Arquitectura para la Creación y Enriquecimiento Automático de Ontologías a partir de Datos Enlazados

Autores/as

  • Ricardo José Dos Santos-Guillén Universidad de Los Andes
  • Eduard Gilberto Puerto-Cuadros Universidad Francisco de Paula Santander
  • Jose Lisandro Aguilar Universidad de Los Andes

DOI:

https://doi.org/10.61799/2216-0388.1213

Palabras clave:

Ontología Emergente, Arquitectura, Datos enlazados, Alineación, Servicio Web.

Resumen

En los ambientes inteligentes (p.ej. ciudades inteligentes) se presentan problemas muy diversos que deben ser atendidos inmediatamente, por lo tanto, estos ambientes deben generar conocimiento que les permitan responder a esas necesidades particulares, aprovechando la información del contexto (ej.: datos históricos, medición de sensores, descripción del problema, entre otras). Como propuesta para la generación oportuna de estas bases de conocimiento, en este trabajo se desarrolla una arquitectura que permite crear y enriquecer ontologías emergentes de forma autónoma, usando como insumo el paradigma de Datos Enlazados, que son estructuras de datos que se vinculan unos con otros para servir tanto a usuarios humanos como a otros sistemas dentro de la web semántica. En este trabajo se especifican los servicios que ofrecen la capacidad de generar ontologías emergentes según el problema que se presente, buscando aprender los distintos axiomas (conceptos o propiedades) de las estructuras que posean las fuentes de Datos Enlazados empleada. Luego, estas ontologías creadas son enriquecidas/pobladas con la información que se extraiga desde las distintas fuentes de datos enlazados, para ser devueltas al sistema solicitante de forma automática. Para el desarrollo de este trabajo se usa la metodología MEDAWEDE, que permite especificar esta arquitectura, y guiar la construcción de los servicios para consumir las fuentes descritas como datos enlazados. De dicha metodología se utilizan sus seis etapas: i. Especificación: para analizar y seleccionar las fuentes de datos ontológicas a usar. ii. Modelado: para implementar la base de datos ontológica del área de estudio de las ontologías a generar. iii. Generación: para realizar el proceso de transformación, filtrado e integración de los datos en la ontología generada. iv. Vinculación: para asociar los datos de la ontología generada con el conocimiento proveniente de los conjuntos de datos enlazados. v. Publicación: para poner a disposición la ontología generada en los distintos formatos estándares. vi. Explotación: esta etapa se considera porque está dedicada a definir interfaces para acceder a la ontología. Finalmente, el artículo presenta un caso de estudio enfocado en mostrar el proceso de generación de una ontología emergente en el área de la pandemia del Covid-19, donde se aprovecha la información disponible en la Internet a través de ontologías preexistentes y fuentes de datos enlazados.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

T. R. Gruber, N. Guarino y R. Poli, "Formal ontology in conceptual analysis and knowledge representation," capítulo "Towards principles for the design of ontologies used for knowledge sharing" en Conceptual Analysis and Knowledge Representation, 1993.

I. Osman, S. B. Yahia, and G. Diallo, "Ontology integration: approaches and challenging issues," Information Fusion, vol. 71, pp. 38-63, 2021.

A. González-Eras, R. Dos Santos, J. Aguilar, and A. Lopez, "Ontological engineering for the definition of a COVID-19 pandemic ontology," Informatics in Medicine Unlocked, vol. 28, 100816, 2022.

O. El Bacha, O. Jmad, Y. El Bouzekri El Idrissi y N. Hmina, “Exploiting Open Data to Improve the Business Intelligence & Business Discovery Experience”. no 27 In Proceedings of the 2nd international Conference on Big Data, Cloud and Applications, (New York), pp 1–

, March 2017.

A. Degbelo, "A snapshot of ontology evaluation criteria and strategies," in Proceedings of the 13th International Conference on Semantic Systems, septiembre de 2017, pp. 1-8.

N. Guarino (Ed.), Formal ontology in information systems: Proceedings of the first international conference (FOIS'98), June 6-8, Trento, Italy, vol. 46, IOS press, 1998.

N. Piedra, J. Chicaiza, E. Cadme y R. Guaya, "Una aproximación basada en Linked Data para la detección de potenciales redes de colaboración científica a partir de la anotación semántica de producción científica: Piloto aplicado con producción científica de investigadores ecuatorianos," Maskana, vol. 5, 2014.

T. Rodríguez, R. D. Santos y J. Aguilar, "Metodología para el desarrollo de aplicaciones Web utilizando datos enlazados," in Conferencia Nacional de Computación, Informática Y Sistemas (CoNCISa 2017), vol. 5, pp. 978-980, 2017.

O. Hartig y A. Langegger, "A database perspective on consuming linked data on the web," Datenbank-Spektrum, vol. 10, pp. 57-66, octubre de 2010.

D. Fensel y C. Bussler, "The web service modeling framework WSMF," Electronic Commerce Research and Applications, vol. 1, no. 2, pp. 113-137, 2002.

F. H. Vera-Rivera, E. Puerto, H. Astudillo y C. M. Gaona, "Microservices backlog–A genetic programming technique for identification and evaluation of microservices from user stories," IEEE Access, vol. 9, pp. 117178-117203, 2021.

B. Benatallah, F. Casati, and F. Toumani, "Analysis and Management of Web Service Protocols," in P. Atzeni, W. Chu, H. Lu, S. Zhou, and T. W. Ling (Eds.), Conceptual Modeling – ER 2004, vol. 3288, Lecture Notes in Computer Science, Springer, Berlin, Heidelberg.

M. Sánchez, J. Aguilar y E. Exposito, "Integración SOA-MAS en ambientes inteligentes," Dyna, vol. 85, no. 206, pp. 268-282, 2018.

A. Alba, A. Coden, A. L. Gentile, D. Gruhl, P. Ristoski y S. Welch, “Multi-lingual concept extraction with linked data and human-in-the-loop”, no 24 In Proceedings of the Knowledge Capture Conference, pp. 1-8, (New York), December 2017.

J. M. V. Carrero y E. Puerto, "GeoMotor: Design with nature. Recognition of geometries using a convolutional neural-network approach (CNN)," in ICGG 2020-Proceedings of the 19th International Conference on Geometry and Graphics, Springer International Publishing, 2021, pp. 916-919.

A. Dimou, T. De Nies, R. Verborgh, E. Mannens, P. Mechant y R. Van de Walle, "Automated metadata generation for Linked Data generation and publishing workflows," in Proceedings of LDOW2016, CEUR-WS.org, 2016, pp. 1-10.

S. Bischof, C. Martin, A. Polleres y P. Schneider, "Collecting, integrating, enriching and republishing open city data as linked data," in The Semantic Web-ISWC 2015: 14th International Semantic Web Conference, Bethlehem, PA, USA, October 11-15, 2015, Proceedings, Part II, vol. 14, pp. 57-75, Springer International Publishing.

M. Booshehri y P. Luksch, "Towards adding linked data to ontology learning layers," in Proceedings of the 16th International Conference on Information Integration and Web-based Applications & Services, diciembre de 2014, pp. 401-409.

L. Zhao y R. Ichise, "Ontology integration for linked data," Journal on Data Semantics, vol. 3, pp. 237-254, 2014.

R. Dos Santos, J. Aguilar, and E. Puerto, "A Meta-Learning Architecture based on Linked Data," in Proc. XLVII Latin American Computing Conference (CLEI), 2021.

Descargas

Publicado

2022-07-01

Cómo citar

Dos Santos-Guillén, R. J. ., Puerto-Cuadros, E. G. ., & Aguilar, J. L. . (2022). Arquitectura para la Creación y Enriquecimiento Automático de Ontologías a partir de Datos Enlazados. Mundo FESC, 12(24), 190–200. https://doi.org/10.61799/2216-0388.1213

Número

Sección

Articulos