El modelo de Asignación Latente de Dirichlet: fundamentos, tendencias y desafíos
DOI:
https://doi.org/10.22201/fesa.29928273e.2026.12.103Palabras clave:
Asignación Latente de Dirichlet, aprendizaje automático, modelo temático, Web of Knowledge, análisis bibliométrico.Resumen
El artículo presenta avances de investigación del marco teórico y estado del arte de un proyecto de tesis de maestría en ingeniería. Como parte de ese trabajo, se propone una herramienta libre y desarrollada en la nube, mediante la cual los usuarios, sin conocimientos técnicos ni de programación avanzados, puedan desarrollar proyectos de modelado temático mediante el algoritmo de Asignación Latente de Dirichlet (LDA, por su nombre en inglés). Para ello, se describen los fundamentos teóricos y se realiza un análisis bibliométrico con base en la información de 2 113 documentos publicados entre 2002 y 2024, recuperados de la plataforma Web of Knowledge, para identificar sus tendencias, aplicaciones y áreas de oportunidad. Uno de los hallazgos es el uso creciente del modelo LDA en diversas disciplinas, debido a su precisión y confiabilidad; pero también se identificaron áreas de oportunidad relevantes para implementarlo en los campos de las ciencias sociales y humanidades, en proyectos de investigación interdisciplinarios.
Citas
Aria, M., & Cuccurullo, C. (2017). bibliometrix: An R-tool for comprehensive science mapping analysis. Journal of Informetrics, 11(4), 959-975. https://doi.org/10.1016/J.JOI.2017.08.007
Asmussen, C. B., & Møller, C. (2019). Smart literature review: a practical topic modelling approach to exploratory literature review. Journal of Big Data, 6(1). https://doi.org/10.1186/s40537-019-0255-7
Barde, B. V., & Bainwad, A. M. (2017, 15-16 June). An overview of topic modeling methods and tools. 2017 International Conference on Intelligent Computing and Control Systems, ICICCS, Madurai, India, 745-750. https://doi.org/10.1109/ICCONS.2017.8250563
Biblioteca Digital UNAM. (2025, 20 de diciembre). Journal Citation Reports: Science Edition. Universidad Nacional Autónoma de México. https://www.bidi.unam.mx/index.php/colecciones-digitales/bases-de-datos/ver-todos-los-recursos/555-journal-citation-reports-science-edition-full
Blei, D. M., Ng, A. Y., & Edu, J. B. (2003). Latent Dirichlet Allocation Michael I. Jordan. In Journal of Machine Learning Research (Vol. 3).
Clarivate. (2025a). Detalle del artículo. https://support.clarivate.com/ScientificandAcademicResearch/s/article/Journal-Citation-Reports-Quartile-rankings-and-other-metrics?language=en_US
Clarivate. (2025b). Web of Science | Clarivate. https://clarivate.com/academia-government/scientific-and-academic-research/research-discovery-and-referencing/web-of-science/
Clarivate. (2025c). Web of Science: h-index information. https://support.clarivate.com/ScientificandAcademicResearch/s/article/Web-of-Science-h-index-information?language=en_US
Clarivate Analytics. (2025). Colección Principal de Web of Science. https://webofscience.help.clarivate.com/es-es/Content/wos-core-collection/wos-core-collection.htm
D’Amato, D., Droste, N., Allen, B., Kettunen, M., Lähtinen, K., Korhonen, J., Leskinen, P., Matthies, B. D., & Toppinen, A. (2017). Green, circular, bio economy: A comparative analysis of sustainability avenues. Journal of Cleaner Production, 168, 716-734. https://doi.org/10.1016/j.jclepro.2017.09.053
Dyer, T., Lang, M., & Stice-Lawrence, L. (2017). The evolution of 10-K textual disclosure: Evidence from Latent Dirichlet Allocation. Journal of Accounting and Economics, 64(2-3), 221-245. https://doi.org/10.1016/j.jacceco.2017.07.002
Guo, Y., Barnes, S. J., & Jia, Q. (2017). Mining meaning from online ratings and reviews: Tourist satisfaction analysis using latent Dirichlet allocation. Tourism Management, 59, 467-483. https://doi.org/10.1016/j.tourman.2016.09.009
Hirsch, J. E. (2005). An index to quantify an individual’s scientific research output. Proceedings of the National Academy of Sciences of the United States of America, 102(46), 16569-16572. https://doi.org/10.1073/PNAS.0507655102
Jelodar, H., Wang, Y., Yuan, C., Feng, X., Jiang, X., Li, Y., & Zhao, L. (2019). Latent Dirichlet Allocation (LDA) and topic modeling: models, applications, a survey. Multimedia Tools and Applications, 78(11), 15169-15211. https://doi.org/10.1007/s11042-018-6894-4
Lansley, G., & Longley, P. A. (2016). The geography of Twitter topics in London. Computers, Environment and Urban Systems, 58, 85-96. https://doi.org/10.1016/j.compenvurbsys.2016.04.002
Li, H. (2024). Latent Dirichlet Allocation. Machine Learning Methods, 439-471. https://doi.org/10.1007/978-981-99-3917-6_20
Moro, S., Cortez, P., & Rita, P. (2015). Business intelligence in banking: A literature analysis from 2002 to 2013 using text mining and latent Dirichlet allocation. Expert Systems with Applications, 42(3), 1314-1324. https://doi.org/10.1016/j.eswa.2014.09.024
Parra, M. (2021). Estudio bibliométrico en la base de datos Web of Science tendencias de producción bibliográfica en modalidades de educación virtual y educación a distancia durante el año 2019 [Tesis de maestría inédita]. Universidad La Salle, Bogotá. https://ciencia.lasalle.edu.co/maest_docencia
Qamar, U., & Raza, M. S. (2024). Introduction to Text Mining. Applied Text Mining, 3–24. https://doi.org/10.1007/978-3-031-51917-8_1
Serles, U., & Fensel, D. (2024). Natural Language Processing. An Introduction to Knowledge Graphs, 55-61. https://doi.org/10.1007/978-3-031-45256-7_6
Taecharungroj, V., & Mathayomchan, B. (2019). Analysing TripAdvisor reviews of tourist attractions in Phuket, Thailand. Tourism Management, 75, 550-568. https://doi.org/10.1016/j.tourman.2019.06.020
Xue, J., Chen, J., Chen, C., Zheng, C., Li, S., & Zhu, T. (2020). Public discourse and sentiment during the COVID 19 pandemic: Using Latent Dirichlet Allocation for topic modeling on Twitter. PLoS ONE, 15(9). https://doi.org/10.1371/journal.pone.0239441
Zong, C., Xia, R., & Zhang, J. (2021). Text Data Mining. Text Data Mining, 1-351. https://doi.org/10.1007/978-981-16-0100-2/COVER
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Universidad Nacional Autónoma de México
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
