El almacenamiento de contenido en nuestro computador es ineficaz. Frente al problema de encontrar un cierto contenido en el disco duro estamos obligados a recordar nombres de archivos, extensiones y carpetas, los cuales distan mucho de reflejar el verdadero contenido que hay en cada uno de ellos. Una indexación efectiva no solo debe permitir el uso de metadatos altamente específicos al tipo de contenido que se está almacenando, sino también reducir la ambigüedad de conceptos y explicitar las relaciones entre los elementos indexados. En esta memoria de título se propone un sistema de indexación semántica de archivos basado en RDF, aprovechando la flexibilidad de esta forma de representación de metadatos para construir un índice colaborativo de acceso público. Cada archivo es indexado mediante un identificador que se construye a partir de una función de hashing sobre él mismo, el cual es a la vez la URL donde se despliegan la información del contenido y sus relaciones con otros archivos. Se le da especial énfasis a la accesibilidad de la información, contando con interfaces de usuario gráficas así como programáticas para el despliegue y captura de datos. Durante el desarrollo de esta memoria se encontraron muchos obstáculos, los cuales radican principalmente en la baja adopción de tecnologíias de la Web Semántica sobre las cuales se basa el prototipo implementado. De igual importancia que el sistema de indexación antes mencionado, son los documentos y las herramientas que se desarrollaron en el camino para superar estas dificultades. Se buscó ampliamente que el proyecto realizado sirva como una instancia educativa, no solo para el autor de esta memoria de título, sino para todos quienes se interesen en estas áreas de desarrollo. Todas las herramientas desarrolladas se liberaron de forma abierta bajo licencia MIT.

En la actualidad, la World Wide Web es una de las fuentes principales de información, siendo un espacio que se encuentra en constante crecimiento, puesto que cada vez mas personas cuentan con acceso a internet. Sin embargo, esto genera múltiples problemas entre los que podemos mencionar como la duplicidad de información, que dificulta la búsqueda de información relevante a los usuarios, quienes utilizan herramientas como motores de búsqueda para esta tarea. Ante esta situación surgió la Web Semántica, extensión de la Web tradicional, en donde la información es comprensible tanto para las personas como para las máquinas. Para publicar información en este espacio existen un conjunto de prácticas conocido como Linked Data, que permiten que la información se estructure según su significado y relación entre los datos que la componen, lo que facilita la labor de búsqueda y permite el descubrimiento de nueva información, generando valor a usuarios como investigadores, que constantemente se encuentran en búsqueda de conocimientos. Toda la información en constante crecimiento contenida en la Web Semántica puede ser accedida simplemente mediante navegadores convencionales; sin embargo, esta se encuentra en su mayoría en formato RDF, por lo que el usuario común no podrá comprender su contenido. Para que la información pueda ser de utilidad, se necesitan conocimientos en conceptos como RDF y XML, lo que limita gran parte del potencial actual de la Web Semántica a los especialistas en dicha área. El presente proyecto implementa un navegador de Linked Data, mediante el cual los usuarios pueden consultar información en el dominio de las ciencias de la computación, dicha información es obtenida de la Web Semántica, permitiendo el descubrimiento de información relevante, contribuyendo así a la expansión de dicha tecnología, que busca unificar y estructurar toda la información contenida en la web. Para la elaboración del proyecto, se implementó un módulo de procesamiento de consultas, en donde el usuario ingresa una cadena de búsqueda, al igual que en un motor de búsqueda tradicional y mediante esta cadena se obtienen posibles propiedades, que son enviadas a manera de consultas en lenguaje SPARQL, a partir de cuyos resultados se construyen estructuras RDFs que muestran los conceptos y la información presentada en una interfaz gráfica para que el usuario pueda visualizarla y navegar a través de dichos conceptos, permitiendo el descubrimiento de información relevante. / Tesis

When we look at the amount of resources to convert formats to other formats, that is to say, to make information systems useful, it is the time when we realise that our communication model is inefficient. The transformation of information, as well as the transformation of energy, remains inefficient for the efficiency of the converters. In this work, we propose a new way to ``convert'' information, we propose a mapping algorithm of semantic information based on the context of the information in order to redefine the framework where this paradigm merges with multiple techniques. Our main goal is to offer a new view where we can make further progress and, ultimately, streamline and minimize the communication chain in integration process

En este trabajo se presenta una metodología basada en tecnologías de representación, anotación y procesamiento semántico para la evaluación de preguntas abiertas o desarrollo en e-learning. Dicha metodología se fundamenta en la anotación semántica de los cursos, de las preguntas esperadas, y de las respuestas dadas a estas preguntas. Para ello, se emplean técnicas estándar de anotación semántica, y una metodología que evalúa el conocimiento que se almacena, para dar las calificaciones de las respuestas. La metodología fue evaluada en cursos reales y en modalidades de enseñanza diferentes, obteniendo resultados evaluados de forma satisfactoria con el empleo de métodos estadísticos. Además, se ha implementado la plataforma OeLE, que automatiza el empleo de la metodología. / In this work, a methodology based on knowledge representation, semantic annotation and processing for the assessment of open questions in eLearning is presented. This methodology is based on the semantic annotation of courses, expected answers to the questions and the students' answers to such questions. For this purpose, standard semantic annotation techniques are used, as well as a methodology that evaluates the knowledge stored for marking the answers. This methodology has been validated in real settings in both traditional and eLearning courses by using the OeLE platform, which implements it. The results were statistically analyzed, which satisfactory conclusions were obtained.

Doctor en Ciencias, Mención Computación / El actual diluvio de datos está inundando la Web con grandes volúmenes de datos representados en RDF, dando lugar a la denominada Web de Datos. En la actualidad, se publican datos abiertos e interrelacionados sobre bioinformática, geografía o sobre redes sociales, entre otros, que forman parte de proyectos tan activos como Linked Open Data. Varias áreas de investigación han emergido de este diluvio; indexación y consulta de RDF (típicamente mediante el lenguaje SPARQL), razonamiento, esquemas de publicación, alineamiento de ontologías, visualización de RDF, etc. Los tópicos de la Web Semántica relacionados con RDF son, de hecho, trending topics en casi cualquier conferencia informática. Sin embargo, podemos discernir tres importantes hechos del actual estado del arte: i) se han realizado aplicaciones e investigaciones apoyándose en datos RDF, pero aún no se ha realizado un trabajo que permita entender la esencia de este modelo de datos, ii) las representaciones clásicas de RDF continúan influenciadas por la visión tradicional de la Web basada en documentos, lo que resulta en sintaxis verbosas, redundantes y, aún, centradas en humanos. Ello conlleva iii) publicaciones pobres y difusas, procesamientos complejos e ineficientes y una falta de escalabilidad para poder desarrollar la Web de Datos en toda su extensión. En esta tesis proponemos, en primer lugar, un estudio profundo de aquellos retos que nos permitan abordar un conocimiento global de la estructura real de los conjuntos de datos RDF. Dicho estudio puede avanzar en la consecución de mejores diseños de conjuntos de datos y mejores y más eficientes estructuras de datos, índices y compresores de RDF. Posteriormente, presentamos nuestra representación binaria de RDF, HDT, que afronta la representación eficiente de grandes volúmenes de datos RDF a través de estructuras optimizadas para su almacenamiento y transmisión en red. HDT representa eficazmente un conjunto de datos RDF a través de su división en tres componentes: La cabecera (Header), el diccionario (Dictionary) y la estructura de sentencias RDF (Triples). A continuación, nos centramos en proveer estructuras eficientes tanto para el diccionario como para dicha estructura de sentencias, ya que forman parte de HDT pero también de la mayoría de aplicaciones sobre grandes volúmenes de datos RDF. Para ello, estudiamos y proponemos nuevas técnicas que permiten disponer de diccionarios e índices de sentencias RDF comprimidos, a la par que altamente funcionales. Por último, planteamos una configuración compacta para explorar y consultar conjuntos de datos codificados en HDT. Esta estructura mantiene la naturaleza compacta de la representación permitiendo el acceso directo a cualquier dato.

Este trabajo aporta lineamientos para la publicación de cuadros de mando para la evaluación del uso de bibliotecas digitales en la Web semántica. Actualmente los indicadores publicados de los cuadros de mando no permiten su reuso y fácil combinación con otros indicadores para tomar mejores decisiones por lo que este trabajo contribuye a resolver este problema. Esta tesis comprende un estudio de tecnologías de datos enlazados y sus aplicaciones, los usos actuales en bibliotecas digitales, la elaboración de propuestas de arquitecturas técnicas y procedimientos de generación y publicación de cuadros de mando y metadatos de registros bibliográficos en la Web semántica. En forma complementaria se analizaron también características especiales a considerarse en los modelos de datos para encadenamientos de información como son el versionado de documentos legislativos y metadatos de preservación digital. Los resultados de las investigaciones han sido probados con metadatos de un tipo de biblioteca digital, una revista científica digital de acceso abierto incluyendo nuevas funcionalidades y sin afectar las estructuras ya existentes. La tesis se presenta como un compendio de publicaciones en congresos y revistas indizadas.

La tesis tiene por objeto el diseño de un apartado de información biográfica de una biblioteca digital interoperable, VESTIGIUM. Para ello, se ha estudiado en profundidad la normativa, tecnología y proyectos actuales que tratan sobre información de personas, lo que denominamos información biográfica o de autoridades. Se plantea el estado actual del control de autoridades personales, desde las primeras conceptualizaciones, en el siglo XIX, y los escenarios habituales en los que aparece este tipo de información: bibliotecas, archivos y museos (LAM, Libraries, Archives and Museums). Se tratan, a continuación, los aspectos actuales del nuevo universo en el que operan estas entidades abstractas, ya que en el mundo web pueden aparecer en múltiples entornos de uso. Es por este motivo, por lo que resulta complejo su estudio y limitación, visto que en cada contexto y utilización, las autoridades son tratadas de diferentes formas. El método de trabajo incluye tanto técnicas de revisión bibliográfica, como trabajo de campo para la localización de sistemas de información que utilizan control de autoridades de personas en internet y casos de uso linked data (en adelante LD). La creación del marco normativo en materia de información de autoridades personales en el área de archivos –Norma Internacional sobre los Registros de Autoridad de Archivos relativos a Instituciones, Personas y Familias (ISAAR (CPF)) y Encoded Archival Context - Corporate Bodies, Persons and Families (EAC-CPF)-, bibliotecas y documentación -Requisitos Funcionales de los Datos de Autoridad (FRAD), Directrices para Registros de Autoridad y Referencias (GARR), MARC 21 Conciso para Datos de Autoridad, Resource Description and Access (RDA), MARCXML, Metadata Authorities Description Schema (MADS)-, y en el mundo de la aplicación de recomendaciones de metadatos del World Wide Web Consortium (W3C) -Dublin Core Metadata Iniciative (DCMI), Resource Description Framework (RDF), Friend to Friend (FOAF), RELATIONSHIP, y BIO- nos ha permitido crear un prototipo que actúa como germen para la interoperabilidad de datos biográficos, asegurando la visibilidad a escala internacional. Asimismo, los formatos de exportación propuestos según las normas y estándares de aplicación, facilitan el intercambio de información, teniendo en cuenta que el uso de tecnologías de la web semántica permite integrar información procedente de varios sistemas. El modelo de datos propuesto en la tabla autor, con información biográfica contextualizada, cumple con los cuatro principios básicos, definidos por Berners Lee para la publicación de LD. Los beneficios de utilizar la normativa semántica en la tabla son mejorar el proceso de obtención de enlaces entre entidades semánticamente similares o relacionadas, así como de vocabularios de valores, y conjuntos de elementos de metadatos o conjuntos de datos, que provienen de diferentes fuentes y, a su vez, difunden este tipo de datos. / Garzón Farinós, MF. (2015). El registro de autoridades personales tras la aparición del web [Tesis doctoral]. Editorial Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/46972 / TESIS / Premios Extraordinarios de tesis doctorales

Actualmente, Internet es una de las fuentes más accesibles y utilizadas para buscar información sobre determinado tema, a través de la cual las personas pueden conectarse a una gran colección de recursos, servicios y contenidos. En ese sentido, el uso de motores de búsqueda es indispensable para poder encontrar contenido específico y relevante para el usuario, es decir, información precisa y alineada con el tema de su interés. Sin embargo, los buscadores pueden presentar dificultades para brindar al usuario la información deseada. Estas dificultades se presentan por motivos tales como las características propias del lenguaje natural como la polisemia, sinonimia y ambigüedad; así, también, por el desconocimiento de los temas que son de interés para el usuario. Otra de las causas que dificultan la recuperación de información relevante es que la búsqueda de resultados se realiza de manera sintáctica, esto es, buscando en los documentos la coincidencia exacta de los términos ingresados en la cadena de búsqueda. Del mismo modo, otra razón importante es que los formatos e interfaces de contenido se presentan en formatos comprensibles solo por las personas y no por un computador. Ante esto, el presente proyecto propone una alternativa de solución de forma tal que los documentos contengan información adicional que describa los conceptos y entidades principales del contenido. Esta información adicional se añadirá de manera automática a los documentos mediante anotaciones semánticas en base a un dominio de conocimiento que sea de interés para el usuario. De esta manera, se pretende apoyar el concepto de Web semántica cuya propuesta es clasificar, estructurar y anotar los recursos con semántica explícita para que puedan ser procesados por sistemas inteligentes.

Gracias a la World Wide Web la idea de información compartida alrededor del mundo es común para todos, la información es ingresada desde diferentes fuentes para que todos puedan verla y usarla. Una Smart Web o Semantic Web tiene como objetivo estructurar los contenidos de forma tal que todo esté relacionado y por lo tanto, presente información consistente. Para ello, se requieren de estructuras que puedan ser accesadas por computadoras y contengan reglas de inferencia para un razonamiento automático. Una de estas estructuras es la ontología. Una ontología busca conceptualizar el conocimiento de un dominio específico valiéndose de representaciones. Como primer paso para construir una ontología, se debe obtener una taxonomía. Una taxonomía es una clasificación de entidades de información a manera de jerarquías. Las taxonomías ofrecen diversas ventajas como clasificar de la información, realizar búsquedas de manera más eficaz y navegar entre muchos conceptos, sin embargo, requieren mucho esfuerzo para ser construidas a mano. Para poder construir una taxonomía en base a un grupo de documentos, primero se debe extraer los conceptos más relevantes presentes en dichos textos. Luego, se debe deducir la jerarquía se convertirá en la taxonomía. Para extraer los conceptos más relevantes de un grupo de documentos, el método CFinder ha probado ser muy útil y dar buenos resultados. El objetivo del CFinder es que sea usado para la construcción de ontologías u otro tipo de estructura que requiera una fase de extracción de conceptos clave. No obstante, no se ha integrado con un método que permita estructurar la jerarquía entre los conceptos extraídos. En este proyecto se busca complementar el método CFinder con una fase para la deducción de jerarquías entre los conceptos extraídos y la construcción de una taxonomía, de esta manera, se está brindando una nueva opción para la construcción automática de taxonomías. Para ello, se realiza la implementación de una herramienta para la construcción automática de una taxonomía de un dominio que haga uso del método CFinder. El proyecto inicia con la implementación de un módulo que permite la extracción de conceptos clave de un conjunto de documentos usando el método CFinder. Luego, se procede a implementar un módulo que permita extraer una taxonomía usando los conceptos clave extraídos. Finalmente, se realizan las pruebas necesarias para medir la eficacia del método implementado y, con los resultados obtenidos, se concluye que se alcanzó el objetivo principal del proyecto.

Con el continuo crecimiento de la subida de archivos multimedia a la Web, páginas conocidas como Youtube. Vimeo, entre otras; han estado realizando el continuo mejoramiento de sus Sistemas de Recuperación. De esta manera la cantidad de videos relevantes para el usuario no se verá afectada en la respuesta dada a este. Otros factores como el tipo de búsqueda (Sintáctica) realizada por estas páginas Web conforman esta problemática. Por esta razón, la solución que se plantea viene en base a la búsqueda Semántica, dado que al ser una búsqueda orientada a las relaciones entre conceptos se espera una mayor eficiencia que la obtenida por la búsqueda Sintáctica la cual se basa en que las palabras usadas en la búsqueda sean las mismas que se colocaron como etiquetas al archivo multimedia. Para llevar a cabo esta solución se realizó primero la Ontología, la cual posee los conocimientos que necesita la máquina acerca del dominio que ente caso son las Artes Marciales Mixtas. Para esto se debe tener un gran conocimiento del deporte, para reunir y relacionar los conceptos que lo conforman. Luego, se planificó como iba a actuar la herramienta, dado que hay varias opciones que se pueden realizar, con lo cual se decidió que el proceso comenzaría con un usuario haciendo una búsqueda textual, la cual nos permitirá conocer a que concepto del dominio pertenece y así a través de las relaciones de la Ontología encontrar otros conceptos relevantes; para luego consultarle a la base de datos cuales son los videos enlazados a estos conceptos. Al tener ya el proceso de funcionamiento, se realizaron tanto la base de datos que contendría en cada fila el URL de un video y la URI de un concepto (individuo) de la Ontología; de esta manera, se sabe qué contiene cada video. Para saber exactamente si mostraba todo el contenido del concepto se usaron flags. Finalmente se realizó el algoritmo que permite la búsqueda Semántica y se realizaron inferencias para búsquedas más específicas en el dominio. Teniendo la herramienta finalizada se realizaron pruebas de eficiencia usando 50 videos para lo cual se hallaron tanto la precisión como el recall de la herramienta al realizarse diversas consultas. Para esto se realizaron varias consultas para abarcar la mayoría de conceptos del domino y de esta manera tener resultados más confiable.