Enfoques y algoritmos de aprendizaje automático para la clasificación de productos en comercio electrónico: Una revisión sistemática de la literatura
Con el rápido crecimiento del comercio electrónico en los últimos 3 años, y tras su reciente aceleración, debido a la enfermedad por coronavirus (COVID-19), surge la necesidad de ofrecer un servicio de comercio electrónico óptimo que maximice las utilidades del negocio. Un servicio óptimo implica un...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | Tesis de pregrado |
| Lenguaje: | español |
| Publicado: |
Universidad Peruana Unión
2020
|
| Materias: | |
| Acceso en línea: | Enlace permanente (DOI o Handle) |
| Etiquetas: |
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| _version_ | 1881510055943077888 |
|---|---|
| author | Cotacallapa Mamani, Harold Enrique |
| author2 | Saboya Rios, Nemias |
| author_browse | Cotacallapa Mamani, Harold Enrique Saboya Rios, Nemias |
| author_facet | Saboya Rios, Nemias Cotacallapa Mamani, Harold Enrique |
| author_sort | Cotacallapa Mamani, Harold Enrique |
| collection | Repositorio institucional |
| description | Con el rápido crecimiento del comercio electrónico en los últimos 3 años, y tras su reciente aceleración, debido a la enfermedad por coronavirus (COVID-19), surge la necesidad de ofrecer un servicio de comercio electrónico óptimo que maximice las utilidades del negocio. Un servicio óptimo implica un motor de búsqueda y recomendación altamente eficaces, por tanto, depende significativamente de una excelente clasificación de productos, lo cual aún es un desafío para la ciencia y la industria, ya que, implica una clasificación jerárquica múltiple en tiempo real para un inmenso volumen de productos con descripciones no estructuradas y una larga lista de subcategorías con pocos datos. No obstante, el reciente avance de la Inteligencia Artificial, generó una amplia gama de algoritmos que abordan estos problemas. Por consiguiente, el presente artículo desarrolla una Revisión Sistemática de la Literatura (RSL) con el objetivo de identificar los algoritmos de aprendizaje automático, sus métricas de evaluación y los enfoques usados para la clasificación de productos en comercio electrónico. Esta RSL sigue una secuencia de pasos definidos en la guía de Kitchenham. Al finalizar este estudio, se concluye que los algoritmos más usados son K-Means, SVM, y Naive Bayes cuando el objeto de estudio es el texto, y la red neuronal convolucional jerárquica cuando se trabaja con imágenes; además, más del 70% de los artículos usan solamente los atributos textuales del producto y la mayoría de artículos cuyo enfoque es el aprendizaje supervisado usan el “accuracy” como única métrica para validación del modelo. |
| escuela_str_mv | Escuela Profesional de Ingeniería de Sistemas |
| format | info:eu-repo/semantics/bachelorThesis |
| id | oai:repositorio.upeu.edu.pe:20.500.12840/3688 |
| institution | UPeU |
| language | Spanish |
| linea_str_mv | Infraestructura Tecnológica - inteligencia artificial |
| ocde_area_str_mv | Ingeniería y tecnología |
| ocde_disciplina_str_mv | Ingeniería eléctrica, electrónica e informática |
| ocde_str_mv | 2.02.04 |
| programa_nombre_str_mv | Ingeniería de Sistemas |
| programa_pxx_str_mv | P27 |
| programa_uri_str_mv | http://upeu.edu.pe/sys/programas/programa/ingenieria-de-sistemas |
| publishDate | 2020 |
| publishDateRange | 2020 |
| publishDateSort | 2020 |
| publisher | Universidad Peruana Unión |
| publisherStr | Universidad Peruana Unión |
| record_format | dspace |
| sede_str_mv | Lima |
| spelling | Enfoques y algoritmos de aprendizaje automático para la clasificación de productos en comercio electrónico: Una revisión sistemática de la literatura Cotacallapa Mamani, Harold Enrique Saboya Rios, Nemias Clasificación Comercio electrónico Algoritmos Revisión sistemática Aprendizaje automático Con el rápido crecimiento del comercio electrónico en los últimos 3 años, y tras su reciente aceleración, debido a la enfermedad por coronavirus (COVID-19), surge la necesidad de ofrecer un servicio de comercio electrónico óptimo que maximice las utilidades del negocio. Un servicio óptimo implica un motor de búsqueda y recomendación altamente eficaces, por tanto, depende significativamente de una excelente clasificación de productos, lo cual aún es un desafío para la ciencia y la industria, ya que, implica una clasificación jerárquica múltiple en tiempo real para un inmenso volumen de productos con descripciones no estructuradas y una larga lista de subcategorías con pocos datos. No obstante, el reciente avance de la Inteligencia Artificial, generó una amplia gama de algoritmos que abordan estos problemas. Por consiguiente, el presente artículo desarrolla una Revisión Sistemática de la Literatura (RSL) con el objetivo de identificar los algoritmos de aprendizaje automático, sus métricas de evaluación y los enfoques usados para la clasificación de productos en comercio electrónico. Esta RSL sigue una secuencia de pasos definidos en la guía de Kitchenham. Al finalizar este estudio, se concluye que los algoritmos más usados son K-Means, SVM, y Naive Bayes cuando el objeto de estudio es el texto, y la red neuronal convolucional jerárquica cuando se trabaja con imágenes; además, más del 70% de los artículos usan solamente los atributos textuales del producto y la mayoría de artículos cuyo enfoque es el aprendizaje supervisado usan el “accuracy” como única métrica para validación del modelo. 2020-12-21 2020-12-23T19:53:34Z 2020-12-23T19:53:34Z info:eu-repo/semantics/bachelorThesis https://hdl.handle.net/20.500.12840/3688 spa info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by/3.0/es/ application/pdf Universidad Peruana Unión PE oai:repositorio.upeu.edu.pe:20.500.12840/3688 2026-11-10T17:45:09Z |
| spellingShingle | Clasificación Comercio electrónico Algoritmos Revisión sistemática Aprendizaje automático Cotacallapa Mamani, Harold Enrique Enfoques y algoritmos de aprendizaje automático para la clasificación de productos en comercio electrónico: Una revisión sistemática de la literatura |
| title | Enfoques y algoritmos de aprendizaje automático para la clasificación de productos en comercio electrónico: Una revisión sistemática de la literatura |
| title_full | Enfoques y algoritmos de aprendizaje automático para la clasificación de productos en comercio electrónico: Una revisión sistemática de la literatura |
| title_fullStr | Enfoques y algoritmos de aprendizaje automático para la clasificación de productos en comercio electrónico: Una revisión sistemática de la literatura |
| title_full_unstemmed | Enfoques y algoritmos de aprendizaje automático para la clasificación de productos en comercio electrónico: Una revisión sistemática de la literatura |
| title_short | Enfoques y algoritmos de aprendizaje automático para la clasificación de productos en comercio electrónico: Una revisión sistemática de la literatura |
| title_sort | enfoques y algoritmos de aprendizaje automatico para la clasificacion de productos en comercio electronico una revision sistematica de la literatura |
| topic | Clasificación Comercio electrónico Algoritmos Revisión sistemática Aprendizaje automático |
| topic_facet | Clasificación Comercio electrónico Algoritmos Revisión sistemática Aprendizaje automático |
| url | https://hdl.handle.net/20.500.12840/3688 |
| work_keys_str_mv | AT cotacallapamamaniharoldenrique enfoquesyalgoritmosdeaprendizajeautomaticoparalaclasificaciondeproductosencomercioelectronicounarevisionsistematicadelaliteratura |