Mostrar el registro sencillo del ítem

dc.contributor.advisor	Ferri Ramírez, César	es_ES
dc.contributor.advisor	Martínez Plumed, Fernando	es_ES
dc.contributor.advisor	Garigliotti, Dario	es_ES
dc.contributor.author	Llácer Luna, Socrátes Enrique	es_ES
dc.date.accessioned	2024-10-24T12:53:40Z
dc.date.available	2024-10-24T12:53:40Z
dc.date.created	2024-09-23
dc.date.issued	2024-10-24	es_ES
dc.identifier.uri	http://hdl.handle.net/10251/210852
dc.description.abstract	[CA] Les organitzacions que gestionen grans repositoris de documents digitals enfronten desafiaments similars, com la classificació eficient i precisa de grans volums d’arxius. Aquest projecte ofereix una solució automatitzada que integra tècniques de reconeixement òptic de caràcters (OCR) i aprenentatge automàtic per a abordar aquests problemes de manera generalitzable. La solució distingeix entre documents escanejats i digitals, extrau el text amb precisió, i el categoritza en fins a 42 classes predefinides, utilitzant models avançats com BERT i Random Forest (RF) . En particular, la Universitat Politècnica de València (UPV) s’enfronta a la gestió d’un repositori Alfresco que conté 600.000 arxius PDF, dels quals només 100.000 estan correctament categoritzats. La classificació manual és laboriosa i propensa a errors, la qual cosa dificulta la recuperació d’informació i les capacitats de cerca avançada. Aquest projecte ha sigut enfocat a donar solució a aquest problema, adaptant la solució general per a millorar l’organització i accessibilitat dels documents en la UPV. A més, estableix les bases per a la implementació de tecnologies avançades de cerca i classificació en temps real dins de la institució	es_ES
dc.description.abstract	[ES] Las organizaciones que gestionan grandes repositorios de documentos digitales enfrentan desafíos similares, como la clasificación eficiente y precisa de grandes volúmenes de archivos. Este proyecto ofrece una solución automatizada que integra técnicas de reconocimiento óptico de caracteres (OCR) y aprendizaje automático para abordar estos problemas de forma generalizable. La solución distingue entre documentos escaneados y digitales, extrae el texto con precisión, y lo categoriza en hasta 42 clases predefinidas, utilizando modelos avanzados como BERT y Random Forest (RF). En particular, la Universitat Politècnica de València (UPV) se enfrenta a la gestión de un repositorio Alfresco que contiene 600.000 archivos PDF, de los cuales solo 100.000 están correctamente categorizados. La clasificación manual es laboriosa y propensa a errores, lo que dificulta la recuperación de información y las capacidades de búsqueda avanzada. Este proyecto ha sido enfocado en dar solución a este problema, adaptando la solución general para mejorar la organización y accesibilidad de los documentos en la UPV. Además, sienta las bases para la implementación de tecnologías avanzadas de búsqueda y clasificación en tiempo real dentro de la institución.	es_ES
dc.description.abstract	[EN] Organizations managing large digital document repositories face similar challenges, such as the efficient and accurate classification of vast amounts of files. This project offers an automated solution that integrates Optical Character Recognition (OCR) techniques and machine learning to address these issues in a generalizable manner. The solution distinguishes between scanned and digital documents, accurately extracts text, and categorizes it into up to 42 predefined classes using advanced models such as BERT and Random Forest (RF). Specifically, the Universitat Politècnica de València (UPV) faces the challenge of managing an Alfresco repository containing 600,000 PDF files, of which only 100,000 are correctly categorized. Manual classification is time-consuming and prone to errors, hindering information retrieval and advanced search capabilities. This project has been focused on solving this problem, adapting the general solution to improve the organization and accessibility of documents at UPV. Moreover, it lays the groundwork for the implementation of advanced search and real-time classification technologies within the institution.	es_ES
dc.format.extent	69	es_ES
dc.language	Español	es_ES
dc.publisher	Universitat Politècnica de València	es_ES
dc.rights	Reserva de todos los derechos	es_ES
dc.subject	Repositorio Alfresco	es_ES
dc.subject	PyTesseract	es_ES
dc.subject	NLP	es_ES
dc.subject	Alfresco Repository	es_ES
dc.subject	Language Model	es_ES
dc.subject	Optical character recognition [OCR]	es_ES
dc.subject	Clasificación de documentos	es_ES
dc.subject	Machine learning	es_ES
dc.subject	Modelo de lenguaje	es_ES
dc.subject	Bidirectional encoder representations from transformers [BERT]	es_ES
dc.subject	Classificació de documents	es_ES
dc.subject	Repositori Alfresco	es_ES
dc.subject	Random forest [RF]	es_ES
dc.subject	Document classification	es_ES
dc.subject.classification	LENGUAJES Y SISTEMAS INFORMATICOS	es_ES
dc.subject.other	Grado en Ingeniería Informática-Grau en Enginyeria Informàtica	es_ES
dc.title	Clasificación automática de documentos administrativos	es_ES
dc.title.alternative	Automatic classification of administrative documents	es_ES
dc.title.alternative	Classificació automàtica de documents administratius	es_ES
dc.type	Proyecto/Trabajo fin de carrera/grado	es_ES
dc.rights.accessRights	Cerrado	es_ES
dc.contributor.affiliation	Universitat Politècnica de València. Departamento de Sistemas Informáticos y Computación - Departament de Sistemes Informàtics i Computació	es_ES
dc.contributor.affiliation	Universitat Politècnica de València. Escola Tècnica Superior d'Enginyeria Informàtica	es_ES
dc.description.bibliographicCitation	Llácer Luna, SE. (2024). Clasificación automática de documentos administrativos. Universitat Politècnica de València. http://hdl.handle.net/10251/210852	es_ES
dc.description.accrualMethod	TFGM	es_ES
dc.relation.pasarela	TFGM\165531	es_ES

Ficheros en el ítem

Descargar (3.717Mb)

Llacer - Clasif...ivos.pdf

PDF

Este ítem aparece en la(s) siguiente(s) colección(ones)

• ETSINF - Trabajos académicos [5160]
  Escola Tècnica Superior d'Enginyeria Informàtica

Mostrar el registro sencillo del ítem