<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Modelo de clasificación automática de texto en idioma indígena Wayuunaiki que incorpora características gramaticales

dc.contributor.advisorRodríguez Rodríguez , Jorge Enrique
dc.contributor.authorSalazar Báez, Diana Milena
dc.creator.emaildsalaz539@gmail.com
dc.creator.id20171495019
dc.date.accessioned2025-08-12T20:27:04Z
dc.date.available2025-08-12T20:27:04Z
dc.date.created2025-06-17
dc.descriptionLas técnicas de procesamiento de lenguaje natural (PLN) aplicadas a la clasificación automática de texto, funcionan de manera óptima en la realización de tareas de ordenamiento, etiquetado y agrupación de textos escritos en idiomas muy utilizados como el inglés, chino y español, entre otros. Funcionamiento que se ha logrado gracias a los importantes avances en las arquitecturas de aprendizaje automático y aprendizaje profundo, las estrategias de representación semántica para preentrenamientos y a la existencia y acceso a grandes cantidades de datos. En el caso del procesamiento de lenguaje natural de idiomas de comunidades indígenas, existen pocos estudios que describan el procesamiento de un lenguaje indígena que tenga en cuenta las características gramaticales y la identidad cultural de la comunidad indígena. Esto, debido a las dificultades relacionadas con la existencia de pocos conjuntos de datos que contengan un adecuado numeró de registros y cuenten con un alto grado de calidad de los datos, igualmente no existen recursos lingüísticos como diccionarios, lematizadores o etiquetadores que fuera posibles utilizar para análisis gramaticales utilizando adaptaciones de otras soluciones de PLN. Frente a este panorama, el presente trabajo describe la propuesta de un modelo de clasificación automática de texto en idioma indígena wayuunaiki, lengua autóctona de la comunidad indígena Wayuú que habita en Colombia y Venezuela. Este modelo se desarrolla utilizando técnicas de procesamiento de lenguaje natural (PLN) y la metodología CRISP-DM (Cross Industry Standard Process for Data Mining), el modelo fundamentalmente integra las características gramaticales propias del wayuunaiki como las preposiciones, conjugaciones verbales marcadas por persona y género, y la morfología aglutinante del idioma, esto con la finalidad de realizar una clasificación más acertada que aporte a la ejecución de otras tareas de PLN. Este trabajo busca además de contribuir a procesos computacionales, aportar a investigaciones que fomenten la conservación y enseñanza del wayuunaiki que necesiten de un conjunto de datos de texto en wayuunaiki etiquetado de buena calidad.
dc.description.abstractThe natural language processing (NLP) techniques applied to automatic text classification operate optimally when performing tasks such as ordering, labeling, and clustering texts written in widely used languages such as English, Chinese, and Spanish, among others. This performance has been achieved thanks to significant advances in machine learning and deep learning architectures, semantic representation strategies for pre-training, and the availability of and access to large volumes of data. In the case of NLP for indigenous community languages, few studies describe the processing of an indigenous language that takes into account both its grammatical features and the cultural identity of its speakers. This gap stems from challenges related to the scarcity of datasets containing an adequate number of records with high data quality; likewise, there are no linguistic resources such as dictionaries, lemmatizers, or taggers that could be adapted from other NLP solutions for grammatical analysis. Against this backdrop, the present work outlines a proposal for an automatic text classification model in the indigenous wayuunaiki language, the native tongue of the Wayuú community inhabiting Colombia and Venezuela. This model is developed using natural language processing (NLP) techniques and the CRISP-DM (Cross-Industry Standard Process for Data Mining) methodology. It fundamentally integrates wayuunaiki’s own grammatical features—prepositions, verb conjugations marked for person and gender, and agglutinative morphology—with the aim of achieving more accurate classification that supports the execution of other NLP tasks. In addition to contributing to computational processes, this work also seeks to provide a high-quality, labeled wayuunaiki text corpus for research that fosters the conservation and teaching of the language.
dc.format.mimetypepdf
dc.identifier.urihttp://hdl.handle.net/11349/98431
dc.language.isospa
dc.publisherUniversidad Distrital Francisco José de Caldas
dc.relation.referencesAbarna, S., Sheeba, J. I., & Devaneyan, S. P. (2022). An ensemble model for idioms and literal text classification using knowledge-enabled BERT in deep learning. Measurement: Sensors, 24, 100434. https://doi.org/10.1016/J.MEASEN.2022.100434
dc.relation.referencesAlonso Berrocal, J. L., Domínguez Ollero, A., Figuerola Paniagua, C. G., Vázquez de Aldana, E. R., & Zazo Rodríguez, Á. F. (1996). Consideraciones sobre el desarrollo de un sistema experto para la traducción automatizada. TRANS: revista de traductología, (1), 59–72.
dc.relation.referencesÁlvarez González, J. R. (2017). Manual de la lengua wayuu (KARALOUTA ATÜJAAYA SAA’U WAYUUNAIKIKUWA’IPA) (Organización Indígena de la Guajira Yanama, Ed.).
dc.relation.referencesÁlvarez, J. L. (2008). Problemas de lematización verbal en una lengua aglutinante con infinitivos múltiples: el caso de guajiro/wayuunaiki. Alicante : Biblioteca Virtual Miguel de Cervantes, 2008. https://www.cervantesvirtual.com/nd/ark:/59851/bmcrx9s2
dc.relation.referencesÁlvarez González, J. R. (2017). Compendio de la gramática de la lengua wayuu.
dc.relation.referencesCaptain, David y Linda Captain. (2005). Diccionario Básico Ilustrado wayuunaiki-español. Bogotá: Editorial Fundación para el Desarrollo de los Pueblos Marginados.
dc.relation.referencesCasañ, G A; Castaño, M A; (2004). Generación automática de codificaciones de vocabularios para Traducción Automática mediante Redes Neuronales. Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial, 8() 175-186. Recuperado de http://www.redalyc.org/articulo.oa?id=92582213
dc.relation.referencesCastaño Álvarez, A. (1998). Redes neuronales recurrentes para inferencia gramatical y traducción automática. Universitat Politècnica de València, España
dc.relation.referencesCastillo Romero, J. A. (2019). Big data. IFCT128PO. España: IC Editorial.
dc.relation.referencesChen, H., Zhang, Z., Huang, S., Hu, J., Ni, W., & Liu, J. (2023). TextCNN-based ensemble learning model for Japanese Text Multi-classification. Computers and Electrical Engineering, 109, 108751. https://doi.org/10.1016/J.COMPELECENG.2023.108751
dc.relation.referencesChollet, F. (2018). Deep Learning with Python. Manning Publications.
dc.relation.referencesComputadores para educar. (2021, July 8). Llegaron computadores a La Guajira y Cesar. https://www.computadoresparaeducar.gov.co/publicaciones/5219/llegaron-computadores-a-la-guajira-y-cesar/
dc.relation.referencesComputadores para educar. (2024). Informe de gestión de Computadores para Educar 2014 (p. 33). Gobierno Nacional.
dc.relation.referencesDatitos. (2021, 17 de mayo). Redes recurrentes modernas: LSTM, GRU y RNNs bidireccionales [Video]. YouTube. https://www.youtube.com/watch?v=5EyN7v-vIr4
dc.relation.referencesDepartamento Administrativo Nacional de Estadística (DANE). (2021). Información sociodemográfica del pueblo Wayúu (Vol. 3). En Informes de Estadística Sociodemográfica Aplicada. https://www.dane.gov.co/files/investigaciones/poblacion/informes-estadisticas-sociodemograficas/2021-09-24-Registro-Estadistico-Pueblo-Wayuu.pdf
dc.relation.referencesDepartamento Administrativo Nacional de Estadística (DANE). (2024). Visor Wayuu. https://sitios.dane.gov.co/visor-wayuu/
dc.relation.referencesDepartamento Administrativo Nacional de Estadística (DANE). (2025). Sistema de Información Wayuu Recuperado el 4 de enero de 2025, de https://siwayuu.dane.gov.co/es/home#tableroDeDatos
dc.relation.referencesDevlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. In Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies (pp. 4171–4186). Association for Computational Linguistics. https://doi.org/10.18653/v1/N19-1423
dc.relation.referencesDeng, S., Li, Q., Dai, R., Wei, S., Wu, D., He, Y., & Wu, X. (2024). A Chinese power text classification algorithm based on deep active learning. Applied Soft Computing, 150, 111067. https://doi.org/10.1016/J.ASOC.2023.111067
dc.relation.referencesEl wayuunaiki, una lengua con 600.000 hablantes en riesgo de extinción | Noticias ONU. (n.d.). Retrieved February 23, 2024, from https://news.un.org/es/story/2019/03/1452751
dc.relation.referencesElnagar, A., Al-Debsi, R., & Einea, O. (2020). Arabic text classification using deep learning models. Information Processing & Management, 57(1), 102121. https://doi.org/10.1016/J.IPM.2019.102121
dc.relation.referencesEscobar, X. (2009). Traducción automatizada basada en algoritmos de redes neuronales artificiales (Te). Universitat Rovira I Virgili, España. Recuperado a partir de http://deeea.urv.cat/public/PROPOSTES/pub/pdf/1411pub.pdf
dc.relation.referencesFernández, D. I., Gamboa, O. Q., Atencia, J. M., & Bedoya, O. E. H. (2013). Design and implementation of an “Web API” for the automatic translation Colombia’s language pairs: Spanish-Wayuunaiki case. 2013 IEEE Colombian Conference on Communications and Computing, COLCOM 2013 - Conference Proceedings. https://doi.org/10.1109/COLCOMCON.2013.6564817
dc.relation.referencesFirican, G. (2021). The history of machine learning. LightsOnData. Retrieved July 31, 2024, from https://www.lightsondata.com/the-history-of-machine-learning/
dc.relation.referencesGegúndez, M., & Pérez, I. (2021). Deep learning : fundamentos, teoría y aplicación. Deep Learning.
dc.relation.referencesGraichen, N., van Genabith, J., & España-Bonet, C. (2023). Enriching Wayúunaiki–Spanish Neural Machine Translation with Linguistic Information. Proceedings of the Annual Meeting of the Association for Computational Linguistics, 67–83. https://doi.org/10.18653/V1/2023.AMERICASNLP-1.9
dc.relation.referencesGoodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.
dc.relation.referencesGoogle Developers. (2025, 23 de mayo). Cómo obtener embeddings. Recuperado de https://developers.google.com/machine-learning/crash-course/embeddings/obtaining-embeddings?hl=es-419
dc.relation.referencesGoldberg, Y. (2016). A Primer on Neural Network Models for Natural Language Processing. J. Artif. Intell. Res. (JAIR), 57, 345-420.
dc.relation.referencesGoulet, J. G., & Jusayú, M. A. (1978). El idioma guajiro: sus fonemas, su ortografía y su morfología. Universidad Católica Andrés Bello, Instituto de Investigaciones Históricas, Centro de Lenguas Indígenas. Recuperado a partir de https://books.google.com.co/books?id=1InI7GTInQ0C
dc.relation.referencesGyanendra, V., & Rajesh, D. (2023). Deep Learning: Theory, Architectures and Applications in Speech, Image and Language Processing. Bentham Science Publishers.
dc.relation.referencesHernández, J., Ramírez, M., & Ferri, C. (2005). Introducción a la minería de datos. Pearson Prentice Hall.
dc.relation.referencesHernández, M., & Gómez, J. (2013). Aplicaciones de Procesamiento de Lenguaje Natural. Revista Politécnica, 32(1), 87–96
dc.relation.referencesHoward, J., & Ruder, S. (2018). Universal Language Model Fine-tuning for Text Classification. In Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers) (pp. 328–339). Association for Computational Linguistics. https://doi.org/10.18653/v1/P18-1031
dc.relation.referencesIBM. (2021, August 17). Introducción al CRISP-DM - Documentación de IBM. https://www.ibm.com/docs/es/spss-modeler/saas?topic=guide-introduction-crisp-dm
dc.relation.referencesJatnika, D., Bijaksana, M., & Ardiyanti, A. (2019). Word2Vec Model Analysis for Semantic Similarities in English Words. Procedia Computer Science, 157, 160–167. https://doi.org/10.1016/j.procs.2019.08.153
dc.relation.referencesKim, Y. (2014). Convolutional neural networks for sentence classification. In Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP) (pp. 1746–1751).
dc.relation.referencesLey Nª 115. Congreso de la República de Colombia, Santa Fe de Bogotá, Colombia. 8 de Febrero de 1994. Recuperado de http://www.mineducacion.gov.co/1621/articles-85906_archivo_pdf.pdf
dc.relation.referencesLi, L., Parra Escartín, C., Way, A., & Liu, Q. (2016). Combining translation memories and statistical machine translation using sparse features. Machine Translation, 30(3), 183–202. https://doi.org/10.1007/s10590-016-9187-6
dc.relation.referencesLi, S., Deng, M., Shao, Z., Chen, X., & Zheng, Y. (2023). Automatic classification of interactive texts in online collaborative discussion based on multi-feature fusion. Computers and Electrical Engineering, 107, 108648. https://doi.org/10.1016/J.COMPELECENG.2023.108648
dc.relation.referencesLlerena García, E. (2013). Software traductor de español a lengua wayuu. In Actualizaciones en Comunicación Social Centro de Lingüística Aplicada (pp. 353-356). Santiago de Cuba.
dc.relation.referencesLlerena García, E. (2012). Software traductor de español a lengua kuna. Presentado en XXVII Congreso Nacional y I Internacional de Lingüística, Literatura y Semiótica, Universidad Pedagógica y Tecnológica de Colombia, Sede Tunja.
dc.relation.referencesMatich, D. J. (2011). Redes Neuronales: Conceptos Básicos y Aplicaciones. Recuperado a partir de https://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientadora1/monograias/matich-redesneuronales.pdf
dc.relation.referencesMaestre Salas, D. (2022). Acercamiento al aprendizaje del Wayuunaiki como segunda lengua apoyado en el software lúdico “Wopü Ekirajawaa” en estudiantes del grado segundo. https://manglar.uninorte.edu.co/handle/10584/11595
dc.relation.referencesMejía Rodríguez, P. I. (2011). Situación sociolingüística del wayuunaiki: ranchería El Pasito [Universidad Nacional de Colombia]. https://repositorio.unal.edu.co/handle/unal/8607
dc.relation.referencesMikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Efficient Estimation of Word Representations in Vector Space. arXiv:1301.3781.
dc.relation.referencesMintic. (2017, November 2). Con energía solar y Tabletas para Educar, MinTIC llegó a 10 departamentos del país. https://mintic.gov.co/portal/inicio/Sala-de-prensa/Noticias/61463:Con-energia-solar-y-Tabletas-para-Educar-MinTIC-llego-a-10-departamentos-del-pais
dc.relation.referencesMinTIC. (2017). Fotografía de entrega de tabletas en La Guajira [Fotografía]. MinTIC. https://mintic.gov.co/portal/inicio/Sala-de-prensa/Noticias/61463:Con-energia-solar-y-Tabletas-para-Educar-MinTIC-llego-a-10-departamentos-del-pais
dc.relation.referencesMuñoz Guillena, R. (2024, 19 de septiembre). Procesamiento del lenguaje natural como eje central de la inteligencia artificial generativa [Lección inaugural del curso académico 2024–2025]. Universidad de La Rioja
dc.relation.referencesPérez van Leenden, F. J. (2020). El desarrollo del léxico en wayuunaiki y en español de La Guajira colombiana -niños wayuu entre 08-15 y 15-30 meses-. Entretextos: Revista de Estudios Interculturales Desde Latinoamérica y El Caribe, ISSN-e 2805-6159, ISSN 0123-9333, Vol. 14, No. 26, 2020 (Ejemplar Dedicado a: Homenaje a Francisco Justo Pérez van-Leenden (Q.E.P.D.) (Enero-Junio)), Págs. 12-32, 14(26), 12–32. https://dialnet.unirioja.es/servlet/articulo?codigo=8729502&info=resumen&idioma=ENG
dc.relation.referencesQuero Ramones, Sandra, & Madueño Madueño, Leonel. (2006). Süchiki Walekerü: un ejemplo del uso de las TICs en escuelas indígenas. Caso Wayuu. Educere, 10(34), 435-442. Recuperado en 08 de agosto de 2024, de http://www.scielo.org.ve/scielo.php?script=sci_arttext&pid=S1316-49102006000300006&lng=es&tlng=es
dc.relation.referencesRadford, A., et al. (2020). Language models are few-shot learners. In Advances in Neural Information Processing Systems (Vol. 33, pp. 1877-1901).
dc.relation.referencesRamírez González, R., & Dieck Novial, M. E. (2019). Los pronombres personales en Wayuunaiki. Lenguaje, 47(2S). https://doi.org/10.25100/lenguaje.v47i3.6824
dc.relation.referencesRodrawangpai, B., & Daungjaiboon, W. (2022). Improving text classification with transformers and layer normalization. Machine Learning with Applications, 10, 100403. https://doi.org/10.1016/J.MLWA.2022.100403
dc.relation.referencesSaint-Exupéry, A. de. (2016). Pürinsipechonkai. The Jean-Marc Probst Foundation. (J. Álvarez, A. Dorado, J. A. Fernández & E. Montiel, Trads.).
dc.relation.referencesSanango, E. U., Hallo, M. A. (2024). Aplicación de la Metodología CRISP-DM en la Detección de Necesidades Ciudadanas en base al Análisis de Tweets. En N. Callaos, J. Horne, E. F. Ruiz-Ledesma, B. Sánchez, A. Tremante (Eds.), Memorias de la Décima Cuarta Conferencia Iberoamericana de Complejidad, Informática y Cibernética: CICIC 2024, pp. 150-156. International Institute of Informatics and Cybernetics. https://doi.org/10.54808/CICIC2024.01.150
dc.relation.referencesSalazar, D., & Rodriguez, J. (2024, 21-25 de octubre). Análisis exploratorio de frases en idioma indígena Wayuunaiki para el adecuado Procesamiento de Lenguaje Natural.
dc.relation.referencesSuarez Suarez, H. M., & López Uriana, R. S. (2022). Articulación de la oralidad Wayuu como eje transversal para la propuesta de transformación curricular del proyecto educativo comunitario para mejorar la calidad educativa en la institución etnoeducativa integral rural internado indígena de Puerto Estrella y Nuestra Señora de Fátima de Nazareth. https://intellectum.unisabana.edu.co/handle/10818/50637
dc.relation.referencesSutskever, I., Vinyals, O., & Le, Q. (2014). Sequence to Sequence Learning with Neural Networks. Advances in Neural Information Processing Systems, 4.
dc.relation.referencesThe MathWorks Inc. (2021). Classify Text Data Using Convolutional Neural Network. https://www.mathworks.com/help//releases/R2021a/deeplearning/ug/classify-text-data-using-convolutional-neural-network.html
dc.relation.referencesThe mathworks inc. (2024-a). Introducción a la memoria a corto-largo plazo (LSTM) - MATLAB & Simulink. https://la.mathworks.com/discovery/lstm.html.
dc.relation.referencesThe MathWorks Inc. (2024 -b). Exploratory Analysis of Data. https://la.mathworks.com/help/stats/exploratory-analysis-of-data.html
dc.relation.referencesThe MathWorks Inc. (2024-c). Classify Text Data Using Convolutional Neural Network, Natick, Massachusetts: The MathWorks Inc. https://la.mathworks.com/help/deeplearning/ug/classify-text-data-using-convolutional-neural-network.html
dc.relation.referencesThe MathWorks Inc. (2024-d). Classify Text Data Using Deep Learning. https://la.mathworks.com/help/deeplearning/ug/classify-text-data-using-deep-learning.html
dc.relation.referencesVásquez, A. C., Vásquez, A. C., huerta, H. V., Quispe, J. P., & Huayna, A. M. (2009). Procesamiento de lenguaje natural. Revista de Investigación de Sistemas e Informática, 6(2), 45–54. https://revistasinvestigacion.unmsm.edu.pe/index.php/sistem/article/view/5923
dc.relation.referencesVaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gómez, A. N., Kaiser, Ł., & Polosukhin, I. (2017). Attention is all you need. Advances in Neural Information Processing Systems, 30, 5998–6008.
dc.relation.referencesVázquez, J., & Constable, L. (2019). Redes Neurales Artificiales con Aprendizaje Profundo. Wicc.
dc.relation.referencesViloria Rodríguez, Leonel, De La Rosa Yacomelo, Johan, Ramírez González, Rudecindo, & García Segura, Daniela. (2022). Pronombres en wayuunaiki y español: una mirada contrastive. Íkala, Revista de Lenguaje y Cultura, 27(1), 153-173. Epub March 11, 2022.https://doi.org/10.17533/udea.ikala.v27n1a08
dc.relation.referencesWayús pueden leer en wayuunaiki sentencia que pide frenar desnutrición en La Guajira - Otras Ciudades - Colombia - ELTIEMPO.COM. (n.d.). Retrieved March 1, 2024, from https://www.eltiempo.com/colombia/otras-ciudades/wayus-pueden-leer-en-wayuunaiki-sentencia-que-pide-frenar-desnutricion-en-la-guajira-837019
dc.rights.accesoAbierto (Texto Completo)
dc.rights.accessrightsOpenAccess
dc.subjectClasificación de textos
dc.subjectaprendizaje profundo
dc.subjectIdioma Indígena
dc.subjectCaracterísticas lingüísticas
dc.subjectProcesamiento de lenguaje natural
dc.subject.keywordText classification
dc.subject.keywordDeep Learning
dc.subject.keywordIndigenous language
dc.subject.keywordLinguistic characteristics
dc.subject.keywordNatural language processing
dc.subject.lembMaestría en Ciencias de la Información y las Comunicaciones Metodología Investigación -- Tesis y disertaciones académicas
dc.subject.lembProceso en lenguaje natural (Informática)
dc.subject.lembLenguas indígenas
dc.subject.lembModelos lingüísticos
dc.titleModelo de clasificación automática de texto en idioma indígena Wayuunaiki que incorpora características gramaticales
dc.title.titleenglishAutomatic text classification model in the Wayuunaiki indigenous language, incorporating grammatical features.
dc.typemasterThesis
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.degreeInvestigación-Innovación
dc.type.driverinfo:eu-repo/semantics/masterThesis

Archivos

Bloque original

Mostrando 1 - 2 de 2
Cargando...
Miniatura
Nombre:
SalazarBaezDianaMilena2025.pdf
Tamaño:
5,77 MB
Formato:
Adobe Portable Document Format
Cargando...
Miniatura
Nombre:
Licencia de uso y publicacion.pdf
Tamaño:
684,63 KB
Formato:
Adobe Portable Document Format

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
7 KB
Formato:
Item-specific license agreed upon to submission
Descripción: