Integration and disambiguation techniques for semantic heterogeneity reduction on the web
Jorge Gracia · Dialnet (Universidad de la Rioja) · 2009
El principal objetivo de esta tesis es abordar los problemas causados por la heterogeneidad semantica que, de manera natural, se dan en la Web. Dichos problemas son: redundancia (o exceso de descripciones semanticas disponibles para representar el mismo significado) y ambiguedad (o existencia de muchos posibles significados asociados a la misma palabra). Abordando dichos problemas, presentamos una aproximacion para descubrir y representar, de manera no redundante, el significado intencionado de las palabras en aplicaciones web, teniendo en cuenta el contexto en que dichas palabras aparecen. Nos hemos centrado en contextos desestructurados, compuestos de grupos de palabras no unidas por frases bien formadas. Nuestro trabajo puede ayudar a superar el salto entre sintaxis y semantica que es necesario salvar en la construccion de la Web Semantica. La aproximacion presentada en esta tesis, que involucra novedosas tecnicas de mapeo entre ontologias (ontology matching), agrupamiento (clustering) y desambiguacion, esta profundamente enraizada en la habilidad de medir numericamente el grado de las relaciones semanticas entre entidades, lo que ha motivado nuestra investigacion en medidas semanticas para su uso en la Web Semantica. Las tecnicas que proponemos en esta tesis han sido ampliamente aplicadas tanto como aplicaciones independientes (como es el caso de nuestras herramientas de alineamiento entre ontologias y de desambiguacion) asi como dando soporte a otras aplicaciones semanticas externas. Nuestra investigacion esta en la misma linea que una nueva generacion de aplicaciones inteligentes que utilizan la Web Semantica como fuente de conocimiento. Las principales contribuciones pueden resumirse como sigue: - En esta tesis, hemos definido medidas adecuadas para calcular numericamente el grado de similitud y relacion (relatedness) semanticas entre diferentes entidades (terminos ontologicos, palabras, ...). Dichas medidas adaptan ideas de otros trabajos, si bien aportando interesantes innovaciones, como el uso de la Web como corpus en el calculo de medidas de relatedness. - Hemos ideado diferentes sistemas de mapeo entre ontologias basados en nuestro metodo de computar similitudes semanticas; asi como tecnicas para mejorar otros sistemas ya existentes de mapeo entre ontologias. - Mediante la reutilizacion de dichas tecnicas de mapeo entre ontologias, proponemos en esta tesis un metodo de agrupamiento de sentidos que reduce el problema de redundancia semantica anteriormente mencionado. Nuestro metodo agrupa los terminos ontologicos que uno puede encontrar en la Web Semantica, de acuerdo al significado que quieren representar, creando un conjunto de terminos inter-ontologicos con significados similares - Finalmente, se propone un metodo de desambiguacion de sentidos que afronta el problema de la ambiguedad semantica. Esta ideado para ser usado en contextos desestructurados, como etiquetas de folksonomias, palabras clave de consultas en buscadores, etc. en lugar de en textos y frases bien formados. Nuestro metodo hace uso de cualquier coleccion de ontologias como fuente de sentidos de palabras, usando en particular ontologias online de la Web Semantica. El uso combinado de todas esas tecnicas permite procesar cualquier palabra en la Web cuyo significado necesitemos descubrir (por ejemplo, para propositos de anotacion semantica, enriquecimiento de tags en folksonomias, etc.), devolviendo el conjunto de sus posibles significados expresados como terminos ontologicos concisos, e indicando cual de ellos es el mas probable. La validez de nuestra aproximacion ha sido respaldada por una serie de experimentos, utilizando pruebas de referencia cuando estaban disponibles o, en caso contrario, ideando casos de prueba adecuados. Todos nuestros resultados experimentales apuntan la viabilidad de nuestras tecnicas y su uso potencial para superar las limitaciones que impone la heterogeneidad inherente a la actual Web Semantica.