Central management and control (CMC)

La sugerencia de conceptos o entidades asociados a un determinado término o ano- tación se constituye en una función básica de la presente propuesta puesto que permite complementar y enriquecer la descripción tanto de OERs como de usuarios.

Para determinar la relevancia de una entidad tomada como referencia respecto de un conjunto de entidades relacionadas, en esta tesis se apuesta por el uso de enfoques que explotan la estructura semántica de redes de conocimiento abiertas y extensibles, como DBPedia.

El enriquecimiento del conjunto de anotaciones asociadas a un recurso digital o usuario, puede incrementar las posibilidades de encontrar rutas que lleven a los recursos

Figura 7.7:Explotación de relaciones semánticas para enriquecer las etiquetas o nombres de recursos semánticos

más adecuados para satisfacer las necesidades de información de un usuario particular, puesto que a través del enriquecimiento ocurre la ampliación de la red de términos asociados a una entidad particular.

De forma concreta, la función de recomendación de entidades puede ser utilizada con los siguientes propósitos:

Recomendación de tópicos, funcionalidad orientada para las personas. Mientras que algunos usuarios Web pueden saber exactamente lo que están bus- cando y les gustaría respuestas inmediatas, en otros casos pueden estar dispuestos a explorar y ampliar sus conocimientos viendo otros temas relacionados en base a un interés inicial. A menudo, el interés inicial del usuario puede vincularse a una entidad particular de una base de conocimiento, y en este caso es natural recomendar las entidades vinculadas para una mayor exploración. Conocer la es- tructura jerárquica de los tópicos relacionados a una determinada área es posible

gracias al uso de relaciones jerárquicas entre conceptos definidas por vocabularios como SKOS.

Expansión de términos, funcionalidad orientada a máquinas.Al extender un término de usuario o un término relacionado a un OER, se puede sugerir un subconjunto de entidades estrechamente relacionadas; esto amplia las posibilida- des de que las máquinas puedan encontrar resultados valiosos, más allá de lo que se podría conseguir con una búsqueda exacta de palabras. Incluso gracias a repo- sitorios multi-lenguaje como DBPedia, es posible obtener los nombres o títulos de recursos semánticos en diferentes idiomas, de esta manera, la búsqueda se podrá realizar en múltiples idiomas. Además, al incorporar esta funcionalidad en cual- quier sistema de localización de material, se podrán proporcionar funcionalidades de asistencia al usuario, de manera que éste pueda explorar y refinar sus consultas. Según el flujo general del proceso de expansión mostrado en la Figura 7.2, la función de recomendación de entidades puede ser implementada una vez que un término ha sido reconocido como entidad semántica y se ha realizado el recorrido por el grafo de datos RDF seleccionado.

Como resultado del proceso de expansión, cientos o miles de entidades pueden ser visitadas durante el proceso de recorrido a través de los predicados seleccionados; consi- derando esta situación, es importante identificar un pequeño subconjunto de entidades que estén más estrechamente relacionadas a una determinada entidad. Como lo mencio- nan Blanco et al. (2013), analizar la gran cantidad de entidades candidatas a recomendar es un problema de ranking. En este punto, se presenta la función de ranking propuesta para identificar las top-n entidades relacionadas a un determinado concepto.

Algunas de las aproximaciones conocidas de sugerencia de tags se basan en el con- tenido de los documentos (Song et al. 2011) y/o en las etiquetas que la comunidad ha compartido en el pasado; generalmente, en estos enfoques se aplican algoritmos de aprendizaje de máquina o probabilísticos como SVM (Semantic Vector Machine) o LSA (Latent Semantic Analysis).

En esta tesis, se propone aprovechar las relaciones semánticas entre entidades, en lugar de centrar el interés en definir el mejor algoritmo para realizar esta tarea. Con- cretamente, se propone utilizar vocabularios o diccionarios abiertos para encontrar co- rrelaciones entre dos conceptos y explotar las relaciones semánticas que vinculan a los recursos semánticos; éstos dos elementos pueden ser la clave para determinar patrones de asociación entre entidades y conceptos, por tanto, realizar sugerencias de calidad.

elegir así el conjunto final de las top-n entidades a recomendar, se asigna un peso a las relaciones semánticas que vinculan a cada par de recursos. Para calcular la calificación final, se consideran variables como: el número de iteraciones del proceso de recorrido, el ciclo o iteración en la cual se encontró un determinado recurso, el peso de cada propiedad, y el peso obtenido durante la expansión.

Para elegir los vértices (vi) que serán sugeridos de acuerdo a un tema de interés (o) se propone determinar su relevancia en base a los pesos de las aristas o relaciones (p) que han permitido llegar al término desde el nodo origen (o), y a partir del peso asignado a cada vértice que se encuentre en el camino (tf(vj)) cuyo valor es determinado por la frecuencia de visita del nodo durante el proceso de recorrido.

Por tanto, según lo definido en la expresión7.1, la función de ranking para una entidad candidata a ser recomendada (r(vi)) se determina en función de la intensidad del camino que la une al vértice origen (o) y es inversamente proporcional a la distancia que las separa (d).

r(vi) = j X i=1 p_(vi−1,vi)∗tf(vi) di (7.5) El planteamiento de la métrica ha sido inspirado por la teoría de grafos, considerando conceptos como grafos ponderados, distancia y adyacencia.

El proceso que se ha descrito puede ser aplicado para enriquecer cualquier keyword, incluso las palabras utilizadas por el usuario cuando realiza una búsqueda.