Please use this identifier to cite or link to this item: http://hdl.handle.net/10553/41984
DC FieldValueLanguage
dc.contributor.advisorLorenzo Navarro, José Javieres
dc.contributor.advisorMarín Reyes, Pedro Antonioes
dc.contributor.authorOrtega León, Cristianes
dc.date.accessioned2018-09-20T08:48:10Z-
dc.date.available2018-09-20T08:48:10Z-
dc.date.issued2018en_US
dc.identifier.urihttp://hdl.handle.net/10553/41984-
dc.descriptionMáster Universitario en Sistemas Inteligentes y Aplicaciones Numéricas en Ingeniería (MUSIANI)en_US
dc.description.abstractEl 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 utilizandoen_US
dc.description.abstractOnline 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.en_US
dc.languagespaen_US
dc.subject1203 Ciencia de los ordenadoresen_US
dc.subject3304 Tecnología de los ordenadoresen_US
dc.subject.otherClasificación de vídeoes
dc.subject.otherClasificación de textoes
dc.subject.otherModelos de clasificaciónes
dc.subject.otherAprendizaje profundoes
dc.subject.otherEtiquetado semántico de vídeoes
dc.subject.otherMinería de textoes
dc.titleEtiquetado semántico de vídeos basado en aprendizaje profundo y minería de textoes
dc.title.alternativeSemantic video tagging based in deep learning and text miningen_US
dc.typeinfo:eu-repo/semantics/masterThesisen_US
dc.typeMasterThesisen_US
dc.contributor.centroInstituto Universitario de Sistemas Inteligentes y Aplicaciones Numéricas en Ingeniería (SIANI)en_US
dc.contributor.departamentoDepartamento de Informática Y Sistemases
dc.investigacionIngeniería y Arquitecturaen_US
dc.type2Trabajo final de másteren_US
dc.utils.revisionen_US
dc.identifier.matriculaTFT-45763es
dc.identifier.ulpgcen_US
dc.contributor.buulpgcBU-INFes
dc.contributor.titulacionMáster Universitario en Sistemas Inteligentes y Aplicaciones Numéricas en Ingenieríaes
item.grantfulltextopen-
item.fulltextCon texto completo-
crisitem.advisor.deptGIR SIANI: Inteligencia Artificial, Robótica y Oceanografía Computacional-
crisitem.advisor.deptIU Sistemas Inteligentes y Aplicaciones Numéricas-
crisitem.advisor.deptDepartamento de Informática y Sistemas-
Appears in Collections:Trabajo final de máster
Thumbnail
Memoria
Adobe PDF (7,46 MB)
Show simple item record

Google ScholarTM

Check


Share



Export metadata



Items in accedaCRIS are protected by copyright, with all rights reserved, unless otherwise indicated.