Prueba de concepto para la extracción de recursos bibliográficos desde los catálogos de asignaturas de la Facultad de Comunicación y Lenguaje de la Pontificia Universidad Javeriana

Abstract

La bibliotecología se enfrenta constantemente a la tarea dispendiosa de clasificar y organizar manualmente las referencias bibliográficas de tal manera que puedan realizar análisis cualitativos y cuantitativos ya sea para determinar la vigencia de las fuentes, la cantidad de libros o la disponibilidad de algún recurso. Los avances computacionales y el desarrollo de diferentes modelos de Procesamiento de Lenguaje Natural (NLP) permiten la automatización de estas tareas de manera ágil y eficiente. En este trabajo se realiza una revisión de modelos de Reconocimiento de Entidades Nombradas (NER) a través de la metodología CRISP-DM, que permitan identificar los metadatos de referencias bibliográficas académicas con el objetivo de brindar una herramienta que automatice procesos manuales en la Biblioteca Alfonso Borrero Cabal S.J y en la Facultad de Comunicación y Lenguaje de la Pontificia Universidad Javeriana. La evaluación de los modelos muestra resultados alentadores con el modelo Bidirectional Encoder Representations from Transformers (BERT) en la extracción de metadatos en recursos bibliográficos, con lo cual se recomienda su implementación.