Cada línea contable del ERP debe imputarse a una Partida Presupuestaria y a su Presupuesto. Este sistema lo hace de forma automática: lee los campos de texto libre del registro, los interpreta con NLP (TF-IDF) y los clasifica con un modelo supervisado. Aquí comparamos seis modelos entrenados por el equipo lado a lado.
Los seis modelos en competencia
Métricas de validación cruzada (5-fold) sobre el mismo dataset y las mismas particiones — cada integrante con su propio enfoque de preprocesamiento. Meta del caso: Accuracy y F1 ≥ 85 %.
¿Qué hace el sistema con cada registro?
-
1
LecturaSe leen las filas del CSV del ERP
-
2
ConcatenaciónSe unen los 8 campos de texto en una descripción
-
3
Vectorización TF-IDFEl texto se convierte en un vector numérico
-
4
ClasificaciónEl modelo predice la partida y su confianza
-
5
PresupuestoSe deriva el presupuesto de la partida
Modelo a utilizar
Umbral de confianza (Human-in-the-Loop)
Las predicciones por debajo del umbral se marcan para revisión manual. (Regla de la presentación: < 80 %.)
Cargar CSV exportado del ERP
La Oficina de Publicaciones de la UE asigna a mano conceptos del tesauro EuroVoc a cada acto legislativo publicado en EUR-Lex. La pregunta de este caso es previa a cualquier automatización: ¿la organización temática de un corpus jurídico es recuperable a partir del texto, sin supervisión? Agrupamos 62 785 actos legislativos en español sin usar las etiquetas, y solo después las empleamos para medir cuánto se parece lo descubierto a la taxonomía experta.
Modelos comparados
Cada modelo combina una representación del texto y una familia de algoritmos distintas. Todos se evalúan con las mismas métricas sobre la misma muestra.
Cómo se evalúa un modelo sin respuestas correctas
No hay «precisión»: no existe una respuesta correcta contra la que contar aciertos. Se mide en tres planos, ninguno suficiente por separado.
Mapa del corpus
Cada punto es un acto legislativo, proyectado a dos dimensiones y coloreado según el grupo que le asignó el modelo. Haz clic en un grupo para ver qué lo caracteriza.