistic logic, Modelo de tópicos, Asignación latente de Dirichlet, symbols, 020201 artificial intelligence & image processing, The Internet, business
-
20
المؤلفون: Valdiviezo Díaz, Priscila, Hernando, Antonio
المصدر: Arias Montano. Repositorio Institucional de la Universidad de Huelva
instnameمصطلحات موضوعية: Matriz de factorización, Topic model, Asignación latente de Dirichlet, Sistema recomendador, Latent Dirichlet Allocation, Factorization matrix, Modelo de tópicos, Recommender system
Full Text Finder