Clasificación de Contenido en la Web

La Teoría de la Información de Claude Shannon define la cantidad de información contenida en un mensaje según su nivel de imprevisibilidad.

​Información de Shannon

Si un mensaje contiene elementos altamente predecibles, su cantidad de información es baja

​Si es impredecible, su cantidad de información es alta.

​Se mide con entropía, que representa la incertidumbre en una fuente de información.

​ - Compresión de datos (ejemplo: archivos ZIP).

- Transmisión eficiente de información en redes (ejemplo: protocolos de comunicación).

​noticias, artículos, investigaciones, tutoriales

​​Contenido informativo:

anuncios en redes sociales, banners, marketing digital.

​​Contenido publicitario:

​En la web, los contenidos pueden ser informativos o publicitarios, y muchas veces se combinan.

​La publicidad busca atraer al usuario sin afectar la calidad informativa.

​Algunas plataformas utilizan publicidad segmentada basada en el comportamiento del usuario.

​Regulaciones de privacidad, como GDPR, limitan el uso de datos personales para anuncios.

​Cuántas veces aparece una palabra en un documento.

TF (Frecuencia de término):

Penaliza palabras demasiado comunes en un conjunto de documentos.

​​IDF (Frecuencia inversa en documentos):

​TF-IDF es un método para evaluar la importancia de una palabra dentro de un texto.

Motores de búsqueda como Google priorizan documentos con términos relevantes.

​Análisis de texto para categorizar información en bibliotecas digitales.

​Filtros de contenido en redes sociales.

mediante análisis de caracteres y modelos de lenguaje.

Identificación de idioma

​basada en redes neuronales y algoritmos estadísticos.

​​Traducción automática

​donde una misma palabra puede significar cosas diferentes en distintos idiomas.

​​Variaciones semánticas

​En la web, el idioma influye en cómo se procesan y clasifican los datos.

-Google Translate usa inteligencia artificial para mejorar traducciones.

- Motores de búsqueda detectan el idioma y ajustan resultados de búsqueda.

​Modelos entrenados con datos etiquetados

Aprendizaje supervisado:

​Algoritmos que encuentran patrones sin etiquetas previas.

​​Aprendizaje no supervisado:

​Sistemas que ajustan decisiones según recompensas o penalizaciones.

​​Aprendizaje por refuerzo:

Machine Learning permite que los sistemas aprendan a categorizar información sin intervención humana constante.

​usan la Teoría de Bayes para detectar correos sospechosos.

Filtros antispam

​en transacciones digitales.

​​Detección de fraudes

​según relevancia

Clasificación automática de contenido

​Concepto: Método probabilístico que permite clasificar datos en función de evidencia previa.

Uso de diccionarios de palabras con carga emocional

​​Reglas lingüísticas:

Algoritmos que aprenden a clasificar emociones

​​Machine Learning:

​Técnica que analiza textos para identificar emociones y opiniones.

​Identificar sentimientos en publicaciones

​​Redes sociales:

​Analizar reseñas y comentarios.

​​Atención al cliente:

​Evaluar percepción de productos.

​​Estudios de mercado:

​Reconocimiento de patrones en textos.

​Compresión de datos.

​Sistemas de recomendación.

​Concepto: Medida de dependencia entre dos variables de información.