Hortua Orjuela, Hector JavierRomero Quiroga, Angie LorenaRodriguez Moreno, Michael Smith2024-09-062024-09-062024-06https://hdl.handle.net/20.500.12495/12963El turismo en Colombia ha experimentado un notable crecimiento a lo largo de los años, impulsado por las tendencias y destinos populares que atraen a viajeros de todo el mundo. Este dinamismo ha generado un volumen creciente de información, lo que ha suscitado la necesidad de desarrollar un modelo clasificador para identificar el tono positivo o negativo de las noticias de medios de prensa. Utilizando los avances en Deep Learning y el Procesamiento del Lenguaje Natural, se implementó un modelo de clasificación de texto basado en Modelos de Lenguaje de Gran Tamaño (LLM).Para este trabajo, se seleccionaron varios modelos LLM preentrenados de propósito general, optimizados mediante fine tuning de parámetros eficientes (PEFT) usando los adaptadores LoRA, AdaLoRA y IA3. Toda la configuración se hizo en el entorno de Ludwig, reconocido por su eficiencia y fácil configuración a través de YAML. Se encontró que DistilBERT multilingüe logró el mayor rendimiento con el adaptador LoRA, con una accuracy del 87.88% y un ROC AUC del 92.05%. Este enfoque ha permitido una afinación efectiva del modelo para clasificar noticias dentro del ámbito turístico colombiano, un paso crucial para gestionar y analizar grandes volúmenes de datos de manera ágil y optimizada.esAtribución-NoComercial-CompartirIgual 4.0 InternacionalModelos de lenguaje de gran tamañoAjuste finoAjuste de parámetros eficientePEFTLarge language modelsFine tuningParameter efficient tuningPEFTAcceso abiertoinfo:eu-repo/semantics/openAccesshttp:/purl.org/coar/access_right/c_abf2/