Identificador persistente para citar o vincular este elemento: http://hdl.handle.net/10553/41984
Título: Etiquetado semántico de vídeos basado en aprendizaje profundo y minería de texto
Otros títulos: Semantic video tagging based in deep learning and text mining
Autores/as: Ortega León, Cristian
Director/a : Lorenzo Navarro, José Javier 
Marín Reyes, Pedro Antonio 
Clasificación UNESCO: 1203 Ciencia de los ordenadores
3304 Tecnología de los ordenadores
Palabras clave: Clasificación de vídeo
Clasificación de texto
Modelos de clasificación
Aprendizaje profundo
Etiquetado semántico de vídeo, et al.
Fecha de publicación: 2018
Resumen: El vídeo online es responsable del 40% del tráfico de Internet, con una tendencia al alza debido al crecimiento de las redes sociales y las plataformas destinadas a este fin, tales como YouTube, Vimeo, Viddler, etc. Para estas plataformas, debido al gran volumen de vídeos que manejan, se presenta de forma natural la problemática referente a la clasificación de los mismos en tópicos o clases. Este es, precisamente, el objetivo desarrollado en este TFM: una metodología que permite realizar clasificación de vídeo desde un enfoque basado en minería de texto. Aunque los resultados de clasificación obtenidos han sido dispares, la metodología desarrollada es perfectamente válida y funcional, siempre en función del dataset que se este utilizando
Online video is responsible for 40% of Internet traffic, with an upward trend due to the growth of social networks and platforms for this purpose, such as YouTube, Vimeo, Viddler, etc. For these platforms, due to the large volume of videos they have, the problem of classifying them into topics or classes is presented naturally. This is precisely the objective developed in this TFM: a methodology that allows video sorting from a text-mining-based approach. Although the classification results obtained have been uneven, the methodology developed is perfectly valid and functional, always depending on the dataset used. Online video is responsible for 40% of Internet traffic, with an upward trend due to the growth of social networks and platforms for this purpose, such as YouTube, Vimeo, Viddler, etc. For these platforms, due to the large volume of videos they have, the problem of classifying them into topics or classes is presented naturally. This is precisely the objective developed in this TFM: a methodology that allows video sorting from a text-mining-based approach. Although the classification results obtained have been uneven, the methodology developed is perfectly valid and functional, always depending on the dataset used. Online video is responsible for 40% of Internet traffic, with an upward trend due to the growth of social networks and platforms for this purpose, such as YouTube, Vimeo, Viddler, etc. For these platforms, due to the large volume of videos they have, the problem of classifying them into topics or classes is presented naturally. This is precisely the objective developed in this TFM: a methodology that allows video sorting from a text-mining-based approach. Although the classification results obtained have been uneven, the methodology developed is perfectly valid and functional, always depending on the dataset used.
Descripción: Máster Universitario en Sistemas Inteligentes y Aplicaciones Numéricas en Ingeniería (MUSIANI)
Departamento: Departamento de Informática Y Sistemas
Instituto: Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numéricas en Ingeniería (SIANI)
Titulación: Máster Universitario en Sistemas Inteligentes y Aplicaciones Numéricas en Ingeniería
URI: http://hdl.handle.net/10553/41984
Colección:Trabajo final de máster
miniatura
Memoria
Adobe PDF (7,46 MB)

En el caso de que no encuentre el documento puede ser debido a que el centro o las/os autoras/es no autorizan su publicación. Si tiene verdadero interés en el contenido del mismo, puede dirigirse al director/a o directores/as del trabajo cuyos datos encontrará más arriba.

Vista completa

Visitas

138
actualizado el 15-jul-2023

Descargas

310
actualizado el 15-jul-2023

Google ScholarTM

Verifica


Comparte



Exporta metadatos



Los elementos en ULPGC accedaCRIS están protegidos por derechos de autor con todos los derechos reservados, a menos que se indique lo contrario.