%0 Journal Article %T Categorizaci車n de texto en bases documentales a partir de modelos computacionales livianos Text categorization in documentary databases using light computational models %A Marcelo Mendoza %A Ivette Ortiz %A V赤ctor Rojas %J Revista Signos %D 2011 %I Pontificia Universidad Cat車lica de Valpara赤so %X En este trabajo se presenta un nuevo categorizador de texto para bases de datos documentales. El categorizador propuesto corresponde a una extensi車n del categorizador Naive Bayes que permite obtener buenos resultados en bases documentales con desbalance en datos de entrenamiento. Resultados experimentales permiten afirmar que el categorizador supera a Naive Bayes y se compara favorablemente con otras t谷cnicas m芍s sofisticadas como m芍quinas de soporte vectorial y regresi車n log赤stica sin incurrir en costos computacionales significativos en la fase de entrenamiento. We introduce a new text categorization method for documentary databases. The proposed method is an extension of the Naive Bayes text categorization model which allows obtaining good performance results in documentary databases with unbalanced training data. Experimental results allow us to conclude that the categorization method overcomes Na ve Bayes and compares favorably with more sophisticated categorization methods such as support vector machines and logistic regression without increasing the use of computational resources in the training phase. %K Categorizaci車n de texto %K modelos Bayesianos %K recuperaci車n de informaci車n %K Text categorization %K Bayesian models %K information retrieval %U http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-09342011000300004