Algoritmos genéticos aplicados a la categorización automática de documentos

ALGORITMOS GENÉTICOS APLICADOS A
LA CATEGORIZACIÓN AUTOMÁTICA DE
DOCUMENTOS
TESIS DE GRADO EN INGENIERIA
INFORMATICA
FACULTAD DE INGENIERIA
UNIVERSIDAD DE BUENOS AIRES
TESISTA: Sr. Eugenio YOLIS
DIRECTOR: Prof. Dr. Ramón GARCIA-MARTINEZ
Laboratorio de Sistemas Inteligentes
ABRIL 2003

ALGORITMOS GENÉTICOS APLICADOS A LA
CATEGORIZACIÓN AUTOMÁTICA DE DOCUMENTOS
TESIS DE GRADO ENINGENIERIA INFORMATICA
Laboratorio de Sistemas Inteligentes
FACULTAD DE INGENIERIA
UNIVERSIDAD DE BUENOS AIRES
Sr. Eugenio Yolis Dr. Ramón García Martínez
Tesista Director
ABRIL 2003

Resumen
La categorización automática de documentos ha estado recibiendo creciente
atención debido al incremento en la cantidad de información disponible en forma
electrónica y a la necesidad cada vez mayor deencontrar la información buscada en un
tiempo mínimo. Si bien existen numerosos algoritmos para categorizar documentos,
todos ellos evaluan un subconjunto pequeño del espacio de posibles soluciones. Estea
tesis presenta un algoritmo genético adaptado al problema de categorización de
documentos. El algoritmo propuesto introduce 5 nuevos operadores, diseñados
específicamente para la resolucióndel problema de categorización. Los resultados
obtenidos demuestran que el algoritmo genético logra explorar el espacio de búsqueda
más amplia y eficientemente que los algoritmos previos tomados como referencia.
Palabras clave: Categorización Automática de Documentos, Algoritmos Genéticos,
Computación Evolutiva
Abstract
Automatic document clustering has been receiving increasing attention dueto
the growing amount of information available in digital formats, and the importance of
finding the information required faster every day. Even though several clustering
algorithms have been developed, all of them evaluate just a small part of the solution
space. This paper presents an adaption of a genetic algorithm to the document clustering
problem. This new algoritm introduces 5 newoperators, designed specifically for the
problem being solved. The obtained results show that the genetic algorithm achieves a
wider and more efficient exploration of the solution space than the previously developed
algoritms that were taken as reference.
Keywords: Automatic Document Clustering, Genetic Algorithms, Evolutionary
Computation

ALGORITMOS GENÉTICOS APLICADOS A LA CATEGORIZACIÓNAUTOMÁTICA DE DOCUMENTOS
Eugenio Yolis INDICE 1
Indice
CAPÍTULO 1 ..............................................................................................................................................................7
INTRODUCCIÓN.....................................................................................................................................................7
1.1CATEGORIZACIÓN AUTOMÁTICA DE DOCUMENTOS......................................................................................8
1.1.1 La Hipótesis del Agrupamiento.............................................................................................................8
1.1.2Aplicaciones.............................................................................................................................................9
1.2 NATURALEZA COMBINATORIA DEL PROBLEMA DE CATEGORIZACIÓN..................................................... 10
1.3 ALGORITMOS GENÉTICOS.............................................................................................................................. 11
1.4 OBJETIVO DE LA TESIS................................................................................................................................... 11
1.5 ESTRUCTURA DE LA TESIS............................................................................................................................. 12
CAPÍTULO 2 ............................................................................................................................................................15
ESTADO...