Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.usfq.edu.ec/handle/23000/14620Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.contributor.advisor | Pineda, Israel, dir. | - |
| dc.contributor.author | Marquez Coronel, Diego Alejandro | - |
| dc.date.accessioned | 2025-10-01T22:33:16Z | - |
| dc.date.available | 2025-10-01T22:33:16Z | - |
| dc.date.issued | 2024-12-02 | - |
| dc.identifier.citation | Tesis (Magíster en Ciencia de Datos), Universidad San Francisco de Quito, Colegio de Posgrados; Quito, Ecuador, 2024. | es_ES |
| dc.identifier.uri | http://repositorio.usfq.edu.ec/handle/23000/14620 | - |
| dc.description | The increasing complexity of modern software systems necessitates more efficient methods for bug classification to streamline maintenance processes and minimize downtime. This study presents a hybrid model that integrates traditional information retrieval techniques, such as TF-IDF, with advanced deep learning approaches, including BERT, combined through a k-NN classifier... | es_ES |
| dc.description.abstract | La creciente complejidad de los sistemas de software modernos ha generado la necesidad de contar con métodos más eficientes para la clasificación de errores, con el fin de optimizar el mantenimiento y reducir el tiempo de inactividad. Este trabajo presenta un modelo híbrido que combina técnicas tradicionales de recuperación de información, como TF-IDF, con modelos avanzados de aprendizaje profundo, como BERT, integrados mediante un clasificador k-NN... | es_ES |
| dc.format.extent | 17 h. | es_ES |
| dc.language.iso | spa | es_ES |
| dc.publisher | Quito | es_ES |
| dc.rights | openAccess | es_ES |
| dc.rights | Atribución-NoComercial-SinDerivadas 3.0 Ecuador | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/ec/ | * |
| dc.subject | Software - Mantenimiento - Tesis y disertaciones académicas. | es_ES |
| dc.subject.other | Ciencias | es_ES |
| dc.subject.other | Computación | es_ES |
| dc.title | A Hybrid Model for Enhanced Bug Classification: Leveraging TF-IDF,BERT, and k-NN. | es_ES |
| dc.type | masterThesis | es_ES |
| Aparece en las colecciones: | Tesis - Maestría en Ciencia de Datos | |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 338851.pdf | Texto completo | 674.49 kB | Adobe PDF |  Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
