Sistema de extracción de características y análisis de texto lírico musical en contenidos web mediante aprendizaje de máquinas para brindar recomendaciones a compositores latinoamericanos

Abstract

El procesamiento del lenguaje natural es un campo que combina las ciencias computacionales como el aprendizaje automático con la lingüística aplicada, con el fin de lograr el procesamiento asistido por computador de cierta información expresada en lenguaje corporal para llevar a cabo ciertas tareas que imitan comportamientos inteligentes. Por esta razón, y en base a los procesos de aprendizaje que tiene el ser humano, se puede llegar a implementar el reconocimiento de texto utilizando las computadoras y el potencial analítico de algoritmos que forman parte de la herramienta Weka, minimizando el error en la clasificación de texto. Para ello, el desarrollo del prototipo propuesto en el trabajo de titulación parte de un estudio de características que contiene la web, en base a los recursos seleccionados se llegó a la construcción de un web crawler que permite la extracción y almacenamiento de texto por género musical de artistas latinoamericanos. Seguidamente, se muestra un análisis de los algoritmos que forman parte de la clusterización de datos indicando los porcentajes de instancias correctamente agrupadas. Para finalizar con el proceso de desarrollo, se elabora una página web que contiene el resultado del estudio que se llevó a cabo dentro de la investigación, logrando brindar recomendaciones en base a las canciones más populares de cada género musical.