Recursos > Ontologías

    sortFiltrar Ordenar
    115 resultados

    Página Web

    /

    Publicado el 7.5.2019 por Equipo GNOSS

    Wikidata y DBpedia: viaje al centro de la web de datos

    "A partir de Wikipedia, como fuente de conocimiento organizado en forma de artículos enciclopédicos, editada mediante la colaboración masiva online, se han desarrollado dos proyectos de carácter semántico: DBpedia y Wikidata. Se analizan las diferencias y similitudes entre ambos modelos de datos y modelo de producción, y se especula sobre la posible evolución y coexistencia de ambos a partir de sus puntos fuertes. Su fortaleza como grafo abierto de conocimiento multidominio aporta un gran valor a la extensión de la web de datos, al actuar como punto de interconexión entre diferentes dominios".
    Saorín, Tomás; Pastor-Sánchez, Juan-Antonio (2018). “Wikidata y DBpedia: viaje al centro de la web de datos". Anuario ThinkEPI , v. 12, pp. 207-214. https://doi.org/10.3145/thinkepi.2018.31

    ...

    Página Web

    /

    Publicado el 13.1.2019 por Equipo GNOSS

    Así se presentan las ontologías SPAR en su web: "In the past, several groups have proposed (Semantic Web) models, such as RDFS vocabularies and OWL ontologies, to describe particular aspects of the publishing domain. However, these models were mainly concerned with the description of the metadata of bibliographic resources (e.g., DC Terms, PRISM and BIBO). One of the first attempts to address the description of the whole publishing domain is the introduction of the Semantic Publishing and Referencing (SPAR) Ontologies. SPAR is a suite of orthogonal and complementary OWL 2 ontologies that enable all aspects of the publishing process to be described in machine-readable metadata statements, encoded using RDF."

    ...

    Categorías:

    Página Web

    /

    Publicado el 9.8.2018 por Equipo GNOSS

    Anotación semántica basada en grafos para mejorar las interacciones de Alexa - Amazon

    Este artículo de Lambert Mathias (Principal Scientist, Alexa Machine Learning, Amazon) trata sobre la aplicación de técnicas más sofisticadas de representación semántica, basadas en grafos y ontologías, para el desarrollo de habilidades más complejas en el asistente Alexa.

    El uso de Alexa Meaning Representation Language (AMRL) proporciona una solución de anotación semántica con dos componentes principales:

    1. Una gran ontología jerárquica de tipos (categorías de menciones textuales), roles (argumentos de una acción), acciones (predicados que definen lo que el agente debería hacer) y propiedades-operadores (relaciones entre los tipos).
    2. Un conjunto de convenciones que mapean el lenguaje natural con una representación en grafo, agnóstica respecto al lenguaje y al dominio de conocimiento, ajustada para agentes conversacionales como Alexa.

    ...

    Página Web

    /

    Publicado el 3.8.2018 por Equipo GNOSS

    Nueva versión de Ontología PREMIS 3 de preservación digital

    PREMIS Data Dictionary for Preservation Metadata es un estándar internacional de metadatos que da soporte a la preservación de objetos digitales y asegura su usabilidad a largo plazo.

    PREMIS se usa en proyectos de preservación digital en todo el mundo y está incorporado en herramientas y sistemas de preservación digital, tanto comerciales como open source.

    El estándar PREMIS consiste en un diccionario de datos (con una nueva versión 3.0), un esquema XML, una ontología y documentación de soporte.

    La ontología PREMIS OWL proporciona una codificación RDF para el modelo de datos que define las entidades (Objects, Events, Agents y Rights), las propiedad de dichas entidades (unidades semánticas) y las relaciones entre ellas.

    Esta revisión está basada en el nuevo PREMIS Data Dictionary, version 3.0 y es una remodelación de la ontología anterior que incorpora nuevas mejores prácticas de Linked Data y conecta con otras ontologías RDF relevantes como PROV-O (Provenance ontology), Dublin Core metadata terms y los vocabularios de preservación de Library of Congress, entre otros.

    ...

    Categorías:

    Página Web

    /

    Publicado el 3.8.2018 por Equipo GNOSS

    SEO Semántico: de etiquetas y palabras clave a ontologías

    En este artículo, la persona que más y mejor ha estudiado las patentes desarrolladas por Google y sus efectos en el posicionamiento web, divulga como en el algoritmo de búsqueda de Google ya no es tan importante las etiquetas que ponemos a un artículo o post cuanto la estructuración "ontológica" de su contenido.

    Lo que Google está valorando son aquellas fuentes que le proporcionan un conocimiento claro y distinto, es decir, que le dan la información sobre qué entidades existen en su contenidos, cuales son sus atributos y con qué están relacionados. Cuando al publicar un contenido digital, estás publicando datos en RDF/OWL, haciendo transparente a Google cuales son los "hechos" y las "entidades" de este contenido, Google lo aprecia y lo premia con un mejor posicionamiento.

     

     

    ...

    Página Web

    /

    Publicado el 1.8.2018 por Equipo GNOSS

    La construcción del Grafo de Conocimiento en Linkedin

    El director de Inteligencia Artificial de Linkedin explica en este artículo como Linkedin está construyendo su Grafo de Conocimiento.

    LinkedIn knowledge Graph es una gran base de conocimiento construida sobre "entidades" en LinkedIn, como miembros, trabajos, títulos, habilidades, compañías, ubicaciones geográficas, escuelas, etc. Estas entidades y las relaciones entre ellas forman la ontología del mundo profesional y son utilizados por LinkedIn para mejorar sus sistemas de recomendación, búsqueda, monetización y productos de consumo, negocios y análisis del consumidor.

    En este artículo el autor explica como aplican técnicas de Machine Learning para resolver los desafíos al crear el grafo de conocimiento, que es esencialmente un proceso de estandarización de datos sobre contenido generado por el usuario y fuentes de datos externas, en el que el aprendizaje automático se aplica:

    • la construcción taxonómica de entidades
    • la inferencia de relaciones entre entidades,
    • la representación de datos para consumidores de datos descendentes
    • la penetración de conocimiento (información) a partir del grafo 
    • la adquisición activa de datos de los usuarios para validar nuestra inferencia y recopilar datos de capacitación.

    El grafo de conocimiento de LinkedIn es un grafo dinámico. Las nuevas entidades se agregan al grafo y las nuevas relaciones se forman continuamente. Las relaciones existentes también pueden cambiar. Por ejemplo, el mapeo de un miembro a su título actual cambia cuando tiene un nuevo trabajo. Por tanto, hay que actualizar el grafo de conocimiento de LinkedIn en tiempo real cuando se produzcan cambios en el perfil de los miembros y nuevas entidades emergentes.

    ...

    Página Web

    /

    Publicado el 17.1.2018 por Equipo GNOSS

    Mejoras en Linked Open Vocabularies (LOV)

    El proyecto Linked Open Vocabularies (LOV) continúa en su tarea de eliminar las barreras que la selección de vocabularios puede provocar a los publicadores de datos en el desarrollo de sus proyectos Linked Data.

    Un reciente paper, Linked Open Vocabularies (LOV): a gateway to reusable semantic vocabularies on the Web, premiado con el Semantic Web Outstanding Paper Award 2017, describe LOV como un catálogo de vocabularios reutilizables de alta calidad, para la descripción de datos en la Web. La iniciativa LOV recopila y hace visible indicadores que no habían sido previamente recopilados, como la interconexión entre vocabularios o el historial de versiones

    ...

    Página Web

    /

    Publicado el 7.3.2016 por Equipo GNOSS

    Data on the Web Best Practices Working Group. W3C.

    La misión del grupo de trabajo Data on the Web Best Practices, que forma parte de Data Activity, es:

    1. Desarrollar el ecosistema de datos abiertos, facilitando la mejor comunicación posible entre desarrolladores y publicadores.
    2. Proporcionar guías a los publicadores, para mejorar la consistencia en la gestión de los datos, y promoviendo su reutilización.
    3. Fomentar la confianza en los datos entre los desarrolladores, sea cual sea la tecnología que usen, aumentando el potencial para innovaciones genuinas.

    Las guías y recomendaciones tendrán 2 formas: un conjunto de buenas prácticas de aplicación en múltiples tecnologías, y vocabularios que aún no existen, pero que son necesarios para soportar el ecosistema de datos en la Web. En este sentido, están disponibles los siguientes borradores:

    ...

    Página Web

    /

    Publicado el 17.8.2015 por Equipo GNOSS

    Ontologías, taxonomías y tesauros

    Emilia Curras escribe este libro en el que trata de forma detallada y precisa la construcción, el uso y las diferencias entre estos sistemas de clasificación, normalización y estructuración del contenido.

    ...

    Página Web

    /

    Publicado el 28.5.2015 por Ricardo Alonso Maturana

    Metaweb video - Freebase

    On July 16th 2010, when Metaweb announced their acquisition by Google, they also launched a video that explains what Metaweb/Freebase does, what entities are, etc.

    Video Transcript

    You know what drives me crazy about words? They have a million different meanings.

    Like, check this out: someone says, "I love Boston." Now, they probably mean, "I love Boston, the big city in Massachusetts", but they could be referring to one of the twenty-six other Bostons that are scattered around the globe. But, if it's during the playoffs, they're probably referring to the Celtics [basketball team]. Of course, you and I both hope that they're talking about the Boston. You know. [Image of rock band, sounds of electric guitar.]

    But, I guess there's really no way of knowing. The problem is that the same word can mean so many different things. Because of that, when it comes to finding, linking, reconciling, or organising multiple layers of information, words are not the best solution. The guys at grocery stores figured this out back in the sixties when they started putting barcodes on everything, so that products with the same name wouldn't get confused.

    So how come on the web, so many sites still try to organise stuff with words? Say you're a product guy at a big music site and you want to pull in feeds of lyrics and videos and photos from all of your data suppliers. But everyone uses different names for things, and a lot of the feeds don't even match up, so you've got to reconcile them, and pull in updates, and deal with merges and deletes and splits. It's a nightmare.

    But what if there was a better way?

    Welcome to Metaweb. Metaweb is a service that helps you build your website around entities, and not just words. Whoa, what's an entity? Well the simple answer is, it's a singular person, place, or thing.

    OK, well, let's compare that to text. Did you know that on the web there are more than 50 different ways people write "U. C. Berkeley"? [Examples listed: Cal Berkeley, Berkeley University, UCB, California, U of Cal, etc.] And they're really just talking about one single place, one entity. By mapping all those words to a single entity, as if it had its own barcode, you can combine all that information about U. C. Berkeley into one place.

    But that's just the beginning. Because entities represent unique, real-life things, we can build a map that shows how they're related. So, you can look for things that share certain attributes, like "actresses under 20 from New York". Can you imagine trying to find that with a keyword search? [Shows typical keyword search results, with keywords highlighted: "NY blogger under fire for criticizing actress", "March 3 2004: New! 20 steps to be an actress", "Kid actress eats 20 York peppermints".] Entities are just smarter than words.

    So, Metaweb's been in the process of identifying millions of these entities and mapping out how they're related, and what words other sites use to refer to them. And it's really cool because they have a totally collaborative process that involves the online community. This thing will always be expanding and improving.

    So, how is this going to help you? Well let's say you're that guy writing the movie review. If you tag the review with an entity in Metaweb, it's like you're looking at a menu saying, "Hey, Metaweb, give me the movie poster and a trailer and some links and maybe some other information like the release date and who was in it." And BAM, it'd be right there. And now, your page looks awesome!

    Or, say you're that product guy at the music site. Instead of spending months doing messy integrations and maintaining all those feeds, you can just plug in to Metaweb, and suddenly everything just works. It's like a switchboard for content on the web. [Various logos related to web content: eg. Twitter, Facebook, Audio Scrobbler, Wordpress.] And not only that! When your site's built on entities, new things get magically connected. Like, if one of your users adds a band to her profile page, or tags them in a comment, that can show up on the band page, because they're all linked under the hood to the same entity.

    Are you kidding me? This stuff sounds impossible! Well, that's what they said about the barcode.

    And it's not just movies and bands. Metaweb has millions of entities in thousands of categories: twelve million and counting!

    Metaweb makes your site smarter. It's time to connect to the web. Metaweb.com.

    ...