Identificación automática de eventos delictivos en noticias periodísticas

dc.audiencegeneralPublices_MX
dc.contributorDe Ita Luna, Guillermo
dc.contributorTovar Vidal, Mireya
dc.contributor.advisorDE ITA LUNA, GUILLERMO; 57559
dc.contributor.advisorTOVAR VIDAL, MIREYA; 98665
dc.contributor.authorLaureano de Jesus, Yadira
dc.date.accessioned2021-04-16T15:25:37Z
dc.date.available2021-04-16T15:25:37Z
dc.date.issued2020-06
dc.description.abstract"Este trabajo de investigación tiene como objetivo el desarrollo de un modelo basado en redes neuronales con aprendizaje profundo para la clasificación automática de noticias de eventos delictivos (homicidio, secuestro, asalto, suicidio y violación), las cuales serán extraídas de la página local de noticias: Milenio, estas noticias serán utilizadas para realizar las pruebas y para el entrenamiento se utiliza un corpus de encabezados de noticias periodísticas de Twitter."es_MX
dc.folio20210107122214-5663-Tes_MX
dc.formatpdfes_MX
dc.identificator7es_MX
dc.identifier.urihttps://hdl.handle.net/20.500.12371/12482
dc.language.isospaes_MX
dc.matricula.creator218470383es_MX
dc.rights.accesopenAccesses_MX
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0es_MX
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_MX
dc.subject.dbgunamInvestigación criminal en medios de comunicación masivaes_MX
dc.subject.lccPeriodismo--Metodologíaes_MX
dc.subject.lccReportaje de Investigaciónes_MX
dc.subject.lccPeriódicos--Encabezadoses_MX
dc.subject.lccPrevención del delitoes_MX
dc.thesis.careerMaestría en Ciencias de la Computaciónes_MX
dc.thesis.degreedisciplineÁrea de Ingeniería y Ciencias Exactases_MX
dc.thesis.degreegrantorFacultad de Ciencias de la Computaciónes_MX
dc.thesis.degreetoobtainMaestro en Ciencias de la Computaciónes_MX
dc.titleIdentificación automática de eventos delictivos en noticias periodísticases_MX
dc.typeTesis de maestríaes_MX
dc.type.conacytmasterThesises_MX
dc.type.degreeMaestríaes_MX
Files
Original bundle
Now showing 1 - 2 of 2
Name:
20210107122214-5663-T.pdf
Size:
3.95 MB
Format:
Adobe Portable Document Format
Description:
Name:
20210107122214-5663-CARTA.pdf
Size:
992.36 KB
Format:
Adobe Portable Document Format
Description:
License bundle
Now showing 1 - 1 of 1
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: