Reconocimiento de entidades relacionadas con el proceso de síntesis de kesterita mediante herramientas de procesamiento de lenguaje natural

Simple item page
dc.contributor.advisorRamírez Silva, Ana Beatriz
dc.contributor.advisorDuarte Gualdron, Cesar Antonio
dc.contributor.authorJiménez Ordoñez, Natalia Estefanía
dc.contributor.authorPerdomo Camargo, Sergio Andres
dc.date.accessioned2024-03-04T00:43:14Z
dc.date.available2020
dc.date.available2024-03-04T00:43:14Z
dc.date.created2020
dc.date.issued2020
dc.description.abstractEn este documento se describe el desarrollo de un sistema automático de reconocimiento de entidades relacionadas con la elaboración de películas delgadas basadas en kesterita, mediante diferentes métodos de síntesis para su empleo en dispositivos fotovoltaicos. Este sistema se desarrolló usando (NTLK) y Regresión Logística (RL) como técnica de aprendizaje automático, sobre una base de datos de artículos científicos encontrados en ScienceDirect. Con el objetivo de comparar los resultados, se ha aplicado un algoritmo de aprendizaje más: el algoritmo de Máquinas de Vectores de Soporte (SVM), con el propósito de comprobar la eficiencia y efectividad del algoritmo RL en la tarea concreta de clasificación de entidades. Con esta herramienta se podra extraer, clasificar y representar parametros esenciales para con construccion de celdas solares de manera automática, con el fin de crear un set de datos a partir de la información relevante presentada en publicaciones científicas. Esta aplicación permitiría a futuro procesar y analizar una gran cantidad de datos de forma eficiente tal que el usuario pueda establecer la configuracion de los parámetros más adecuada para la síntesis de kesteritas, logrando una eficiencia mejor y un costo menor de implementación en paneles solares. Adicionalmente, estos datos obtenidos se pueden utilizar en procesos automáticos de analítica de datos.
dc.description.abstractenglishThis document describes the development of an automatic system for the recognition of entities related to the production of thin films based on kesterite, using different synthesis methods for their use in photovoltaic devices. This system was developed using Natural Language Processing Tool Kit (NTLK) and Logistic Regression (RL) as a machine learning technique, on a database of scientific articles found in ScienceDirect. To compare the results, one more learning algorithm has been applied: the support vector machines (SVM) algorithm, to verify the efficiency and effectiveness of the RL algorithm in the specific task of entity classification. With this tool, it will be possible to extract, classify and represent essential parameters for the construction of solar cells automatically, in order to create a data set from the relevant information presented in scientific publications. This application would allow in the future to process and analyze a large amount of data in an efficient way so that the user can establish the most appropriate parameter settings for the synthesis of kesterites, achieving better efficiency and a lower cost of implementation in solar panels. Additionally, these data obtained can be used in automatic data analytics processes.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero Electrónico
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/40089
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programIngeniería Electrónica
dc.publisher.schoolEscuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectKesterita
dc.subjectClasificación Automática De Documentos
dc.subjectHerramientas De Procesamiento De Lenguaje Natural
dc.subjectAprendizaje Automá- Tico
dc.subjectAprendizaje Supervisado
dc.subjectRegresión Logística
dc.subjectMaquinas Vectores De Soporte.
dc.subject.keywordKesterite
dc.subject.keywordAutomatic Classification Of Documents
dc.subject.keywordNatural Language Processing Toolkit Of Python
dc.subject.keywordMachine Learning
dc.subject.keywordSupervised Learning
dc.subject.keywordLogistic Regression
dc.subject.keywordSupport Vector Machine.
dc.titleReconocimiento de entidades relacionadas con el proceso de síntesis de kesterita mediante herramientas de procesamiento de lenguaje natural
dc.title.englishRecognition of entities related to the kesterite synthesis process through natural language processing tools
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
261.65 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
1.49 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
240.96 KB
Format:
Adobe Portable Document Format
Download
Collections
Ingeniería Electrónica