Automated paper clustering for conferences: A natural language processing approach

Abstract

Este proyecto presenta un sistema automatizado diseñado para mejorar la asignación de ponentes en las conferencias IECON, la Conferencia Internacional de Electrónica Industrial. Con el objetivo de elevar tanto la experiencia de los asistentes como la eficiencia para los organizadores, el sistema utiliza avanzadas técnicas de procesamiento del lenguaje natural y aprendizaje automático. Estas técnicas permiten agrupar a los ponentes según la similitud temática de sus investigaciones, fomentando así una mayor coherencia y fluidez en las sesiones conferenciales de este destacado evento internacional. Esto, a su vez, contribuye a una gestión más eficiente de los proyectos IECON en términos de asignación temática de ponentes. La metodología del sistema se basa en la extracción de características relevantes de las tesis de los ponentes, las cuales son utilizadas para entrenar un modelo de aprendizaje automático encargado de llevar a cabo la agrupación. La evaluación del modelo se ha realizado mediante comparaciones con métodos tradicionales de asignación de ponentes, asegurando la eficacia y superioridad del enfoque propuesto, específicamente en el contexto de las conferencias IECON.

This project introduces an automated system designed to enhance speaker allocation in IECON conferences, the International Conference on Industrial Electronics. With the aim of improving both attendee experience and efficiency for organizers, the system employs advanced natural language processing and machine learning techniques. These methods facilitate the grouping of speakers based on the thematic similarity of their research, fostering greater coherence and fluidity in the conference sessions of this prominent international event. This, in turn, contributes to more efficient management of IECON projects in terms of speaker thematic allocation. The system’s methodology relies on extracting relevant features from the papers of the speakers, which are used to train a machine learning model responsible for the grouping process. The model’s effectiveness has been evaluated through comparisons with traditional speaker allocation methods, ensuring the efficiency and superiority of the proposed approach, specifically within the context of IECON conferences.