Políticas   Declaración de Budapest  
 

Enfoques y algoritmos de aprendizaje automático para la clasificación de productos en comercio electrónico: Una revisión sistemática de la literatura

Vista sencilla de ítem
dc.contributor.advisorSaboya Ríos, Nemias
dc.contributor.authorCotacallapa Mamani, Harold Enrique
dc.date.accessioned2020-12-23T19:53:34Z
dc.date.available2020-12-23T19:53:34Z
dc.date.issued2020-12-21
dc.description.abstractCon el rápido crecimiento del comercio electrónico en los últimos 3 años, y tras su reciente aceleración, debido a la enfermedad por coronavirus (COVID-19), surge la necesidad de ofrecer un servicio de comercio electrónico óptimo que maximice las utilidades del negocio. Un servicio óptimo implica un motor de búsqueda y recomendación altamente eficaces, por tanto, depende significativamente de una excelente clasificación de productos, lo cual aún es un desafío para la ciencia y la industria, ya que, implica una clasificación jerárquica múltiple en tiempo real para un inmenso volumen de productos con descripciones no estructuradas y una larga lista de subcategorías con pocos datos. No obstante, el reciente avance de la Inteligencia Artificial, generó una amplia gama de algoritmos que abordan estos problemas. Por consiguiente, el presente artículo desarrolla una Revisión Sistemática de la Literatura (RSL) con el objetivo de identificar los algoritmos de aprendizaje automático, sus métricas de evaluación y los enfoques usados para la clasificación de productos en comercio electrónico. Esta RSL sigue una secuencia de pasos definidos en la guía de Kitchenham. Al finalizar este estudio, se concluye que los algoritmos más usados son K-Means, SVM, y Naive Bayes cuando el objeto de estudio es el texto, y la red neuronal convolucional jerárquica cuando se trabaja con imágenes; además, más del 70% de los artículos usan solamente los atributos textuales del producto y la mayoría de artículos cuyo enfoque es el aprendizaje supervisado usan el “accuracy” como única métrica para validación del modelo.en_ES
dc.description.escuelaEscuela Profesional de Ingeniería de Sistemasen_ES
dc.description.lineadeinvestigacionInfraestructura Tecnológica - inteligencia artificialen_ES
dc.description.sedeLIMAen_ES
dc.formatapplication/pdfen_ES
dc.identifier.urihttp://repositorio.upeu.edu.pe/handle/20.500.12840/3688
dc.language.isospa
dc.publisherUniversidad Peruana Uniónen_ES
dc.publisher.countryPEen_ES
dc.rightsinfo:eu-repo/semantics/openAccessen_ES
dc.rights.urihttp://creativecommons.org/licenses/by/3.0/es/*
dc.subjectClasificaciónen_ES
dc.subjectComercio electrónicoen_ES
dc.subjectAlgoritmosen_ES
dc.subjectRevisión sistemáticaen_ES
dc.subjectAprendizaje automáticoen_ES
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#2.02.04en_ES
dc.titleEnfoques y algoritmos de aprendizaje automático para la clasificación de productos en comercio electrónico: Una revisión sistemática de la literaturaen_ES
dc.typeinfo:eu-repo/semantics/bachelorThesisen_ES
renati.advisor.dni42001721
renati.advisor.orcidhttps://orcid.org/0000-0002-7166-2197
renati.author.dni612076
renati.discipline612076en_ES
renati.jurorAcuña Salinas, Erika Inés
renati.jurorSanchez Torpoco, Diana Lidia
renati.jurorChambi Aguilar, Jenson Daniel
renati.levelhttp://purl.org/pe-repo/renati/nivel#bachilleren_ES
renati.typehttp://purl.org/pe-repo/renati/type#trabajoDeInvestigacionen_ES
thesis.degree.disciplineIngeniería de Sistemasen_ES
thesis.degree.grantorUniversidad Peruana Unión. Facultad de Ingeniería y Arquitecturaen_ES
thesis.degree.nameBachiller en Ingeniería de Sistemasen_ES

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Harol_Trabajo_Bachiller_2020.pdf
Tamaño:
1.94 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Ingeniería de Sistemas