Thesis:
Topic Models Ensembles

Simple item page

datacite.subject.fos	Natural sciences::Computer and information sciences
dc.contributor.correferente	Torres López, Claudio Esteban
dc.contributor.correferente	Gonzalez-Ibañez, Roberto (Universidad de Santiago de Chile)
dc.contributor.correferente	Montes y Gomez, Manuel (Instituto Nacional de Astrofísica, Óptica y Electrónica de México)
dc.contributor.department	Departamento de Informática
dc.contributor.guia	Mendoza Rocha, Marcelo Gabriel
dc.coverage.spatial	Campus Casa Central Valparaíso
dc.creator	Ormeño Arriagada, Pablo Iván
dc.date.accessioned	2025-09-09T14:19:58Z
dc.date.available	2025-09-09T14:19:58Z
dc.date.issued	2022-01
dc.description.abstract	La recuperación de información Adhoc es una tarea desafiante que consiste en hacer ranking de documentos para consultas provenientes desde un enfoque de bolsa de palabras. Los métodos clásicos basados en consultas y documentos de vectores de texto, usan funciones de ponderación de términos para hacer ránking de documentos. Algunos de las limitaciones de estos métodos son que no pueden lidiar con conceptos polisémicos. Además, introducen falsas ortogonalidades entre palabras semánticamente relacionadas. Para superarlas, los enfoques de recuperación de información basados en modelos de temas se pueden explorar. Específicamente, los modelos de temas basados en Latent Dirichlet Allocation (LDA) permiten construir representaciones de documentos de texto en el espacio latente de temas, que modela de mejor manera la polisemia y evitan la generación de representaciones ortogonales entre términos relacionados. Es por esto que se pueden expandir las estrategias de Recuperación basadas en LDA usando estrategias de Aprendizaje de Ensamblado. En este sentido, la selección de modelos obedece a estos paradigmas, por lo que probamos dos enfoques usados exitosamente en el aprendizaje supervisado. Se estudian las técnicas Boosting y Bagging para modelos de temas, usando cada modelo como un experto débil de recuperación. Finalmente, se mezclan las listas de ranking obtenidas de cada modelo usando un enfoque simple pero efectivo de fusión de listas top-k. Se muestra que el enfoque propuesto fortalece los resultados en precisión y en recall, superando a los modelos clásicos de recuperación y las líneas bases de modelos de temas.	es
dc.description.abstract	Ad hoc information retrieval is a challenging task that involves ranking documents for queries originating from a bag-of-words approach. Classical methods based on queries and text vector documents use term weighting functions for document ranking. Some limitations of these methods include their inability to handle polysemous concepts. Furthermore, they introduce false orthogonalities between semantically related words. To overcome these limitations, information retrieval approaches based on topic models can be explored. Specifically, topic models based on Latent Dirichlet Allocation (LDA) allow for the construction of text document representations in the latent topic space, which better models polysemy and avoids the generation of orthogonal representations between related terms. Therefore, LDA-based retrieval strategies can be expanded using assembly learning strategies. In this sense, the selection of models follows these paradigms, and we tested two approaches successfully used in supervised learning. Boosting and bagging techniques are studied for topic models, using each model as a weak recall expert. Finally, the ranking lists obtained from each model are merged using a simple but effective top-k list merging approach. The proposed approach is shown to improve accuracy and recall, outperforming classical recall models and topic model baselines.	en_US
dc.description.degree	Doctorado en Ingeniería Informática
dc.driver	info:eu-repo/semantics/doctoralThesis
dc.format.extent	131 páginas
dc.identifier.doi	10.71959/szdp-5a04
dc.identifier.uri	https://cris.usm.cl/handle/123456789/4013
dc.identifier.uri	https://doi.org/10.71959/szdp-5a04
dc.language.iso	es
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 International	en
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Recuperacion de informacion ADHOC
dc.subject	latent dirichlet allocation
dc.subject	Ensemble Learning
dc.subject	Bagging
dc.subject	Boosting
dc.subject.ods	9 Industria, innovación e infraestructura
dc.title	Topic Models Ensembles
dspace.entity.type	Tesis

Files

Original bundle

Now showing 1 - 1 of 1

Name:: DC_PO_2022.pdf
Size:: 11.98 MB
Format:: Adobe Portable Document Format

Collections

Tesis de Postgrado