Métodos y técnicas para la evaluación del aprendizaje de ontologías de dominio

Abstract

Desde su invención, la creación de ontologías se ha llevado a cabo, casi siempre, de forma manual, siguiendo las directrices marcadas por métodos y metodologías de desarrollo de ontologías. Este proceso trata de poner de acuerdo a un conjunto de personas, expertos e ingenieros ontológicos, en la modelización de un dominio concreto, lo que supone un gasto en tiempo y recursos muy alto. Un enfoque interesante que intenta reducir el tiempo y recursos utilizados durante este proceso es la creación de ontologías de forma automática (Ontology Learning) en el que el objetivo principal es el de crear ontologías a partir de un corpus de documentos, haciendo uso de técnicas y métodos de campos como el aprendizaje automático, la recuperación de información o el procesamiento del lenguaje natural.
Como en todo proceso de creación de sistemas inteligentes de forma automática, uno de los apartados más importantes que se debe llevar a cabo es la validación o evaluación de dichos sistemas con el fin de comprobar que los modelos representan el conocimiento deseado. Durante la última década no se han realizado avances significativos en la fase de validación del aprendizaje ontologías. A lo largo de este trabajo se mostrará un estudio pormenorizado de las ideas, técnicas y métodos que se han propuesto en el estado de arte y se diseñará e implementará un nuevo método de evaluación que tendrá como objetivo principal la estandarización en el apartado de validación de los procesos de aprendizaje de ontologías. El método propuesto se basa en técnicas cuantitativas con el fin de realizar un proceso lo más automático posible y poder así, de forma rápida y sencilla, comprobar que el conocimiento del dominio representado en el corpus de documentos utilizados para el aprendizaje se refleja en la ontología aprendida de forma automática.---ABSTRACT---Since its invention, ontological creation has been carried out mostly manually, following the guidelines set by the methods and methodology of ontology development. This process involved getting a certain group of people, experts and ontological engineers, to agree into the modelization of a specific domain, which meant a large expenditure of time and resources. An interesting approach that tries to reduce the amount of time and resources used during this rudimentary process is Ontology Learning, in which the main objective is creating ontologies from a corpus of documents, using technics and methods such as machine learning, information retrieval or natural language processing. As any process of automatic creation of intelligent systems, one of the most important steps to be done is the evaluation of these systems in order to ensure that the models represent the desired knowledge. Unfortunately, there is no significant progress in the evaluation of Ontology Learning during the last decade.
Over the course of this paper a detailed study of the ideas, techniques and methods proposed in the state of art will be displayed, and it will also design and implement a new method of evaluation in order to standardize the evaluation of ontology learning processes. The proposed method is based on quantitative techniques that will allow us to perform the process as automatically as possible, so we can quickly and easily verify that the domain knowledge represented in the corpus of documents used for learning is reflected in the automatically learnt ontology.