Quizá el principal problema en esta aplicación es la relación entre el código de la aplicación y el agente inteligente. Uno puede fácilmente imaginar una implementación en la cual el Agente Filtro no exista y estas funciones son realizadas por el programa principal. Sin embargo, se pueda reutilizar el Agente Filtro en una composición de agentes o sistema multiagente. Mientras el Agente Filtro no es autónomo como el Agente Lector de URL´s, éste en cambio entrena el modelo de red neuronal asincrónicamente. Como un pequeño trabajo adicional, el Agente Filtro debería ser modificado para construir modelos de redes neuronales para cualquier seteo de datos.
En esta aplicación se desarrolla una sencilla exploración de datos. Otros Agentes pueden acceder a una base de datos u otras fuentes de datos (la aplicación FiltroInfo accesa a fuentes de páginas Web) mediante un sistema autónomo de exploración de datos que puede ser construido.
Otro problema de diseño es la forma en la cual la búsqueda de palabras claves es realizada en el Agente Filtro, solo las palabras claves completas son contadas. Hay algoritmos para realizar semejanzas parciales de modo que palabras en singular y plural son contadas. Las palabras claves completas, en el texto, seguidas de signos de puntuación también son tomadas en cuenta, para ser contadas. Obviamente, la mejor información que se puede encontrar es la que se puede filtrar más cuidadosamente.
Para usar el filtro Cluster o el filtro Feedback, primero debe ser guardado el perfil de datos con un conjunto razonable de artículos.
Para usar el filtro Cluster, este debe ser seleccionado como el tipo de filtro, la lista de páginas web será renovado con las páginas web del primer grupo con un puntaje más alto, el segundo mejor grupo que le sigue en puntajes, y así sucesivamente.
El último filtro es Feedback, éste usa un modelo de red neuronal para determinar la calificación de páginas web. Crea un modelo de predicción back propagation usando los registros de perfil de páginas web como entrada y el usuario clasifica el puntaje mediante el valor de salida final. Si ninguno de los seteos de retroalimentación por defecto fue sobrescrito antes de que las páginas web fueran añadidos al perfil, el modelo predecirá una calificación desde 0.0 a 1.0, donde un artículo que tiene más de cinco palabras claves tendrá un valor de 1. Si valores diferentes fueran dados a páginas web seleccionadas por retroalimentación, usando los cinco niveles definidos en el menú Feedback, los resultados serían ligeramente diferentes. Por ejemplo, si una página web que contiene la palabra “agente” fue
clasificado como más interesante que uno que contiene la palabra “neuronal”, éste tendría calificación más alta en el filtro Feedback (aunque cada uno tuvo una calificación similar).
CONCLUSIONES
Una vez realizada la investigación formulada en esta tesis se puede concluir que:
La metodología orientada a objetos puede utilizarse en el análisis, diseño e implementación de agentes de software, ya que se ha demostrado que puede servir de base para la implementación de una metodología orientada a agentes.
Luego de haber realizado un análisis individual y comparativo entre las metodologías orientadas a objetos y las orientadas a agentes seleccionadas, en cuanto a sus etapas de desarrollo, se puede colegir que la metodología más factible en la construcción de agentes de software es la denominada “Proceso Unificado Rational”, por cuanto es capaz de modelar: 1) Autonomía, 2) reactividad, 3) proactividad, 4) cooperación con otros agentes, 5) cooperación con entidades no agentes, 6) comportamiento evolutivo y 7) su tiempo de vida.
En cuanto a la aplicación, el objetivo de ésta es ayudar al usuario a tratar de mostrar como una aplicación basada en agentes puede ser usada para ordenar inteligentemente páginas web basadas en su contenido, por cuanto la aplicación FiltroInfo provee tres tipos de filtrado para páginas web: 1) el filtro Palabras Claves contabiliza el número de palabras claves encontradas, 2) el filtro Cluster agrupa paginas similares y 3) el filtro Feedback usa un modelo predictivo basado en niveles de interés.
RECOMENDACIONES
Espero que este estudio y sus resultados hayan contribuido a una línea de investigación y puedan servir como base para trabajos futuros en el área.
Se podría experimentar extensiones a la Metodología del Proceso Unificado Rational a fin de cubrir mejor el modelado de las siete características de sistemas basados en agentes.
Se podría ampliar el sistema para que permita tener otro tipo de agente como un Agente Lector de Noticias, que puede conectarse a un servidor de noticias específico, solicitar artículos, descargarlos, clasificarlos y formar un perfil de usuario y así poder filtrar únicamente la información de temas de interés.
En este sentido podría ser interesante enfocar un agente para filtrar otros tipo de información, utilizando no solo simples palabras claves sino el singular o plural de las palabras, verbos y sus conjugaciones pasadas, presentes y futuras, así como frases, aumentando la capacidad del sistema en cuanto a conocimiento de la información filtrada. Además se puede aplicar otras técnicas que permitan identificar el interés del usuario (o carencia de el) en documentos específicos.
Se podrían desarrollar aplicaciones de agentes en varias áreas, entre las cuales estarían áreas particularmente significativas como la Informática Educativa sobre la cual no existen muchos trabajos.