Enfoque plano-jerárquico basado en modelo de aprendizaje automático para la clasificación de productos de e-commerce

Cotacallapa Mamani, Harold Enrique

Enfoque plano-jerárquico basado en modelo de aprendizaje automático para la clasificación de productos de e-commerce

dc.contributor.advisor	Saboya Rios, Nemias
dc.contributor.author	Cotacallapa Mamani, Harold Enrique
dc.date.accessioned	2023-11-30T20:34:45Z
dc.date.available	2023-11-30T20:34:45Z
dc.date.embargoEnd	2025-11-15
dc.date.issued	2023-11-15
dc.description.abstract	En el ámbito del comercio electrónico, optimizar el proceso de clasificación de productos adquiere una importancia crucial debido a su influencia directa en la eficiencia operativa y, por ende, en la rentabilidad. Aunque se han dedicado esfuerzos académicos considerables para abordar este problema, persisten lagunas en la literatura existente. En tal sentido, este artículo presenta una solución para la clasificación jerárquica de productos de comercio electrónico usando un conjunto de datos de 4 niveles de profundidad, obtenidos de una destacada plataforma de comercio electrónico en América Latina. Nuestra propuesta consiste en un modelo de aprendizaje automático que integra enfoques tanto el clasificación plana como local (jerárquica) para mejorar la eficacia individual de cada uno. En busca de este objetivo, se llevó a cabo un análisis comparativo de siete algoritmos de aprendizaje automático: Multinomial Naive Bayes Multinomial, Linear Support Vector Classifier, Multinomial Logistic Regression, Random Forest, XGBoost, FastText y Voting Ensemble. Los tres primeros se utilizaron para el modelo que emplea el enfoque local, mientras que el modelo que usa el enfoque plano es el Voting Ensemble compuesto por los 3 primeros algoritmos mencionados anteriormente. Los resultados demostraron que este enfoque plano-jerárquico superó al mejor modelo de enfoque plano en un 0.15% y al mejor modelo de enfoque local (Clasificador Local por Nivel) en un 4.88%, medido por el puntaje F1 ponderado. Además, se pone a disposición un nuevo conjunto de datos en español con más de un millón de productos de comercio electrónico. Finalmente, se discuten las mejores técnicas de preprocesamiento para este conjunto de datos, junto con las limitaciones inherentes al estudio y las posibles direcciones para futuras investigaciones en esta área.	en_ES
dc.description.escuela	Escuela Profesional de Ingeniería de Sistemas	en_ES
dc.description.lineadeinvestigacion	Inteligencia artificial	en_ES
dc.description.sede	LIMA	en_ES
dc.format	application/pdf	en_ES
dc.identifier.uri	http://repositorio.upeu.edu.pe/handle/20.500.12840/7043
dc.language.iso	spa	en_ES
dc.publisher	Universidad Peruana Unión	en_ES
dc.publisher.country	PE	en_ES
dc.rights	info:eu-repo/semantics/embargoedAccess	en_ES
dc.rights.uri	http://creativecommons.org/licenses/by-nc-sa/3.0/es/	*
dc.subject	Modelo de aprendizaje	en_ES
dc.subject	E-commerce	en_ES
dc.subject.ocde	http://purl.org/pe-repo/ocde/ford#1.02.01	en_ES
dc.title	Enfoque plano-jerárquico basado en modelo de aprendizaje automático para la clasificación de productos de e-commerce	en_ES
dc.type	info:eu-repo/semantics/bachelorThesis	en_ES
renati.advisor.dni	42001721
renati.advisor.orcid	https://orcid.org/0000-0002-7166-2197	en_ES
renati.author.dni	71696233
renati.discipline	612076	en_ES
renati.juror	Acuña Salinas, Erika Inés
renati.juror	López Gonzales, Javier Linkolk
renati.juror	Levano Rodríguez, Danny
renati.juror	Huanca Torres, Fredy Abel
renati.juror	Saboya Rios, Nemias
renati.level	http://purl.org/pe-repo/renati/nivel#tituloProfesional	en_ES
renati.type	http://purl.org/pe-repo/renati/type#tesis	en_ES
thesis.degree.discipline	Ingeniería de Sistemas	en_ES
thesis.degree.grantor	Universidad Peruana Unión. Facultad de Ingeniería y Arquitectura	en_ES
thesis.degree.name	Ingeniero de Sistemas	en_ES