Ecosistema software para el aprendizaje y toma de decisiones basados en sumarización lingüística de datos

Resumen

Introducción: El aumento del volumen de los datos en disímiles escenarios de toma de decisiones incrementa la necesidad de técnicas para el descubrimiento de dependencias no triviales ocultas en los datos. Se identifica a la sumarización lingüística de datos, como una de las ramas de la inteligencia artificial que permite generar resúmenes lingüísticos con aplicación en diferentes áreas.

Objetivo: Desarrollar un ecosistema para el aprendizaje y la toma de decisiones, basado en técnicas de sumarización lingüística de datos bajo un enfoque multilingüe mejorando la eficiencia de los sistemas existentes.

Métodos: Se aplican método histórico lógico que permitió la identificación de las principales oportunidades de mejora de los métodos existentes. Se proponen nuevos algoritmos y métodos para la construcción de resúmenes lingüísticos. Finalmente, se aplican métodos empíricos y se validan los resultados combinando técnicas de triangulación de datos y métodos.

Resultados: Se obtienen 4 nuevos algoritmos que mejoran la eficiencia y la eficacia de otros algoritmos reportados en la bibliografía. Los algoritmos propuestos se destacan por las facilidades para el trabajo multilingüe, el empleo de técnicas de neutrosofía y el tratamiento de variables correlacionadas.

Conclusiones: A partir de las comparaciones se evidencia la superioridad del algoritmo RST_LDS, se demuestra la complementariedad y la importancia de combinar diferentes técnicas en el descubrimiento de los resúmenes lingüísticos. Los nuevos indicadores para la evaluación de resúmenes lingüísticos mejoran el tratamiento de la indeterminación y la falsedad complementando los indicadores reportados en la bibliografía.