reflexiones sobre la Web Semántica y Linked Data

Congreso #iwinac2011 en La Palma

2011-06-03T14:25:00.002+02:00

Ayer, 2 de junio, estuve en el congreso IWINAC 2011 y tuve la oportunidad de hablar y reflexionar sobre Linked Data. La ponencia se titula “Proposal for extending new Linked Data rules for the Semantic Web”.

En esta ocasión he intentado que la presentación sea algo más que una guía, para que quien no estuvo en el congreso pueda seguir la exposición sólo con la presentación. Espero haberlo conseguido. En cualquier caso, podéis plantearme dudas en esta entrada. Para acceder a una versión en español en esta URL:

http://www.slideshare.net/lcriadof/proposal-for-extending-new-linked-data-rules-for-the-semantic-web

sobre Linked Data

2011-01-30T10:07:00.004+01:00

Mucho han mejorado las cosas desde aquellas entradas del 2008 en este blog en relación con los buscadores semánticos:

• Situación de los buscadores semánticos a principios del 2008

• Buscadores semánticos a finales del 2008

En junio del 2009, antes de terminar mi tesis, participe en el congreso IWINAC (International Work-conference on the Interplay between Natural and Artificial Computation), en el que decía, que para plantear la búsqueda semántica necesitábamos antes disponer de suficiente masa crítica, suficientes anotaciones. Es decir, de datos semánticos sobre los cuales buscar. Por eso no funcionaban bien los buscadores semánticos. No basta con utilizar en el buscador sólo procesado de lenguaje natural (PLN). Desde mi punto tanto PLN como datos formalmente representados (datos semánticos, anotación semántica) son imprescindibles para que un buscador semántico sea realmente competitivo.

Afortunadamente el concepto de enlazado de datos (Linked Data) ha impulsado muchísimo la construcción de estos datos semánticos. Tim, acuño el término en el 2006. El proyecto Linked Data cada vez atrae a más gente que enlaza sus datos semánticos, y creo yo, que hoy, ya no se puede decir lo que decía. Ahora hay masa crítica, por lo menos para empezar a plantear prototipos que mejoren los buscadores tradicionales en algunos ámbitos de conocimiento.

Pero, ¿que es esto del Linked Data?, ¿cómo se relaciona con el concepto de Web Semántica?. Bueno la Web Semántica es una extensión de la web actual, que incorpora “significado” para los sistemas informáticos. De forma que Linked Data es una propuesta para ayudar a construir la Web Semántica. Básicamente viene a decir que las anotaciones semánticas de nuestros contenidos no es suficiente para construir la Web Semántica, hace falta, según Tim, establecer enlaces entre estos datos, al igual que en la web tradicional. De forma que el señor Berners-Lee establecio cuatro reglas:

1. Utiliza URIs como nombres para objetos

2. Utiliza URIs HTTP para que las personas pueda buscar esos nombres.

3. Cuando alguien busque un URI, proporciona información útil, utilizando las normas (RDF*, SPARQL)

4. Incluye enlaces a otras URI. para que pueden descubrir más cosas.

La primera regla, identificar cosas con URIs y la segunda regla, utilizar URIs HTTP, ambas son cuestiones muy conocidas en la Web Semántica.

La tercera regla, dice que se debe proporcionar información semántica en la web contra un URI. Esto en realidad se refiera a datos semánticos formalizados mediante ontologías RDF, RDFS y OWL incluyendo las relaciones entre los términos de la ontología. Estamos hablando de ontologías, de anotaciones semánticas, pero también, en esta regla se habla de la explotación de datos semánticos, ya que se incluye SPARQL.

La cuarta regla es la que da nombre al conjunto, es realmente el enlazado de datos.

Para entender como se hace el enlazado de datos, Tim utiliza un ejemplo muy fácil de entender que puedes encontrar en el epígrafe “Basic web look-up” de esta URL:

http://www.w3.org/DesignIssues/LinkedData.html

Empresas y la tecnología semántica

2010-12-21T09:41:00.001+01:00

Acabo de enterarme de una interesante iniciativa del Instituto de Tecnología Semántica de Innsbruck (STI Innsbruck) que pretende confeccionar una lista de empresas que operan con tecnología semántica.

Lógicamente el listado aún está incompleto, de forma que se ha pedido ayuda en la lista de correo especializada en Web Semántica de la W3C. Si se desea añadir o completar información hay que dirigirse a Dieter Fensel (dieter.fensel@sti2.at)

Puede verse el primer borrador en la siguiente URL:
http://semantic-technology-companies.sti2.at/

Siguiendo a NELL

2010-11-03T22:27:00.003+01:00

Hace unos días, leía con atención una reseña que se publicaba en la red social gnoss, en relación con una interesante entrada de ontoblogia, en ella se hablaba, entre otras cosas de un sistema llamado NELL (Never-Ending Language Learner) que está continuamente aprendiendo del contenido que lee de la Web. Esto despertó muchísimo mi interés, de manera que lo investigue un poco, fui a su web y me quede impresionado al comprobar que podía seguir la evolución de NELL a través de twitter.

NELL esta trabajando sin parar desde el enero de 2010, y según su web oficial, en octubre del 2010 cuenta con 440,000 entradas entre conceptos y relaciones. Pero continua aprendiendo…

Cada vez que NELL clasifica un concepto, envía un mensaje en twitter del estilo:

I think "Beijing Capital Airport" is an #Airport (http://bit.ly/9aSDDR)

Nunca pensé que desde mi cuenta de twitter seguiría a un no humano, pero comprueba que es una forma estupenda de monitorizar el progreso y evolución de un sistema.

NELL va construyendo su propia jerarquía de conocimiento distinguiendo entre categorías y relaciones, podéis verlo en este enlace.

Llamada de capítulos para Libros en relación con la Web Semántica

2010-10-24T14:46:00.002+02:00

Actualmente se estan preparando varios libros en relación con la WEB SEMÁNTICA, es posible participar en un capítulo:

Facebook camina firme hacia la Web Semántica

2010-08-17T16:13:00.002+02:00

Desde hace unos pocos meses se viene hablando del interés de Facebook por adoptar tecnologías de la Web Semántica. De hecho, el pasado 10 de junio, tanto el Jefe de Actividades de Web Semántica del W3C, Ivan Herman, como el líder del Grupo de Interés de eGobierno, Sandro Hawke se mostraban satisfechos con Facebook por trabajar en esta dirección.

Pero hoy, aparece una noticia que materializa esta inquietud. Facebook ha comprado “Chai Labs” por unos 7,8 millones de euros (10 millones de dólares)

Chai Labs es una empresa dedicada a la Web Semántica. Al parecer, por lo que he podido averiguar, Chai Labs ha desarrollado una plataforma de búsqueda semántica, entendiendo por “plataforma de búsqueda semántica”; el propio buscador semántico, una araña propia (software que recorre el entramado de páginas web de forma automática y sistemática) y además un sistema de análisis y extracción de información. Esto último no lo explican en su Web, no se si esta información que se analiza es información en lenguaje natural que después será etiquetada formalmente o si este sistema requiere que la fuente ya este expresada formalmente en RDF u OWL.

Para finalizar, hay que decir que facebook no es la primera red social que adopta técnicas de la Web Semántica. Sin ir más lejos, en España tenemos la red social “gnoss” basada en técnicas de la Web Semántica. Es una red social orientada a comunidades, desde mi punto de vista, esta orientación en comunidades especializadas facilita el intercambio de información de calidad, pero este post no es sobre gnoss….

Repositorio semántico AllegroGraph RDFStore ver. 4.0

2010-08-16T19:16:00.001+02:00

AllegroGraph RDFStore is a modern, high-performance, persistent RDF graph database. AllegroGraph uses disk-based storage, enabling it to scale to billions of triples while maintaining superior performance. AllegroGraph supports SPARQL, RDFS++, and Prolog reasoning from numerous client applications.

There is also a free version, but this free version of AllegroGraph RDFStore Server Edition is limited by a 50 million triples maximum.

Semantic MediaWiki

2010-08-12T15:08:00.000+02:00

Leyendo la última entrada del blog de Juan Sequera, he dado con SMW (Semantic MediaWiki), una extensión de la popular MediaWiki que ya ofrece soporte de RDF/OWL. Me parece realmente interesante.

En el menú de la izquierda, tienen una opción, para que una vez que descargues la SMW y la uses puedas registrarla en su sistema. La opción es “Register your wiki”. Me entristece comprobar que entre todas las wikis registradas no figura ninguna en castellano. Se que hay mucha gente en la comunidad de hispanohablantes interesada en la Web Semántica. Tal vez, deberíamos organizarnos y crear la primera wiki semántica (SMW) en castellano….

Gestionando noticias RSS con RSSOwl

2010-08-10T18:31:00.004+02:00

Cuanto más crece la información más cuesta centrarse en encontrar lo que uno verdaderamente necesita. Podemos por ejemplo, ir a un buscador y encontraremos cientos de referencias, pero cada vez más, debido al volumen que ya tiene la Web, los enlaces estarán poco dirigidos al asunto que nos preocupa. De manera que el usuario tiene que dedicar tiempo a filtrar entre cientos de enlaces la información que busca.

Conocida es la solución que aporta la llamada Web Semántica (mediante ontologías) a este problema. Sin embargo, aún queda tiempo para que se convierta en una realidad. En este camino hacia la Web Semántica, se ha desarrollado varios estándares como son RDF, OWL y SPARQL. Sobre RDF se desarrollaron varios vocabularios. Uno de los más populares y que se usa de verdad es RSS que permite la catalogación de información (noticias y eventos) de tal manera que sea posible encontrar información precisa adaptada a las preferencias de los usuarios. Los archivos RSS tienen como objetivo principal notificar de forma automática cualquier cambio que se realice a los usuarios suscritos. Un ejemplo de canal de noticias de RSS se puede encontrar en las Noticias de la Oficina Española del W3C como canal RSS.

El uso de canales RSS ahorra mucho tiempo, al menos para detectar las novedades diarias. Para gestionar los canales RSS que a uno le puede interesar conviene utilizar una herramienta para este fin.

Actualmente estoy utilizando “RSSOwl”, que dicho sea de paso, así lo explican en su web, no tiene nada que ver con OWL. La aparición del término “OWL” en el nombre de la herramienta obedece a que en inglés significa “búho”, animal que se asocia a la sabiduría, al conocimiento e incluso a la buena suerte.

La herramienta RSSOwl es muy fácil de utilizar. El entorno recuerda a los programas de correo electrónico, donde uno trata cada noticia como un mensaje. Podemos conservar, marcar o borrar.

RSSOwl es de código abierto (sourceforge). A mi me parece excelente!!!

Repositorio semántico SwiftOWLIM 3.3.

2010-07-30T12:33:00.003+02:00

Ontotext presenta la versión 3.3 de SwiftOWLIM, según dicen ellos, es el repositorio semántico más rápido del mundo (habrá que verlo!!), esta versión puede instalarse en un ordenador domestico y puede manejar hasta 10 millones de declaraciones. Sin embargo, incorpora el resto de funcionalidades de la versión 3.3 de BigOWLIM.

1000 descargas del procedimiento semi-automático para transformar la web en web semántica

2010-07-27T09:28:00.004+02:00

Hola a todos,

Hoy escribo para dar las gracias a todas aquellas personas que se han interesado por mi trabajo. Acabo de ver que son justamente 1000 las descargas del “Procedimiento semi-automático para transformar la web en web semántica”, registrado desde que el 27 noviembre del 2009 la UNED publicó mi tesis en Internet.

Consciente de que este interés, en realidad, no es por la tesis en si, ni por mí, ya que soy absolutamente desconocido y con suerte, un día de los buenos, recibo 7 u 8 visitas en este blog. Interpreto que hay mucha gente ávida de interés y con ganas de aprender todo lo posible en este campo emergente de la ciencia que es la Web Semántica.

Muchas gracias a Hispanoamérica (259 descargas) y a España (486 descargas). Pero también quiero dar las gracias a esas 255 descargas restantes que se han realizado en países donde el castellano es desconocido.

----
NOTA:
Si alguien ve esta entrada y ve el enlace, tiene que sumar a las descargas que encuentre las anteriores a 2011. Resulta que por un fallo informático, la UNED perdió el detalle anterior a febrero del 2011. Afortunadamente tenia un registro hasta diciembre del 2010. Así que solo me falta un mes.

En total hasta diciembre del 2010 hubo 1520 descargas, se puede ver aquí:

http://93.90.22.208/descarga/doctorado/descargasTesisDetalle.pdf

Standard Upper Ontology Working Group (SUO WG)

2010-07-05T13:08:00.000+02:00

El grupo de trabajo SUO está desarrollando un estándar que especifica una ontología superior de apoyo a las aplicaciones informáticas tales como la interoperabilidad de datos, búsqueda y recuperación de información, inferencia automatizada y el procesamiento del lenguaje natural.

Consultas SPARQL sobre un almacen de datos con Jena/SDB

2010-06-29T13:59:00.002+02:00

Pongo enlace de una entrada de Patxi Echarte (de EsLoMas.com), que aunque es del 2009, me ha parecido útil

Datos Vinculados en el sector de la Agricultura (wurvoc)

2010-06-13T13:29:00.002+02:00

Acabo de encontrar una Web que persigue este objetivo. Wurvoc está dedicado a compartir datos vinculados en el dominio de la agricultura.

En la actualidad "wurvoc.org" ofrece vocabularios sobre alimentos, bebidas y productos lácteos. La relación actual de ontologías es la siguiente:

• Dairy
The Dairy ontology contains a hierarchy of types of dairy products and provides general information about these products.
• Food Additives
This vocabulary describes the domain of food additives. Food additives are substances added to food to improve the flavour, taste, shelf-life, stability et cetera of the food product. Food additives that are approved by EFSA, the European Food Safety Authority are labelled with an E-number. A food additive may have more than one purpose.
• Drinks
The Drinks ontology contains a classification hierarchy of various types of beverages.
• Ontology of units of Measure (OM) - MC variant
The Ontology of units of Measure and related concepts (OM) models concepts and relations important to scientific research. It has a strong focus on units and quantities, measurements, and dimensions. The MC variant (MC stands for Metrological Concept) is an alternative modeling variant for OM: each Quantity has a property "Metrological Concept".
• wurvoc vocabulary annotations
wurvoc vocabulary annotations: various properties for annotating the vocabularies published at the wurvoc platform.

"Who Went Where" para "The New York Times"

2010-06-09T08:45:00.001+02:00

La aplicación "Who Went Where" es un prototipo de consumo de datos vinculados, datos semánticos (Linked Data) para The New York Times. Por el momento no va muy fino, pero merece la pena dedicar un poco de tiempo y sobre todo estudiar el código fuente.

Curso de verano sobre la Web Semántica

2010-05-25T08:25:00.005+02:00

TITULO DEL CURSO: Inteligencia Artificial en la Web

Guadalajara, del miércoles 28/07/10 al viernes 30/07/10

Departamento de INTELIGENCIA ARTIFICIAL, ESCUELA TÉC. SUP. DE INGENIERÍA INFORMÁTICA

El curso pretende acercar al alumno, no necesariamente experto en tecnologías de la Web, al estado de la cuestión en la nueva concepción de la Web como un recurso distribuido de la inteligencia y del conocimiento.
El curso explora las fronteras de la expresión de semántica en la Web como representación formal y distribuida de un conocimiento, y la aplicación de todo el paquete de técnicas propias de la Inteligencia Artificial (IA) que facilitan el modelado de ese conocimiento, su organización eficiente, y el razonamiento sobre el mismo, en su aplicación en la Web.

Miércoles, 28 de julio
11:00	Inauguración del curso
12:00	Inteligencia Artificial en la Web. Ontologías y Web Semántica Rafael Martínez Tomás y Javier Macías del Campo
17:00	Aplicaciones de la IA en la Web José Manuel Molina López

Jueves, 29 de julio
10:00	Descripción de semántica mediante lógicas descriptivas José Luis Fernández Vindel
12:00	Desde la búsqueda por términos hasta una verdadera búsqueda semántica Luis Criado Fernández
17:00	Interoperabilidad semántica. Aplicación en biomedicina María Jesús Taboada Iglesias
19:00	Agentes inteligentes en la Web Antonio Fernández Caballero

Viernes, 30 de julio
10:00	Sistemas de agrupamiento automático (clustering) en documentos mediante técnicas de softcomputing: Aplicaciones de algoritmos genéticos José Raúl Fernández del Castillo Díez
12:00	Inteligencia Ambiental basada en tecnologías de la Web Semántica José Tomás Palma y Juan Botía Blaya
14:00	Clausura del curso y entrega de diplomas

Información sobre la sede del curso: www.uned.es/ca-guadalajara

Matrícula y otra información de interés: www.uned.es/cursos-verano

Si precisa cualquier otra información o tiene alguna duda, está a su disposición el Coordinador del curso (Javier Macías del Campo) en el correo jmacias@guadalajara.uned.es

Searching Ontologies es lo mismo que Identificación de ontologías

2010-05-23T20:37:00.004+02:00

Hola a todos, Rafa me ha facilitado un artículo muy interesante publicado el 24 Aug 2007 titulado “Searching Ontologies Based on Content: Experiments in the Biomedical Domain” (Alani, H., Noy, N., Shah, N., Shadbolt, N. and Musen, M. (2007) Searching Ontologies Based on Content: Experiments in the Biomedical Domain. In: The Fourth International Conference on Knowledge Capture (K-Cap), October, Whistler, BC, Canada.). Este artículo presenta el mismo concepto que llamo IDENTIFICACIÓN en mi tesis.

Me ha interesado en particular el algoritmo utilizado. Voy a seguir el mismo procedimiento con idea de mejorar sw2sws.

Ya os contaré...

El Consorcio Regional de Transportes y la Web Semántica.

2010-05-15T13:10:00.002+02:00

Una vez más, Javier y yo hemos hablado de la Web Semántica aplicada al sector del transporte público. Esta vez estuvimos en el X Congreso Español de ITS (celebrado en IFEMA de Madrid).

Como todos sabemos la búsqueda de información puede mejorarse significativamente mediante las técnicas y procedimientos de la Web Semántica , que es una propuesta para dotar a la Web actual de significado, de manera, que el contenido de las páginas web puedan ser interpretadas, tanto por agentes humanos, como por agentes computerizados.

Actualmente, estamos estudiando la viabilidad de la introducción de técnicas de la “Web Semántica” en la información del Transporte Público, con la finalidad de que la información sea accesible a un mayor número de personas. Pero para lograr esto, hay que superar varios problemas, como son:

• La definición de ontologías precisas del sector transportes.
• La población de las mismas, mediante instancias.
• La explotación de instancias respecto a sus ontologías: Buscadores Semánticos.

En esta presentación se comenta la ideas básicas en relación con la Web Semántica y se muestra la línea de trabajo sobre la que se esta evaluando el uso de ontologías en la información del transporte. Como me suele ocurrir, las trasparencias no tienen todo el contenido, ya que suelo utilizarlo como una guía para mi exposición, pero por si alguien quiere verlo puede acceder en este enlace.

http://www.slideshare.net/lcriadof/its-2010-el-consorcio-regional-de-transportes-y-la-web-semntica

transform the web in semantic web, abstract of my thesis

2010-04-18T12:36:00.003+02:00

The concept of Semantic Web requires a formal representation of information according to reference ontologies that equip the Web with semantics for computer systems. There is a widespread agreement that this is done by standard labeling languages. But it also requires that there be enough semantic annotations of this kind, a certain "critical mass" is necessary so it can have a global meaning on the Web. And this has not been achieved primarily because of the complexity that arises by performing the annotation manually. Only when we have the ability to generate enough semantic annotations, either automatically or semi-automatically, the semantics can be extended in the contents of the Web. From this situation it will be already possible to develop applications that benefit from or take advantage of those semantics, the semantic applications. And our research is focused, more particularly towards this problem.

Thereby, the main specific contribution of this thesis is the proposal of a procedure to assist in extending the population of ontologies, which makes easier for an active user the semantic labeling of the information it manages, and that has been already described in text on the HTML page, according to the ontology or ontologies that the system has identified as most relevant to its contents. In our work, this latter possibility is very taken into account; the content to be labeled can refer to different topics or can be interpreted from different points of view, what we call in this work generating different "semantic views."

But also, a semantic web site should be compatible with the current web, i.e. the annotation process should not affect the present operation of any search engine. Thus, when transforming a website into a semantic website, semantic features will be obtained that may be exploited by a semantic search engine, but when it is treated by a regular browser there will be full compatibility and the regular search engine will treat it just as another website. Also, in this thesis, this requirement has been taken into account, the semantic views are kept distinct from the HTML page, accessible but without affecting the regular search engines.

We have defined some transformation stages that must be carried out sequentially. The first one, that we call identification allows associating the ontology or ontologies that are closer to the content of the web page. This selection of ontologies is crucial so in the next stage, that we call extraction, text is processed at morphological and syntactic level. Finally, the last stage, that we have called interpretation is responsible for semantic annotation. The annotation is done in our study in OWL DL as it is the standard language for describing semantics in the Web and it allows the inferences typical of the descriptive logic SROID (D) in which it is based.

In the development, the used methodology is based on simplifying the problem without losing the conceptual category to encompass the full scope of the proposal, consisting of a sequence of processes taking place throughout the thesis. That is, it has posed a simplified scenario that recreates the key elements of the current Web to propose a migration strategy or transformation towards the Semantic Web. The conclusions reached are the result of an experimental self-correction process. We have fully implemented the proposal of this thesis that can be verified by any researcher following the guidelines in the annex of the thesis.

To perform this transformation or migration, we have implemented a prototype tool (sw2sws) that automates the three stages we have presented. It has been tested on real websites. Our prototype tool automates the process of annotation with ontologies used in the thesis, but is easily adaptable to support others. Furthermore, our approach accepts the possibility of user intervention (semi-automatic process) to complete or improve any stage of the overall process.

The quality of the annotation obtained depends on several factors, such as the very quality of the ontology with respect to the one that annotates (affinity, accuracy, standardization, completeness, etc.), the clarity of contents and the ability of extraction and analysis, conditioned, to a large extent, to natural language processing (NLP). This thesis is not intended to solve the problem of NLP for the annotation; however, to test the process, we have made a small NLP module that allows showing the feasibility for active users, users that participate in the contents and are inexperienced in the techniques of Semantic Web.

Once the main objective has been achieved, to show how to exploit this information that already has semantics and close all the sequence of the process, we have seen the need to design and implement an own prototype of semantic search engine, which we have called Vissem, able to interpret questions in natural language and carry out corresponding searches on instances of the semantic websites we have created.

LINKS:

thesis http://e-spacio.uned.es/fez/eserv.php?pid=tesisuned:IngInf-Lcriado&dsID=pdf
sw2sws tools: http://sw2sws.sourceforge.net/index.html
vissem on line: http://vissem.criado.org/

Llamada a la participación en el entorno de la Web Semántica 2010

2010-04-08T13:52:00.006+02:00

En los últimos días he recibido varios correos electrónicos del tipo “”llamada a la participación” en congresos en el ámbito de la Web Semántica. Dejo aquí una lista, que iré completando con vuestras aportaciones:

26 DE ABRIL 2010
Third International Semantic Search Workshop SemSearch10
Raleigh, NC, USA
http://km.aifb.uni-karlsruhe.de/ws/semsearch10#eva

26 DE ABRIL 2010
First International Workshop on The Future of The Web for Collaborative Science
Located at the 19th International World Wide Web Conference WWW2010
Raleigh, U.S.A
http://esw.w3.org/HCLS/WWW2010/Workshop
http://www2010.org

27 DE ABRIL 2010
1st Workshop on the Multilingual Semantic Web
collocated with the 19th Int. World Wide Web Conference (WWW2010)
Raleigh Convention Center, Raleigh, North Carolina
http://www2010.org/www/

21-25 DE JUNIO 2010
2010 Semantic Technology Conference (SemTech 2010)
San Francisco, California, USA
http://www.semantic-conference.com/

14 DE JULIO 2010
RULE 2010
ELEVENTH INTERNATIONAL WORKSHOP ON RULE-BASED SPECIFICATION AND PROGRAMMING
RULE-BASED PROGRAMMING IN INDUSTRY AND THE SEMANTIC WEB
Edinburgh, UK
http://www.di.uminho.pt/rule2010

31 DE AGOSTO - 3 DE SEPTIEMBRE 2010
3rd Workshop on Collective Intelligence in Semantic Web and Social Networks (CISWSN 2010)
co-located with IEEE/WIC/ACM Joint International Conference on Web Intelligence and
Intelligent Agent Technology 2010, Toronto, Canada,
http://resources.smile.deri.ie/ciswsn2010/

8-10 DE SEPTIEMBRE 2010
The 14th International Conference on Artificial Intelligence:
Methodology, Systems, Applications
AIMSA 2010
- AI and Knowledge Societies: Learning, Sharing, Amplifying -
Varna, Bulgaria
http://www.aimsaconference.org

20-22 DE SEPTIEMBRE 2010
Future Internet Symposium 2010: Towards a Converged, Consolidated and
Sustainable Future Internet
Berlin
http://www.fis2010.org

Descargar Tesis: Procedimiento semi-automático para transformar la web en web semántica

2009-11-30T21:35:00.003+01:00

En el repositorio digital de la UNED acaban de publicar mi tesis doctoral, puedes descargarla gratuitamente en esta URL:

http://e-spacio.uned.es/fez/view.php?pid=tesisuned:IngInf-Lcriado

Prototipo de Buscador Semántico: VISSEM

2009-11-02T18:38:00.007+01:00

En la tesis que defendí el pasado septiembre propuse un “PROCEDIMIENTO SEMI-AUTOMÁTICO PARA TRANSFORMAR LA WEB EN WEB SEMÁNTICA” una estrategia de transformación basada en tres fases (identificación, extracción e interpretación), que por un lado garantiza la compatibilidad con los buscadores actuales y por otro proporciona información semántica (en OWL) que puede ser explotada por los buscadores del futuro, los buscadores semánticos que operan con anotaciones semánticas. La propuesta se implemento, dando lugar a una herramienta denominada “sw2sws”. El resultado es que una vez ejecutada la herramienta tenemos un Sitio Web Semántico.

Y ahora que!!, cómo lo probamos. Tuvimos que dar un paso más antes de terminar la tesis. Teníamos que probar que el sitio Web obtenido era algo más, que era un Sitio Web Semántico. Es por ello que diseñamos y desarrollamos un pequeño buscador semántico al que hemos llamado VisSem, con el objetivo de ilustrar a modo de ejemplo y en el entorno académico preguntas que podían ser formuladas al buscador semántico si este trataba directamente en OWL. Lógicamente, como decíamos en el párrafo anterior, para ello había que ser capaces de expresar el sitio Web en términos OWL, es decir de poblar ontologías.

Para ver un poco la diferencia entre un buscador actual y un buscador semántico VisSem, lancemos una pregunta tan sencilla como esta “¿ Es el Boxer un gato ?. Nuestro modesto buscador, de ámbito académico, que SOLO SABE ALGO DE GATOS Y PERROS, diseñado y construido por un individuo sin ningún tipo de financiación, contesta “No”, proporcionando un enlace directo a un Boxer y una lista de perros en general. ¿Pero que hace el popular Google, el buscador más popular de la Web?.

Tal vez le resulte útil esta URL para comparar resultados.

http://tartaruswar.dyndns.org/luis/compara_buscadoresVissem/comparar.htm

Pero, por favor, al introducir la pregunta en el formulario superior "COMPARE", ponga ambos signos de interrogación y deje espacio entre los signos de interrogación y las palabras, por ejemplo así: ¿ Que es un Pitbull ?

Congreso IWINAC2009: El problema de la construcción de buscadores semánticos de propósito general

2009-06-28T12:53:00.003+02:00

El viernes 26 de junio del 2009 tuve la oportunidad de participar con una ponencia (becado) en la tercera edición del congreso bianual IWINAC (International Work-conference on the Interplay between Natural and Artificial Computation).

En este trabajo se proponen las ideas básicas para llegar a una búsqueda realmente semántica. Y para ello primeramente es preciso extender los sitios web semánticos, que, por un lado, mantengan la compatibilidad con la Web actual, y por otro, ofrezcan diferentes interpretaciones (ya con semántica) de la misma información conforme a distintas ontologías. Para esto se propone el desarrollo de herramientas que faciliten esta traducción de contenidos HTML en contenidos OWL, como decimos, según, posiblemente, diferentes ontologías.

El artículo y la ponencia continúa con el análisis de las posibles funcionalidades que consideramos debe soportar un buscador semántico basado en el paradigma de la Web Semántica y con la presentación de un buscador prototipo Vissem sobre las dos estructuras, actual y semántica. (acceso al artículo) (acceso a la presentación) (acceso a Vissem)

El artículo ha sido publicado por SpringerLink, y se puede encontrar en el primer volumen de "Methods and Models in Artificial and Natural Computation. A Homage to Professor Mira’s Scientific Legacy. Third International Work-Conference on the Interplay Between Natural and Artificial Computation, IWINAC 2009, Santiago de Compostela, Spain, June 22-26, 2009, Proceedings, Part I"

¿Los usuarios de la Web construirán la Web Semántica?

2009-06-15T00:24:00.001+02:00

He encontrado una entrada en el blog de Jazztel dedicado a la Web Semántica, y aunque se trata de un artículo con una visión general, merece la pena comentar la pregunta que plantea al final del mismo.

“…. ¿Seremos meros espectadores de esta evolución o formaremos parte de esta nueva forma de entender la Web?”

Sobre esta cuestión, que se formula con cierta frecuencia en la red, y que pone en duda la participación del los usuarios en la construcción de la Web Semántica quiero dar mi punto de vista.

En primer lugar, hay que tener en cuenta los buscadores semánticos que hasta el momento han aparecido, como por ejemplo; Hakia, True Knowledge, PowerSet, etc. Parecen incorporar técnicas de procesado de lenguaje natural (PLN), pero realmente no utilizan información etiquetada. Me refiero a que la Web Semántica, además de PLN, requiere de ontologías (expresadas en OWL) y éstas hay que poblarlas a partir del contenido de las páginas web, es decir, las páginas web deben incorporar, de alguna forma, ya sean embebidas o no, anotaciones semánticas, también en OWL, que es el lenguaje aceptado para la construcción de la Web Semántica.

En segundo lugar, hay que decir que, actualmente, estos buscadores semánticos que hemos indicado no ofrecen resultados espectaculares. De hecho, parecen buscadores normales, y por supuesto aún no son rivales para google y yahoo. ¿Por qué? . Yo creo que para que funcionen necesitan de la participación de todos. Este tipo de buscadores, autodenominados semánticos, de tercera generación o incluso inteligentes, son buscadores que aún no incorporan el nuevo paradigma de la Web Semántica. Pero tampoco es viable pedir más, estos buscadores no pueden ofrecer más, una empresa no puede abordar la tarea de etiquetar la Web, esto es imposible, una locura. En definitiva, un “buscador semántico” no puede etiquetar o anotar toda la Web, su objetivo es buscar sobre información anotada semánticamente, que por cierto, aún no existe.

De manera, que la Web Semántica no existe aún debido a que no hay anotaciones semánticas OWL suficientes y esto es consecuencia directa de la complejidad que plantea realizarlo manualmente. Por consiguiente, es necesario desarrollar herramientas que permitan automatizar procesos de anotación semántica basadas en OWL, pero estas herramientas deben ser utilizadas por los actores que generan contenido. Cuando se tenga la capacidad de generar anotaciones semánticas desde la cooperación, ya sea de forma automática o semi-automática, todos los actores que participan en los contenidos; como son los webmasters, los usuarios de wikis, usuarios de blogs, ect… podrán dotar de semántica aquellos contenidos que dependen de ellos y en este momento tendremos contenido semántico. Se podrá construir la Web Semántica y será entonces cuando se pueda explotar esta nueva Web, por ejemplo, diseñando verdaderos buscadores semánticos de propósito general.

Dicho esto, desde mi punto de vista, los usuarios de la Web, que participan en los contenidos son los constructores fundamentales de la Web Semántica.

Aplicación de las técnicas de la “Web Semántica” en la información del Transporte Público

2009-06-06T18:56:00.000+02:00

El jueves 4 de junio del 2009 participé en el IX Congreso Español ITS (ANDORRA) con una ponencia titulada "Aplicación de las técnicas de la Web Semántica en la información del Transporte Público".

En esta ponencia presentamos una visión general de cómo la Web Semántica puede ayudar a resolver el problema de buscar información de calidad en cada vez más y más información. El proceso de acceso a la información es un problema cada vez más crítico. Los usuarios, cada día que pasa, tienen que dedicar más tiempo en seleccionar la información “útil” de entre todas las respuestas de los buscadores. Estos resultados dependen, por un lado, de los algoritmos del buscador, y por otro, del conocimiento previo del usuario para formular la pregunta adecuada. De manera, que la cultura, el conocimiento del idioma y la especialización en el asunto de búsqueda, influyen en encontrar antes la información deseada.

El objetivo del CRTM es la introducción de técnicas de la “Web Semántica” en la información del Transporte Público. Con la finalidad de que la información sea accesible a un mayor número de personas. De manera, que en esta primera fase se esta trabajando en el desarrollo de una familia de ontologías especializadas en el transporte.

La presentación es muy ligera, ya que es una guía para mi, pero por si alguien quiere verla la dejo aquí

Resumen tesis: PROCEDIMIENTO SEMI-AUTOMÁTICO PARA TRANSFORMAR LA WEB EN WEB SEMÁNTICA

2009-02-03T22:39:00.023+01:00

En el campo de la Web Semántica, uno de los problemas principales es representar formalmente la información actual que hay en la Web, de acuerdo al uso de ontologías. La Web Semántica no existe aún debido a que no hay anotaciones semánticas suficientes y esto es consecuencia directa de la complejidad que plantea realizarlo manualmente. Solo cuando se tenga la capacidad de generar anotaciones semánticas, ya sea de forma automática o semi-automática se podrá dotar de semántica los contenidos de la Web. Una vez que el contenido se represente formalmente tendremos contenido semántico desde el punto de vista de los sistemas informáticos. A partir de esta situación se podrán desarrollar aplicaciones semánticas. Por lo tanto, primero hay que resolver el problema de cómo poblar de instancias las ontologías.

La principal aportación de esta tesis es la propuesta de un procedimiento para contribuir en la resolución de este problema de poblar ontologías. De manera, que el objetivo de esta investigación ha sido estudiar los mecanismos necesarios para facilitar la anotación semántica, en el convencimiento de que esto ayudará decisivamente a la transformación de la web en verdadera web semántica.

Pero un sitio web semántico debe ser además compatible con la Web actual, es decir, el proceso de anotación no debe afectar al funcionamiento actual de cualquier buscador. En consecuencia, al transformar un sitio web en un sitio web semántico se obtendrá funcionalidades semánticas que podrán ser explotadas por un buscador semántico, pero cuando sea tratado por un buscador ordinario existirá compatibilidad total y el buscador ordinario lo tratará como si fuera un sitio web más.

Para lograr este propósito hemos definido unas etapas de transformación (identificación, extracción e interpretación) que deben realizarse de forma secuencial. La identificación permite determinar la ontología u ontologías que están asociadas a una misma página web. Esta selección de ontologías es fundamental para que en la etapa siguiente, que se ocupa de la extracción y análisis, se obtenga la información de la página web para representarla formalmente, esta fase procesa el texto a nivel morfológico y sintáctico. Finalmente, la última etapa que hemos denominado interpretación se encarga de la anotación semántica, este último proceso, alimentado por un lado de la representación formal del lenguaje de la etapa anterior y por otro lado, por una o varias ontologías asociadas al contenido, permite que el usuario final pueda participar y contribuir en la construcción de la Web Semántica generando anotaciones en un lenguaje adecuado. La anotación se hace en nuestro estudio en OWL DL por ser el lenguaje estándar para la descripción de semántica en la Web y permitir las inferencias propias de la lógica descriptiva SROID(D) en el que se sustenta.

Para realizar esta transformación o migración, se ha implementado una herramienta prototipo (sw2sws) que automatiza las tres etapas que hemos presentado, en base a cinco ontologías de ejemplo. Esta implementación prototipo de nuestra propuesta la hemos probado sobre sitios webs reales, que hemos descargado de Internet para su procesamiento de transformación. Aunque el proceso es automático con las ontologías de ejemplo, nuestro enfoque ha sido con un propósito de generalización, de manera que el sistema es fácilmente adaptable para instanciar sobre otras ontologías.

La anotación obtenida depende de varios factores; como son la propia ontología con respecto a la que se desea anotar, la calidad del contenido y la capacidad de extracción y análisis, condicionada, en gran medida, al procesado de lenguaje natural (PLN), que excede el propósito de la tesis. No obstante, hemos realizado un pequeño módulo de PLN, ya que es necesario para completar el proceso. Esta tesis no pretende resolver el problema de la anotación, pero si aportar una forma de anotar que sea viable para usuarios finales, usuarios que participan en los contenidos y que son inexpertos en las técnicas de la Web Semántica.

Alcanzado el objetivo principal, nos hemos visto en la necesidad de avanzar un poco más para mostrar cómo explotar esta información que ya tiene semántica. De forma, que nos hemos decidido por diseñar e implementar un prototipo de buscador semántico, al que hemos denominado Vissem, capaz de tratar las instancias de los sitio web semánticos que hemos generado.

DESCARGAR LA TESIS GRATUITAMENTE

El problema que tiene la web sin semántica

2009-01-26T20:20:00.008+01:00

El volumen de la Web es enorme y su crecimiento es exponencial. Según Netcraft , en junio del 2008 el número de sitios webs es de 172.338.726.

Es muy difícil estimar el tamaño de la Web, ya que un sitio web consta de varias páginas web, pero en el 2001, Bergman realizó un estudio, en el cual se calculaba que el volumen de páginas web estáticas era del orden de 4*10^9 (equivalente a entre 14 y 28 millones de libros) [Bergman; 2001]. Teniendo en cuenta, la gráfica de Netcraft y el trabajo de Bergman, se deduce que aproximadamente 35*10^6 de sitios webs corresponden con 4*10^9 páginas web estáticas, de manera que considerando la misma relación, en junio del 2008 se podría estimar en 19,6*10^9 páginas web estáticas. Pero todo esto no es más que la denominada web superficial. Se ha calculado que la web profunda, aquella que se genera dinámicamente mediante el acceso al contenido a base de datos (BBDD), puede contener un tamaño de información varios cientos de veces superior a la web estática y crece a un ritmo aún mayor [O'Neill et al; 2003].

Este gran desarrollo ha convertido el proceso de acceso a la información en un problema cada vez más crítico. Los buscadores funcionaron muy bien durante estos años; sin embargo, el extraordinario crecimiento que ha experimentado la Web empieza a mostrar sus primeros síntomas frustantes. Cada día el usuario necesita dedicar más tiempo para filtrar las páginas web que devuelve una búsqueda, es decir, la calidad de la información es cada vez peor. Como estrategia para resolver la situación de futuro, el World Wide Web Consortium (W3C) ha propuesto el uso de ontologías y, en el 2004, logró desarrollar las especificaciones OWL DL, que permitirán la evolución hacia la Web Semántica. Es decir, no es una alternativa el implantar la Web Semántica, lo que ocurre es que si no se implanta llegará un momento que la tecnología actual no pueda soportar índices aceptables de funcionamiento. De manera, que implantar la Web Semántica es una necesidad para resolver el problema que ya se está produciendo.

[Bergman; 2001]
Michael K. Bergman Obra original: The Deep Web: Surfacing Hidden Value.
vol. 7, no. 1. Journal of Electronic Publishing, 2001.

[O'Neill et al; 2003]
Edward T. O'Neill, Brian F. Lavoie, Rick Bennett.
Obra original: Trends in the Evolution of the Public Web.
Volume 9 Number 4. Web: D-Lib Magazine, 2003. ISBN: ISSN 1082-9873.

El uso de sinónimos no implica Web Semántica

2009-01-18T12:33:00.007+01:00

En “La Cofa – Blog de Vigilancia Tecnológica”, hace dos días publicaron una entrada muy interesante con el título “Google y las tecnologías semánticas”. En el artículo, Javier Carbonell comenta que en los últimos años y a comienzos de los mismos, las tecnologías semánticas se identifican como una de las áreas con gran potencial, pero por otro lado, no parece arrancar. Estoy totalmente de acuerdo con esto, pero la razón por la que esta tecnología no arranca no depende solo de los llamados buscadores semánticos. El problema es más complejo. La Web Semántica no puede construirse por un “buscador” debe construirse desde la COOPERACION de la anotación semántica. (ver entrada ¿Por qué no existe la Web Semántica todavía?).

El autor plantea su propio experimento; consistente en realizar una serie de búsquedas en diversos buscadores semánticos y en Google, y contar el número de aciertos entre los diez primeros resultados. Finalmente concluye que Google podría estar utilizando tecnologías semánticas más o menos desarrolladas, por el hecho del uso de sinónimos. En mi opinión el autor es demasiado generoso con esto, ya que el uso de sinónimos no implica uso de técnicas de Web Semántica. El uso de sinónimos no implica OWL, no implica lógica y no implica PLN (procesado de lenguaje natural). Los sinónimos simplemente enriquecen las búsquedas por frecuencia y palabras claves.

Otra cosa es que una ontología, por ejemplo en OWL, contenga sinónimos de clases y propiedades como enriquecimiento. En definitiva la Web Semántica puede utilizar sinónimos de conceptos y propiedades, pero el uso de sinónimos no implica necesariamente que se este utilizando técnicas de Web Semántica.

Buscadores semánticos a finales del 2008

2008-12-22T19:31:00.011+01:00

En junio del 2008 publique una entrada con el título “Situación de los buscadores semánticos a principios del 2008” en el que distinguíamos dos categorías de buscadores semánticos: los no orientados a usuarios y los que si están orientados a usuarios. Como ya dije, estos últimos son los que interesan al usuario de Internet.

Los buscadores semánticos deberían tener un interface similar a los buscadores actuales, es decir, el usuario formula una pregunta y el buscador, en respuesta le propone una serie de enlaces relacionados con la pregunta. La diferencia con un buscador normal, es que el buscador semántico ha entendido la pregunta y por lo tanto, los enlaces que ofrece serán de mayor interés, de mayor calidad. Pero esto es pura teoría, todavía, que yo sepa, no hay un buscador que funcione así.

Como buscadores semánticos, orientados a usuarios, identificamos muy pocos. Me centré en Hakia y True Knowledge. Aunque hay alguno más, como PowerSet. El día en que escribo estas líneas observo que en estos 6 meses poco se ha avanzado. True Knowledge sigue siendo una promesa publicitaria, con su fabuloso video de demostración de lo que hará. Es decir, aún no funciona y además deben tener poca confianza, ya que la versión beta es de uso restringido. Hakia sigue en el mismo punto, una versión beta que no acaba de madurar. Sin embargo, PowerSet parece que sí ha dado el salto a una versión en producción. En cualquier caso, cuando los probamos no parece que entiendan ni siquiera las preguntas más sencillas, da la impresión de que no utilizan técnicas de la Web Semántica.

Como ejercicio comparativo probemos con la siguiente pregunta “¿ es el Bengala un gato ?”. Ante esto Hakia nos proporciona imágenes y enlaces a esta raza de gato. PowerSet también responde bien, pero es que google también lo hace bien. La verdad es que esta pregunta puede tratarse en términos de frecuencia sin entender nada y parecer que se entiende, basta filtrar los términos relevantes “Bengala” y “gato” y buscar como siempre.

Pero qué pasa si formulamos la siguiente pregunta “¿ es el Bengala un perro ?”. Pues nos damos cuenta que ninguno de estos buscadores nos entiende y hace falta comenzar a leer los enlaces que proporciona el buscador para saber que el Bengala no es un perro.

Para que los buscadores semanticos sean una realidad, desde mi punto de vista, se necesita resolver estos dos problemas:

1.- Anotaciones semánticas, como comente en la entrada titulada "¿Por qué no existe la Web Semántica todavia?"

2.- Procesado de lenguaje natural en el interface buscador-usuario

Yo estoy trabajando sobre el primero de los problemas y aunque con mi tesis, que pronto espero defender, no se resuelve la problemática, si espero, que al menos sirva para poder plantear algo de lo que comentaba en el segundo párrafo.

Herramientas de anotación semántica

2008-10-27T20:24:00.003+01:00

Según las conclusiones del proyecto RODA [72] las herramientas de anotación semántica pueden clasificarse en dos grupos:

Herramientas de anotación externas

Permiten anotaciones en páginas web ya existentes, pero dicha anotación se almacena de forma externa. La anotación puede estar basada, o no, en ontologías. Ejemplos de este tipo de herramientas son: COHSE [80], Annotea [81], Añosilla [82], Yawas [83], Annotation System [84], Trellis Web [85]

Herramientas de autor

Cuya estrategia es realizar anotaciones en la misma página web. Algunos ejemplos de este tipo de herramientas son: MnM [73], OntoAnnotate [74], OntoMat-Annotizer [75], SHOE Knowledge Annotator [76], SMORE [77], Melita [78], GATE [79]

--- enlaces

[72] tipos de anotación semantica. Resultados del análisis del proyecto RODA
http://roda.ibit.org/herramientas.cfm

[73] anotación MnM
http://kmi.open.ac.uk/projects/akt/MnM/index.html

[74] anotación Ontoprise
http://www.ontoprise.de/products/ontoannotate

[75] anotación OntoMat-Annotizer
http://annotation.semanticweb.org/tools/ontomat/index.html

[76] anotación SHOE
http://www.cs.umd.edu/projects/plus/SHOE/KnowledgeAnnotator.html

[77] anotación SMORE
http://www.mindswap.org/~aditkal/editor.shtml

[78] anotación Melita
http://nlp.shef.ac.uk/melita/

[79] anotación GATE
http://gate.ac.uk/

[80] anotación COHSE
http://cohse.semanticweb.org/

[81] anotación Annotea
http://www.w3.org/2001/Annotea/

[82] anotación Annozilla
http://annozilla.mozdev.org/

[83] anotación Yawas
http://www.univ-savoie.fr/labos/syscom/Laurent.Denoue/yawas/

[84] Annotation System
http://www.ncb.ernet.in/groups/dake/annotate/details.shtml#system

[85] Anotación Trellis Web
http://www.isi.edu/index.php

¿Por qué no existe la Web Semántica todavia?

2008-06-13T22:50:00.006+02:00

Todo el mundo habla de ontologías como base de la Web Semántica y esto es cierto, pero las ontología por si mismo no son suficientes. Hacen falta instancias respecto a los conceptos y/o atributos que se especifican en las ontologías. Dicho de manera sencilla, hace falta mecanismos de anotación semántica, que permiten realizar una correspondencia entre los conceptos presentados en un sitio web y las ontologías.

Pero RDF no es suficiente, es necesario incorporar OWL, ya que la potencia de la Web Semántica reside en la capacidad de incorporar lógica descriptiva.

De manera, que la Web Semántica no existe aún debido a que no hay anotaciones semánticas OWL suficientes y esto es consecuencia directa de la complejidad que plantea realizarlo manualmente. Por consiguiente es necesario desarrollar herramientas que permitan automatizar procesos de anotación semántica basadas en OWL. Cuando se tenga la capacidad de generar anotaciones semánticas, ya sea de forma automática o semi-automática, todos los actores que participan en los contenidos; como son los webmasters, los usuarios de wikis, usuarios de blogs, ect… podrán dotar de semántica aquellos contenidos que dependen de ellos y en este momento tendremos contenido semántico. Llegados a este punto se podrán desarrollar aplicaciones semánticas, como por ejemplo, buscadores semánticos de propósito general.

Situación de los buscadores semánticos a principios del 2008

2008-06-06T11:50:00.015+02:00

Hemos identificado buscadores semánticos verticales, como es el caso del buscador del Ayuntamiento de Zaragoza desarrollado por iSOCO (2006) o el buscador semántico de la School of Electronic and Computer Science de la Universidad de Southampton, que se lanzó en febrero del 2005. Pero también hay prototipos de buscadores semánticos de propósito general. Aunque los detalles de funcionamiento de cada uno de ellos se lleva con un gran secretismo, si es posible conocer los enfoques generales de funcionamiento. En este artículo exploraremos las características de algunos de los más importantes.

Casi todos los buscadores, que se presentan como buscadores semánticos o de tercera generación no son más que buscadores ontológicos, es decir, buscan ficheros en RDF, microformatos y algunos en OWL, pero son herramientas inadecuadas para usuarios finales. Estos buscadores son útiles para expertos y probablemente para, una vez procesada toda la información, poder ofrecer servicios nuevos, tal y como argumenta Sindice en su web. Hay muy pocos buscadores semánticos de propósito general que ya funcionan, tan pocos, que después de analizar varios de ellos que se autodefinen como buscadores semánticos, solo el caso de Hakia nos convence de que es un auténtico buscador de tercera generación de propósito general.

Distinguimos dos categorías de buscadores semánticos: los no orientados a usuarios y los que si estan orientados a usuarios.

Buscadores semánticos no orientados a usuarios

Como hemos dicho son realmente escasos los buscadores semánticos, entendiendo por buscador semántico aquellos que utilizan técnicas de Web Semántica y lenguaje natural en sus motores internos para ofrecen al usuario los enlaces que este desea. Lo que si se encuentra en gran número son buscadores de información ontológica no orientados a usuarios, estos buscadores son interesantes para expertos pero no son útiles para usuarios finales. En esta categoría de buscadores incluimos a la mayoria; como SWSE,
Watson, Falcons y Sindice

Swoogle está orientado a proporcionar documentos en RDF, OWL, etc. Pero no está orientado a proporcionar documentos HTML que son los documentos que requieren los usuarios finales, es un buscador de ontologías. Ha sido desarrollado de la Universidad de Maryland, Baltimore County (UMBC), en concreto por el grupo de investigación del departamento de Ciencias de Computación e Ingenieria Electrica (CSEE ), conocido como UMBC eBiquity. La UMBC eBiquity [41] se compone de profesores y estudiantes, y está financiado por empresas y administraciones, que incluyen la NSF, DARPA, NASA, DoD, HPL, IBM and Fujitsu.

Según SWSE (Semantic Web Search Engine), ya existe un gran volumen de datos que se ajuste a la propuesta de las normas de la Web Semántica (por ejemplo, RDF y OWL). La gente puede publicar las descripciones sobre sí mismo utilizando FOAF, los proveedores de noticias pueden utilizar RSS (RDF Site Summary) incluso las imágenes están siendo anotadas utilizando diversos vocabularios RDF. La cantidad de datos formalmente expresados disponibles está creciendo de manera constante. Este buscador permite un medio para encontrar esta información. Lo mismo ocurre con Sindice, buscador beta, que indexa archivos RDF y microformatos, que también se basa en la idea de que hay unos 10 millones de piezas semánticas, entre RDF y microformatos, distribuidos en 100 millones de páginas web. De manera que Sindice se ocupa de indexar toda esta información con el objetivo de utilizar estos datos para ofrecer nuevos servicios. Sindice realiza un razonamiento sofisticado que aumenta la reutilización de estos datos y proporciona búsqueda de precisión sobre esta información. Al igual que Swoogle no está pensado para un usuario final. Este buscador es un proyecto de investigación en DERI y cuenta con el apoyo de la Science Foundation Ireland (SFI) en virtud de la subvención No SFI /02/CE1/I131 y de la Iniciativa OKKAM.

El Semantic Web Search desarrollado por Intellidimension Inc. El buscador semántico “Watson” implementado por Knowledge Media Institute (KMi) de la Open University (UK) o Falcons, del Institute of Web Science, Southeast University, P.R. China, son más ejemplos de buscadores semánticos no orientados a usuarios, aunque Falcons dispone de una de las visualizaciones más cómodas

Buscadores semánticos orientados a usuarios.

Naveganza es un buscador español de tercera generación desarrollado por iSOCO, que se basa en la comprensión de las preguntas tecleadas por los usuarios y en los documentos indexados. Se trata de una línea de productos que facilita la interacción de las personas con la inmensa cantidad de información no estructurada que se da en un entorno profesional. La arquitectura del sistema distingue componentes que son independientes e interoperables, permitiendo una fácil integración con otras soluciones. Knowledge Index es el componente central de Naveganza, encargado de indexar y recuperar los contenidos en diferentes formatos, para su posterior recuperación y presentación. La herramienta para la captación de información proveniente de páginas web, excel u otros formatos es el Knowledge Parser. El componente NL Search se encarga del análisis y procesamiento de lenguaje natural, unido al resto de componentes, permite realizar búsquedas en lenguaje natural, aunque también funciona con palabras claves. Finalmente el Knowledge Tagger es el módulo encargado de anotar el contenido indexado y relacionarlo con una ontología de conocimiento específico. Esta anotación y posterior procesado permite realizar una búsqueda o comparación conceptual, al establecerse un modelo de objetos relacionados. Actualmente este producto se ha implantando como solución de buscador semántico vertical.

Hakia, que comenzó desarrollando varios buscadores semánticos verticales, tiene ahoras un Buscador Semántico de propósito general. La calidad de los resultados cumple simultáneamente tres criterios:

(1) fuentes dignas de confianza (verticales)
(2) información reciente
(3) relevante para la consulta

El motor de búsqueda actualmente funcionan en modo beta, pero el analisis y desarrollo continúa avanzando. Aunque Hakia de momento solo soporta ingles, esta trabajando para dar cobertura al portugues, español, italiano, polaco y turco. El 7 de enero de 2008 Hakia anunció que ha recaudado 5 millones de dólares de inversión Prokom Investments SA. Esta operación eleva el total de inversión de capital en hakia a 21 millones de dólares. Según el Dr. Riza Berkan, fundador y director general de Hakia, están llegando al final de la primera fase de desarrollo. Hakia es claramente un Buscador Semántico de propósito general, pero sus efectos, a fecha de la redacción de este artículo, no son aún espectaculares, realmente parece un buscador corriente.

El caso de “True Knowledge”, parece muy prometedor, pero hoy por hoy es publicidad de lo que hará, este buscador utiliza un video que muestra como funcionará y desde luego es espectacular. Lo interesante es que no solo proporciona una lista de enlaces, además proporciona respuestas a una pregunta concreta. El ejemplo del video, es muy clarificador, ante la pregunta “¿está Jennifer López soltera?” el buscador responde que “no” y además nos ofrece un enlace con información relacionada con su matrimonio.

Lo importante de todos estos buscadores es que proporcionan al usuario enlaces a páginas web, son buscadores orientados a usuarios finales que utilizan técnicas de Web Semántica y procesado de lenguaje natural (PLN).

Conclusión.

Los buscadores semánticos mejoran la capacidad de compresión de las preguntas formuladas por el usuario mediante sistemas PLN y prorporcionan enlaces de calidad, ya que, son capaces de aplicar lógica descriptiva, es por esto que se debe utilizar OWL y no RDF.

El problema a resolver es cómo realizar la anotación semántica, lo que permite que el Buscador Semántico de propósito general, o cualquier otra aplicación semántica, se encarge de indexar información semántica adecuadamente anotada en OWL. Liberando así a este de una extraordinaria carga de trabajo. Es muy dificil que funcione la Web Semántica si no se cuida la coherencia de la anotación respecto al contenido. De nada sirve definir ontologías si no las usan un número significativo de la comunidad de internet, es por esto, que hay que proporcionar herramientas para que los actores activos de Internet (webmasters, usuarios de blogs, wikis, etc...) puedan “usar ontologías” y en consecuencia “puedan generar páginas web con semántica”.

-----

Se recomienda leer también el artículo "Buscadores semánticos a finales del 2008"

¿Que es La Web Semántica?

2006-04-28T08:37:00.003+02:00

Para situar rápidamente al lector, empezamos diciendo que la Web Semántica tiene como objetivo fundamental que las páginas webs no sólo las entiendan las personas sino también las “máquinas”. La Web Semántica es una propuesta realizada por el propio inventor del HTML y fundador de la W3C (Consorcio de la World Wide Web), Tim Berners-Lee , que en septiembre de 1998 publicó dos artículos, “Semantic Web Road Map” y “What the Semantic Web can represent”, en los que se presentaba la idea de Web Semántica como una extensión de la web actual dotada de significado, esto es, un espacio donde la información tendría un significado bien definido, de manera que pudiera ser interpretada tanto por agentes humanos como por agentes computerizados.

Dotar a la web actual de significado tiene como efecto inmediato que la búsqueda de información sea más eficiente y sobre todo más “útil”. Esto se consigue aplicando técnicas de razonamiento al contenido web. Por supuesto, se mantienen los principios fundamentales que han hecho un éxito de la web actual, como son los principios de descentralización y compartición

Pero, ¿qué aporta realmente la Web Semántica ?. Lo que se pretende es que las páginas tengan algo más de sentido para los ordenadores. Hasta ahora, solo las personas podemos entender las páginas y los ordenadores se limitan a procesar cadenas de caracteres sin entender nada de lo que contienen. Pero, hoy en día, ya comenzamos a disponer de instrumentos aptos para que los ordenadores puedan entender un poco el contenido de las páginas webs

Es importante concretar el alcance de la Web Semántica. El objetivo no es, como se ha dicho, que los ordenadores puedan entender el lenguaje natural como una persona, se trata de ir acortando distancias entre hombre y ordenador. Hoy en día no se puede conseguir que al hacer una búsqueda como, por ejemplo: “¿es posible conseguir la paz?” los ordenadores entiendan que es la misma pregunta que “¿es posible evitar la guerra?”. Esto es una utopía, pero sí podemos conseguir que se indexen páginas que no están relacionadas explícitamente, ya que se puede aplicar Lógica Descriptiva. Esto es lo que se debe entender, hoy en día, por Web Semántica. Es decir, es una Web donde los enlaces no solamente son explícitos sino también implícitos.

Para lograrlo debemos comenzar por examinar todo lo que la Comunidad Científica ha realizado hasta el momento. Se han definido dos estándares sobre los que se fundamenta la arquitectura de la Web Semántica: RDF (Resource Description Framework, W3C Recommendation 22 February 1999) y OWL (Lenguaje de Ontologías Web, W3C Recommendation 10 February 2004)

RDF proporciona información descriptiva simple sobre los recursos que se encuentran en la Web.
OWL es un mecanismo para desarrollar temas o vocabularios específicos en los que asociar esos recursos. Lo que hace OWL es proporcionar un lenguaje para definir ontologías estructuradas que pueden ser utilizadas a través de diferentes sistemas. Las ontologías, que se encargan de definir los términos utilizados para describir y representar un área de conocimiento, son utilizadas por los usuarios, las bases de datos y las aplicaciones que necesitan compartir información específica. Las ontologías incluyen las definiciones de los conceptos básicos de dichos campos y la relación entre ellos.

Los dos estándares mencionados; RDF y OWL, permiten imaginar como funcionará la web en los próximos años. Sin embargo, hacen falta herramientas que permitan que la Web Semántica sea una realidad. Quedan muchas preguntas por contestar; ¿cómo se puede compartir una ontología para que todas las páginas susceptibles de ese dominio de conocimiento la utilicen?, ¿por qué razón, millones de creadores de páginas web se van a poner a estudiar el lenguaje RDF-OWL, difícil y abstracto, si pueden publicar en el sencillísimo HTML?, ¿es la IA el proceso evolutivo de la web?, etc…