Inyección de términos en la descripción de servicios Web para mejorar la exactitud de su clasificación automática

Abstract

En esta tesis, investigamos la aplicación del aprendizaje automático para clásica servicios, cuya funcionalidad se describe a través de un texto breve. Por lo tanto, la clasificación de servicios se ha abordado como una tarea de minería de texto, conocida como clasificación de texto. Los algoritmos de aprendizaje supervisado como las Maquinas de vectores de apoyo -Support Vector Machine, SVM- y el Perceptron Multi-capa -Multilayer Perceptron, MLP- fallan en la clasificación de las descripciones de los servicios porque las descripciones breves causan problemas de concordancia de términos, por ejemplo, problemas de sinonimia y polisemia, que reducen la exactitud de la clasificación. Para abordar este problema, expandimos las descripciones de los servicios con términos de un tesauro de co-ocurrencia automáticamente generado, antes de clásica los servicios a través de los algoritmos mencionados anteriormente.