Memorias de investigación
Tesis:
Arquitectura multicapa realimentada para el aprendizaje de ontologías desde fuentes heterogéneas de información y conocimiento
Año:2011

Áreas de investigación
  • Informática

Datos
Descripción
El trabajo contenido en esta tesis se centra en la automatización de la construcción de ontologías de dominio, lo que supone una pieza clave para el desarrollo de aplicaciones basadas en tecnologías semánticas. Aunque se han producido notables avances, aún existen determinadas carencias que requieren ser afrontadas mediante nuevos enfoques. Así, en esta tesis se propone una arquitectura multicapa realimentada que ofrece un marco integral y abierto que permite de forma flexible la construcción de ontologías o el enriquecimiento de las ya existentes. La arquitectura integra todos los elementos necesarios para la generación completa de una ontología, cubriendo desde el procesamiento de las fuentes hasta la consolidación del conocimiento finalmente propuesto minimizando la intervención de un usuario. Para la construcción de una ontología se propone la combinación de distintos recursos de información así como integrando diversos métodos que posibiliten la detección y extracción de nuevo conocimiento sobre el dominio de trabajo. Así, la utilización de un método híbrido que combina distintos paradigmas para el procesamiento de la información permite mejorar no sólo la precisión en la resolución de la tarea de adquirir nuevo conocimiento sino que mejora la exhaustividad con la que se realiza. Mediante la inclusión de un procedimiento de evaluación automática que compara los resultados obtenidos con una ontología de referencia para el dominio, se permite evaluar el rendimiento alcanzado por cada uno de los métodos. De esta forma, la arquitectura no sólo sirve para adquirir nuevo conocimiento sino también como marco de pruebas en el que comprobar el rendimiento de los métodos y técnicas disponibles para la construcción de ontologías de dominio. Finalmente, se ha propuesto también un método que permite entrenar el nivel de confianza estimado de cada uno de los métodos y recursos combinados a las particularidades concretas del dominio, permitiendo así no solo seleccionar los que ofrecen un mayor rendimiento sino también evaluar de forma más precisa la validez y relevancia del conocimiento que cada uno genera.
Internacional
No
ISBN
Tipo de Tesis
Doctoral
Calificación
Sobresaliente cum laude
Fecha
06/07/2011

Esta actividad pertenece a memorias de investigación

Participantes

Grupos de investigación, Departamentos, Centros e Institutos de I+D+i relacionados
  • Creador: Grupo de Investigación: Ontology Engineering Group
  • Departamento: Inteligencia Artificial