Extracción de elementos de una ontología del dominio a partir de documentos tipo esquema

Abstract

RESUMEN: El presente trabajo, se sitúa en el campo del aprendizaje de ontologías (Ontology Learning), el cual investiga técnicas, automáticas o semiautomáticas, para la construcción de ontologías. Generalmente, la construcción de ellas, presenta dos tipos de problemas, uno de modelado y otro de representación. Este artículo, propone una técnica que aporta en la solución del primer tipo de problema. La técnica propuesta consiste en aplicar ciertas heurísticas, a un conjunto de documentos de tipo esquema XML relativos a un mismo dominio. La idea de la propuesta se funda en dos aspectos. El primero, es el hecho que XML es actualmente, el lenguaje más utilizado para intercambiar información en la Web. El segundo, es que las personas que generan los documentos esquema , utilizan términos del dominio para nombrar las etiquetas de sus documentos. Especialmente, cuando las organizaciones que utilizan dichos documentos, se rigen por un organismo de estandarización o normalización, se espera encontrar en ellos, importante información representativa del dominio.

ABSTRACT: This work is relevant to the field of Ontology Learning, which investigates automatic and semiautomatic techniques for the construction of ontologies. Generally, construction of ontologies has two types of problems, a modeling problem and a representation problem. This article proposes a technique that brings in the solution of the first type of problem. The proposed technique applies certain heuristics to a set of XML schema documents related to the same domain. The basic idea for the proposal is based on two aspects. The first is the fact that XML is currently the most widely used language for sharing information on the Web. The second is that people, who generate XML schema doc ments, use terms of the doma in to name tags on their documents. Especially, when the organizations that use those documents, are governed by a body of standardization and normalization, is expected to find in them important information representative of the domain.