FRSF - PRODUCCIÓN ACADÉMICA DE GRADO

Permanent URI for this communityhttp://48.217.138.120/handle/20.500.12272/541

Browse

Has files: YesSubject: search.filters.subject.Procesamiento del lenguaje natural

Search Results

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Desarrollo de prototipo de software para la extracción de características de convenios basado en Machine Learning y Procesamiento de Lenguaje Natural
    (2024) Pachecho Pilan, Federico Ignacio; Albino, Sebastián Jesús; Ballejos, Luciana Cristina; Gutiérrez, María de los Milagros; Pacchiotti, Mauro
    La gestión de proyectos en el ámbito de la UTN FRSF está a cargo de la SSGP, dependiente de la SEyC de la Facultad. Esta subsecretaría tiene a su cargo la creación de los distintos convenios que enmarcan el trabajo de los proyectos en los que se encuentran involucrados docentes, estudiantes y/o no docentes de la Facultad. Los convenios brindan detalles sobre las entidades firmantes y responsables, además de las tareas que se incluirán dentro del mismo. Estos convenios pueden ser Convenios Marco (en adelante, CM) o Convenios Específicos (en adelante, CE). Los CM describen una relación de trabajo colaborativa general entre la UTN FRSF y diversas organizaciones las cuales suponen, como su nombre indica, un marco de trabajo bajo el cual se amparan los posibles proyectos futuros que dichas organizaciones desarrollen en conjunto con la facultad. Los CE especifican los detalles de los proyectos mencionados anteriormente entre la facultad y otras organizaciones, así como los planes de trabajo con referencias temporales y fechas estimadas para la finalización de las tareas. Si bien todos los convenios se crean y almacenan en la Subsecretaría, en general, información relacionada a los mismos es requerida por otras áreas para el armado de informes y reportes, o bien, para consultas específicas. En estas situaciones es donde actualmente el trabajo de la Subsecretaría se vuelve tedioso, ya que esta información debe buscarse en los documentos de cada uno de los convenios, sin que la información esté registrada o almacenada de forma sistemática. Estas búsquedas en documentos ralentizan en gran medida los procedimientos donde cierta información relacionada a algún convenio es necesaria. Por tal motivo, y en virtud de favorecer y agilizar estos procedimientos, este PFC propone desarrollar un prototipo de herramienta que dé soporte a la recolección automática de características y datos de los convenios usando conceptos y herramientas de NLP y machine learning, permitiendo registrar su información y almacenarla automáticamente, facilitando así la carga y búsqueda de la misma y la generación de reportes.
  • Thumbnail Image
    Item
    Análisis de factibilidad para implementación de software basado en técnicas de resumen automático aplicado a documentos legales
    (2022-09-26) Grosso, Juan Ignacio; Montiel, Facundo; Gutiérrez, María de los Milagros; Rubiolo, Mariano
    Este Proyecto Final de Carrera (PFC) se realiza con el objetivo de poder identificar una posible solución para un problema latente en el ámbito judicial. En este contexto, un fallo es el resultado oficial de una demanda en un tribunal y como tal, forma parte de la jurisprudencia. Dado que éstos suelen ser muy extensos, se utilizan los sumarios como una herramienta que resume la parte más significativa de éstos. Generalmente estos sumarios explicitan la interpretación de la ley que hizo el tribunal que dictó el fallo. Para la generación de los mismos, intervienen sumariantes, es decir personal especialmente entrenado para identificar las partes del fallo queforman el sumario. En este trabajo se presenta un estudio de factibilidad acerca de la posibilidad de aplicar técnicas de resumen automático sobre fallos judiciales y así obtener los correspondientes sumarios. Se presentan diferentes modelos aplicando técnicas extractivas. Se muestran los resultados obtenidos y su análisis correspondiente, de acuerdo a métricas definidas que miden la calidad o grado de aceptación de los resultados.
  • Thumbnail Image
    Item
    Diseño e implementación de un agente inteligente capaz de clasificar situaciones de inseguridad mediante técnicas de machine learning y de procesamiento del lenguaje natural
    (2020) Chamorro, Mateo Jesús; Nudel, Lautaro Ariel; Saint Martin, Jean Pierre; Roa, Jorge; Rubiolo, Mariano
    En los tiempos que corren, la seguridad ciudadana se ha vuelto un factor fundamental para el bienestar de hogares y comunidades. Los hechos delictivos, la violencia doméstica y de género, las violaciones, los secuestros, son ejemplos de situaciones de inseguridad que producen consecuencias negativas parciales o permanentes hacia los ciudadanos. Los costos asociados a las situaciones de inseguridad van desde lo irreparable de la vida misma hasta daños físicos, psicológicos y de integridad social para el individuo o comunidad que las padece. Para el gobierno, implican reducciones enormes tanto en cantidad como en magnitud de inversiones y de producción de las empresas, pues nadie querrá invertir en una ciudad en la que los hechos de inseguridad son moneda corriente. Se han llevado a cabo múltiples esfuerzos tecnológicos con fines de hacer frente a estas situaciones, pero la mayoría han fracasado o no se les ha dado el provecho que realmente podrían alcanzar. Entre ellos se encuentra la implementación del botón de pánico, el cual requiere de tenerlo al alcance y de tener el tiempo suficiente para accionarlo y, así mismo, la existencia de cámaras de seguridad que permitan un monitoreo continuo de los ciudadanos y su situación. Pero la realidad no es tan sencilla. Para su correcto funcionamiento, es necesario el patrullaje de móviles y/o el control continuo de dichas cámaras (revisión manual), lo cual demanda tiempo, esfuerzo y dinero que, en la gran mayoría de los casos, no se dispone. Y, en el hipotético caso de que estos recursos si existieran, se corre un riesgo alto de irresponsabilidad por parte de los operadores, así como fallos operacionales o de rutina, que no son deseables en absoluto. Según datos oficiales del Ministerio de Seguridad de la Nación, en el transcurso del año 2018 hubo 1.552.285 hechos delictivos, lo que, en comparación con años anteriores, supone un aumento en la tasa de crímenes. Por tanto, se puede decir que es imperiosa la necesidad de mejorar la seguridad de los ciudadanos. Enfrentar esta carencia con un proyecto de índole tecnológica es un buen camino. Actualmente existen tecnologías tales como el Aprendizaje Automático (abreviado como ML, del inglés Machine Learning) y el Procesamiento del Lenguaje Natural (PLN, en adelante), que pueden ser utilizadas para detectar hechos de inseguridad en tiempo real. El desafío entonces es poder crear una herramienta capaz de detectar situaciones de inseguridad, que la misma pueda aprender en base a su experiencia y que no comprometa a la privacidad de las personas, evitando el registro de cualquier conversación o diálogo en el cual se haya detectado o no un hecho de inseguridad.