TESIS DE MAESTRÍA EN CIENCIAS - CENIDET · 2020-07-07 · Resumen Actualmente, en el contexto de la web semántica, las ontologías se han convertido en un elemento importante para

Centro Nacional de Investigación y Desarrollo Tecnológico

Departamento de Ciencias de la Computación

TESIS DE MAESTRÍA EN CIENCIAS

Metodología para la creación de ontologías de dominio utilizando la técnica de mezcla de ontologías basada en

parámetros

Presentada por

Sabino Pariente Juárez Ing. en Sistemas Computacionales por el I. T. de Zacatepec

como requisito para la obtención del grado de:

Maestría en Ciencias en Ciencias de la Computación

Director de tesis: Dr. Hugo Estrada Esquivel

Co-Director de tesis:

Dr. María del Carmen Suárez de Figueroa Baonza

Jurado:

Dr. Juan Gabriel González Serna – Presidente Dra. Alicia Martínez Rebollar – Secretario

Dr. Hugo Estrada Esquivel – Vocal

Cuernavaca, Morelos, México. 29 de febrero de 2012

I

II

III

Agradecimientos

Agradezco primeramente a Dios por haberme permitido realizar este trabajo de tesis.

Al Consejo Nacional de Ciencia y Tecnología (CONACYT) por el apoyo económico

que proporcionó durante la realización y desarrollo de esta tesis.

Al Centro Nacional de Investigación y Desarrollo Tecnológico (CENIDET) por darme la

oportunidad de enrolarme en el programa de maestría en ciencia en ciencias de la

computación.

A mi director de tesis el Dr Hugo Estrada Esquivel y mi codirectora de tesis la Dra.

María del Carmen Suarez de Figueroa Baonza por las grandes aportaciones que tuvieron

para este trabajo de tesis.

A mis revisores la Dra. Alicia Martínez Rebollar, el Dr. Javier Ortiz Hernández y el Dr

Jorge Hermosillo Valadez, por su tiempo dedicado en la revisión de esta tesis.

Al Ontology Engineering Gruop por permitirme realizar la estancia de investigación en

sus instalaciones

A los profesores de Cenidet que me ayudaron a formarme académicamente

A la mis compañeros del laboratorio de Sistemas Distribuidos, por los grandes

momentos de locura y desesperación que vivimos, también uno que otro momento de

diversión.

A todas estas personas les doy mis más sinceros agradecimientos

IV

Dedicatorias

Dedico este trabajo con todo amor y cariño

Primeramente a mi madre María de los Ángeles Juárez Castañeda por darme

siempre esas motivaciones y regaños para siempre seguir adelante

A mis hermanos Roberto Carlos Pariente Juárez y Adriana Pariente Juárez, y mi

sobrinita Alexa Tanairi Cervantes Pariente y mi Cuñado Rubén Cervantes Reyes

A mis tíos Mercedes, Martha Patricia y Raúl.

A mi tío Clemente Juárez

A todo el resto de mi familia, me llevaría otra tesis en nombrarlos….

A mis profesores del CENIDET.

A la Dra Alicia Martinez y al Dr Hugo Estrada

A Mari Carmen Suarez Figueroa

A mis compañeros y amigos; Eliel, Everardo, Nimrod, Nazir, Felipe, Ricardo,

Kaliz, Emma, El vago.

A los Kushules

A Liliana Ramírez

A Cinthia Ocampo

A mi hermanita Cinthya Patricia

A mi amiga Norma Angélica Céspedes Cadena

Les dedico este trabajo de tesis por que han sido parte importante a lo largo de mi vida

y principalmente en el tiempo en que estuve realizando la maestría en Cenidet

V

Abstract

Nowadays, in the context of semantic web, ontologies have become an important

element for the creation of web sites, due to they allow providing semantic to the

information and to the resources within a web site. This semantic allows internet users to be

able to find responses to their questions in a faster and more exact way through semantic

search engines.

Semantic web does require ontologies to represent knowledge since they are the

mechanism which allows exposing the conceptual model that exists behind each page or

web resource. Nevertheless, their creation is a complicated and time and effort consuming

process since it requires experts in the knowledge domain (such as Medicine, Government,

Biology, etc) and ontology engineers to build a conceptual model that represents in a

correct way the analyzed domain. For this reason, techniques and methodologies that allow

reusing (small) ontologies to build an ontology that contains all the information represented

in each specific ontology have been proposed. The union of these fragments of knowledge

is known as domain ontology. It is possible to establish that a domain ontology is

equivalent to the knowledge of an expert in a specific topic.

In the context of ontology engineering there exist different techniques which can be

used to build a domain ontology in a faster and less consuming way by reusing the

knowledge represented in other ontologies. However, despite these techniques can be

useful to quickly build a conceptual model of the domain, the resultant ontologies usually

obtained can be too large, containing both the irrelevant and relevant information for the

purpose established.

This thesis represents a methodology for domain ontology building, which keeps the

relevant information and disregards irrelevant information for the purpose of the ontology.

This methodology is based on ontology reuse techniques: a) modularization of ontologies,

b) mapping of ontologies and c) merging of ontologies, which have been properly

combined in a methodology that allows creating simpler and easier to consult domain

ontologies.

VI

Resumen

Actualmente, en el contexto de la web semántica, las ontologías se han convertido en un

elemento importante para la creación de sitios web, ya que permiten proporcionar

semántica a la información y a los recursos contenidos en dichos sitios. Ésta semántica

permite qué los usuarios de internet puedan encontrar respuestas más rápidas y precisas a

sus preguntas a través de motores de búsqueda semánticos.

La Web semántica requiere necesariamente de ontologías para representar

conocimiento, ya son el mecanismo que permite exponer el modelo conceptual que existe

detrás de cada página o recurso Web. Sin embargo, su creación es un proceso complicado

y costoso en tiempo y esfuerzo, ya que requiere de expertos en el dominio de conocimiento

(por ejemplo, Medicina, Gobierno, Biología, etc.) e ingenieros de ontologías para construir

un modelo conceptual que represente correctamente el dominio analizado. Por esta razón,

se han propuesto técnicas y metodologías que permiten reutilizar (pequeñas) ontologías

específicas, que representan un fragmento del dominio, para crear una más grande que

contenga una información más competa del dominio. A la unión de esos fragmentos de

conocimiento se le conoce como ontología de dominio. Es posible establecer que una

ontología de dominio es equivalente al conocimiento de un experto sobre un tema

específico.

En el contexto de la ingeniería ontológica, existen diferentes técnicas que permiten

construir una ontología de dominio de una forma más rápida y menos costosa a partir de la

reutilización del conocimiento representado en otras ontologías. Sin embargo, a pesar de

que estas técnicas pueden ser de utilidad para crear rápidamente un modelo conceptual del

dominio, las ontologías resultantes obtenidas usualmente pueden ser demasiado grandes,

conteniendo información tanto relevante como irrelevante para el propósito que se desee

dar a la información.

Esta tesis presenta una metodología de construcción de ontologías de dominio, que

preserva la información relevante e ignora la información irrelevante para los usos que se

desea dar a la información. Esta metodología está basada en las técnicas de reutilización de

ontologías: a) modularización, b) mapeo y c) mezcla, las cuales han sido apropiadamente

combinadas en una metodología que permite crear ontologías de dominio más simples y

fáciles de consultar.

VII

Contenido

CAPÍTULO 1. INTRODUCCIÓN 1

1.1 MOTIVACIÓN 2 1.2 PLANTEAMIENTO DEL PROBLEMA 2 1.2.1 SOLUCIÓN PROPUESTA 3 1.3 OBJETIVO DE LA TESIS 3 1.4 CONTEXTO DE LA TESIS 3 1.5 ESQUEMA DE LA TESIS 5

CAPÍTULO 2. FUNDAMENTOS TEÓRICOS 6

2.1 WEB SEMÁNTICA 6 2.2 ONTOLOGÍAS 7 2.2.1 ONTOLOGÍAS DE DOMINIO 7 2.2.2 OWL: UN LENGUAJE DE ONTOLOGÍAS WEB 7 2.3 REUTILIZACIÓN DE ONTOLOGÍAS 8 2.3.1 LA MODULARIZACIÓN DE ONTOLOGÍAS 8 2.3.2 LA MEZCLA DE ONTOLOGÍAS 8 2.3.3 EL MAPEO DE ONTOLOGÍAS 9

CAPÍTULO 3. ESTADO DEL ARTE 10

3.1 INTRODUCCIÓN 10 3.2 METODOLOGÍAS PARA LA CONSTRUCCIÓN DE ONTOLOGÍAS 11 3.2.1 METODOLOGÍA NEON 11 3.2.2 METODOLOGÍA METHONTOLOGY 11 3.2.3 LA METODOLOGÍA ON-TO-KNOWLEDGE 12 3.2.4 METODOLOGÍA DILIGENT 13 3.3 METODOLOGÍAS PARA LA CONSTRUCCIÓN DE ONTOLOGÍAS DE DOMINIO 14 3.3.1 A COMPREHENSIVE GUIDELING FOR BUILDING A DOMAIN ONTOLOGY FROM SCRATCH 14 3.3.2 TEXTONTOEX 15 3.3.3 ONTOLOGÍA DE DOMINIO QUE APRENDE DE LA WEB 16 3.4 ENFOQUES ACTUALES PARA MEZCLA DE ONTOLOGÍAS 16 3.4.1 CREATION AND MERGING OF ONTOLOGY TOP-LEVELS 16 3.4.2 FCA-MERGE: BOTTOM-UP MERGING OF ONTOLOGIES 17 3.4.3 ATOM: AUTOMATIC TARGET-DRIVEN ONTOLOGY MERGING 17 3.5 CONCLUSIONES 18

VIII

CAPÍTULO 4. LA METODOLOGÍA CREADO 19

4.1 INTRODUCCIÓN 19 4.2 FASE DE ESTUDIO Y PREPARACIÓN DE LAS ONTOLOGÍAS 20 4.2.1 MÉTODO DE EVALUACIÓN DE ONTOLOGÍAS 20 4.2.1.1 Módulo de evaluación de clases 24 4.2.1.2 Módulo de evaluación de propiedades 24 4.2.1.3 Módulo de evaluación de la taxonomía 25 4.2.2 MÉTODO DE DEFINICIÓN DEL PARÁMETRO DE MEZCLA 25 4.3 FASE DE ADQUISICIÓN DEL CONOCIMIENTO 26 4.3.1 MÉTODO DE EXTRACCIÓN DE MÓDULOS DE LA ONTOLOGÍA 26 4.3.1.1 El proceso de extracción de módulos 27 4.3.2 MÉTODO DE MAPEO DE ONTOLOGÍAS 29 4.3.2.1 Calculo de la similitud ontológica 30 4.3.2.2 Propiedades de alineamiento 33 4.4 FASE DE CONSTRUCCIÓN DE LA ONTOLOGÍA DE DOMINO 34 4.4.1 MÉTODO DE MEZCLA DE ONTOLOGÍAS 34 4.5 CONCLUSIONES 35

CAPÍTULO 5. HERRAMIENTA CREADO 36

5.1 INTRODUCCIÓN 36 5.2 ANÁLISIS Y DISEÑO DE LA HERRAMIENTA CREADO 36 5.3 ARQUITECTURA DE LA HERRAMIENTA CREADO 39 5.4 PAQUETE DE ALMACENAMIENTO DE INFORMACIÓN 39 5.4.1 OMVCORE 40 5.4.2 METAMODELO OMVLIR 41 5.4.3 METAMODELO OMVPROPERTYPITFALLS 42 5.4.4 METAMODELO OMVONTOLOGYMODULE 43 5.4.5 METAMODELO OMVMAPPING 44 5.5 PROTOTIPO 44 5.6 CONCLUSIONES 45

CAPÍTULO 6. CASOS DE ESTUDIO Y PRUEBAS 46

6.1 INTRODUCCIÓN 46 6.2 CASOS DE ESTUDIO 46 6.2.1 CONJUNTO DE ONTOLOGÍAS DE LOS MODELOS I* 46 6.2.2 CONJUNTO DE ONTOLOGÍAS DEL DOMINIO “TURÍSTICO” 49 6.3 PRUEBAS 50 6.3.1 ONTOLOGÍA DE DOMINIO PARA LOS MODELOS DE I* 51 6.3.2 CONSTRUCCIÓN DE UNA ONTOLOGÍA DE DOMINIO DEL TRANSPORTE 53 6.3.3 CONSTRUCCIÓN DE UNA ONTOLOGÍA DE DOMINIO DEL TURISMO 55 6.4 CONCLUSIONES 56

IX

CAPÍTULO 7. CONCLUSIONES Y TRABAJOS FUTUROS 57

7.1 CONCLUSIONES 57 7.1.1 CONTRIBUCIONES 58 7.2 TRABAJOS FUTUROS 58

REFERENCIAS 59

ANEXOS 62

ANEXO 1. ONTOLOGÍA DE DOMINIO DE MODELO I* 62 ANEXO 2. ONTOLOGÍA DE DOMINIO DE TURISMO 63 ANEXO 3. ONTOLOGÍA DE DOMINIO DE TRANSPORTE 65

X

Índice de figuras Figura ‎1.1. Arquitectura de proyecto de investigación de (Garcia, 2010) ............................. 4

Figura ‎2.1. Diferencia entre la web actual y la web semántica (Castells, 2003). .................. 6

Figura ‎3.1. Proceso de desarrollo de ontologías METHONTOLOGY (Suárez-

Figueroa, 2010) .................................................................................................................... 11

Figura ‎3.2. Proceso de desarrollo de software de la metodología On-To-Knowledge

(Fensel et al., 2000) ............................................................................................................. 13

Figura ‎3.3 Proceso de desarrollo de ontologías de DILIGENT (Pinto et al., 2004)............ 14

Figura ‎3.4. El proceso general de mezcla de ontologías de FCA-Merge ............................ 17

Figura ‎4.1. Arquitectura de la Metodología CreaDO .......................................................... 20

Figura ‎4.2 Método de evaluación de ontologías .................................................................. 20

Figura ‎4.3. Clasificación de errores de acuerdo a las dimensiones definidas en

(Poveda-Villalón et al., 2010).............................................................................................. 21

Figura ‎4.4. Diagrama de flujo del método de evaluación de ontologías ............................. 23

Figura ‎4.5. Método de extracción de módulos de ontologías .............................................. 27

Figura ‎4.6. Pila de similitud ontológica (Marc Ehrig & Sure, 2004) .................................. 30

Figura ‎5.1. Diagrama de actores de la metodología CreaDO. ............................................. 37

Figura ‎5.2. Diagrama de metas de la metodología CreaDO ................................................ 37

Figura ‎5.3 Diagrama de actores de la herramienta CreaDO ................................................ 38

Figura ‎5.4. Diagrama de paquetes de la herramienta CreaDO ............................................ 39

Figura ‎5.5. Paquete de extensiones OMV ........................................................................... 40

Figura ‎5.6. Metamodelo OMV de (Hartmann et al., 2005) ................................................. 41

Figura ‎5.7. Metamodelo OMVLIR (Montiel-Ponsoda et al., 2008) .................................... 42

Figura ‎5.8. Metamodelo OMVPropertyPitfalls ................................................................... 43

Figura ‎5.9. Metamodelo OMVOntologyModule ................................................................. 43

Figura ‎5.10. Metamodelo OMVMapping ............................................................................ 44

Figura ‎5.11. Interfaz gráfica de la herramienta CreaDO ..................................................... 45

Figura ‎6.1. Conceptos clave de la ontología del metamodelo i* ......................................... 47

Figura ‎6.2. Conceptos clave de la ontología del metamodelo Tropos ................................. 48

Figura ‎6.3. Conceptos clave de la ontología del metamodelo i* orientado a servicios ....... 49

Figura ‎6.4. Conceptos clave de la ontología Etp-Tourist .................................................... 50

Figura ‎6.5. Conceptos clave de la ontología OTN .............................................................. 50

XI

Figura ‎6.6. Ejecución de la herramienta CreaDO creando la Ontología de dominio

del Modelo i*. ...................................................................................................................... 52

Figura ‎6.7. Vista de conceptos principales de la ontología de dominio del Modelo i*

resultante .............................................................................................................................. 52

Figura ‎6.8. Ejecución de la herramienta CreaDO creando la Ontología de dominio de

transportes en el turismo. ..................................................................................................... 54

Figura ‎6.9. Vista de conceptos principales de la ontología de dominio de transportes

resultante .............................................................................................................................. 54

Figura ‎6.10. Ejecución de la herramienta CreaDO creando la Ontología de dominio

del Turismo. ......................................................................................................................... 55

Figura ‎6.11. Vista de conceptos principales de la ontología de dominio de turismo

resultante .............................................................................................................................. 56

XII

Índice de tablas Tabla ‎4.1. Clasificación de errores comunes de acuerdo al elemento ontológico ............... 22

Tabla ‎4.2. Módulos de evaluación del método de evaluación de ontologías ...................... 23

Tabla ‎4.3. Algoritmo del proceso de extracción de módulos presentado en (Doran et

al., 2007) .............................................................................................................................. 28

Tabla ‎4.4. Entradas del método de modularización de ontologías ...................................... 29

Tabla ‎4.5. Reglas de mapeo clasificadas en las capas de complejidad semántica

(Ehrig & Sure, 2004) ........................................................................................................... 31

Tabla ‎4.6. Tabla de medidas de similitud ............................................................................ 32

Tabla ‎4.7. Uso de las propiedades de correspondencia en las entidades ontológicas. ........ 34

Tabla ‎6.1 Información estadística de la ontología del metamodelo i* ................................ 47

Tabla ‎6.2 Información estadística de la ontología del modelo Tropos ................................ 47

Tabla ‎6.3. Información estadística de la ontología del modelo orientado a servicios ......... 48

Tabla ‎6.4. Información estadística de la ontología ETP-Tourism ....................................... 49

Tabla ‎6.5. Información estadística de la ontología OTN ..................................................... 50

Tabla ‎6.6. Tabla de conceptos equivalentes de la ontología del Modelo i* ........................ 52

Tabla ‎6.7. Tabla de conceptos equivalentes de la ontología dominio de transportes en

el turismo. ............................................................................................................................ 54

Tabla ‎6.8. Tabla de conceptos equivalentes de la ontología dominio del turismo .............. 56

Sabino Pariente Juárez Introducción

Metodología para la creación de ontologías de dominio usando la técnica de mezcla de ontologías basada en parámetros 1

Capítulo 1. Introducción

En el contexto de la web semántica, la construcción de una ontología es un proceso que

requiere invertir mucho tiempo y esfuerzo cuando se realiza tanto la adquisición del

conocimiento como el desarrollo de la ontología. Este tiempo y esfuerzo es mucho mayor

cuando se trata de una ontología que describe el conocimiento de un dominio. En el área de

la ingeniería ontológica se han propuesto diversas metodologías y técnicas que facilitan la

construcción manual o automática de ontologías. Dentro de estas técnicas existen las

técnicas de reutilización de ontologías que nos permiten obtener el conocimiento descrito

en otras ontologías y construir una nueva ontología. Estas técnicas permiten disminuir el

tiempo y el esfuerzo utilizado en la creación de una ontología. Además se han vuelto una

ayuda para los ingenieros de ontologías en la especificación de un cierto dominio de

conocimiento. Sin embargo al utilizar estas técnicas es posible que la ontología resultante

incluya tanto información relevante como irrelevante para los propósitos de su utilización.

El objetivo de esta tesis es proporcionar una nueva metodología que permita la

construcción de ontologías de dominio de propósito específico, describiendo todo el

conocimiento de un dominio. La metodología propuesta utiliza técnicas de reutilización de

ontologías (como la mezcla y modularización de ontologías y el filtrado de mapeos),

además se utiliza un parámetro que ayuda a filtrar la información de la nueva ontología

generada. De esta manera, se pretende reducir la información irrelevante que puede tener la

generación de una ontología de forma automática

La metodología propuesta está formada por cinco métodos que permiten llevar a cabo el

proceso de construcción de la ontología de dominio. Estos métodos son: a) Método de

evaluación de ontologías, el cual permite detectar los errores de diseño, tanto funcionales

como estructurales de las ontologías fuente. Además también extiende la ontología con

información léxica (sinónimos). b) Método de definición del parámetro, el cual permite.

definir el parámetro de mezcla y obtener sus sinónimos. Este parámetro define el propósito

de la ontología de dominio. c) Método de extracción de módulos de ontologías, el cual

permite obtener los elementos más relevantes para el propósito de la ontología. d) Método

para la identificación de mapeos entre las ontologías, que identifica los elementes comunes

(o las correspondencias) entre las ontologías fuente (o de entrada). Además, el método filtra

los mapeos de acuerdo al parámetro de mezcla. e) Un método de mezcla de ontologías que

construye la ontología utilizando los elementos identificados en el método de

modularización de ontología y los mapeos identificados en el método de mapeo de

ontologías.



1.1 Motivación

Hoy en día, las ontologías son utilizadas como medio de representación de

conocimiento en áreas como la ingeniería del conocimiento, la inteligencia artificial o la

web semántica. En la web semántica, las ontologías pueden ser utilizadas por motores de

búsqueda semántica o por anotadores semánticos como base de conocimiento para

consultar información relacionada a un dominio de conocimiento.

Una ontología puede construirse de forma manual, sin embargo esto lo hace ser una

tarea muy compleja en tiempo y esfuerzo ya que requiere de expertos en el dominio que

proporcionen su conocimiento y de ingenieros de ontologías que construyan ésta utilizando

el saber proporcionado por los expertos. Esta tarea se complica aún más cuando se trata de

la construcción de ontologías que pretendan describir una mayor parte de la información

que describe un dominio de conocimiento. Por lo tanto, en la Web semántica no existen

muchas ontologías que describan toda la información referente a los conceptos de un

dominio de conocimiento, tal como lo menciona (d’Aquin et al., 2007) en su afirmación:

“La Web Semántica está caracterizada por un gran número de ontologías pequeñas y

ligeras, y un número muy reducido de ontologías heterogéneas, de gran escala y con gran

cobertura”.

En este mismo contexto (d’ Aquin et al., 2007) declara que “la cantidad de

conocimiento publicado en la web semántica (por ejemplo el número de ontologías y de

documentos semánticos disponibles en línea) está incrementando rápidamente y ha

alcanzado el punto crítico requerido para permitir la visión de un verdadero conocimiento

web heterogéneo, distribuido y a gran escala”. En este sentido actualmente existen técnicas

que soportan la creación de ontologías utilizando técnicas de reutilización, las cuales

utilizan el conocimiento definido en ontologías creadas con anterioridad para construir una

nueva ontología que incluya más información acerca de un dominio.

1.2 Planteamiento del problema

En el contexto de la web semántica y la ingeniería ontológica existen metodologías

como Methontology (Fernandez, Gomez-Perez, & Juristo, 1997), Digilent (Pinto, Staab, &

Tempich, 2004), OnToKnowledge (Sure, 2002) y NeOn Methodology (Suárez-Figueroa,

2010) que proponen métodos para llevar a cabo el proceso de desarrollo de ontologías de

manera manual o semiautomática.

De la misma manera, trabajos como (Marc Ehrig, 2006), (Cuenca Grau, 2005),

(Alasoud, 2009) proponen construir ontologías utilizando técnicas de reutilización de

ontologías, tal como el alineamiento de ontologías, la integración de ontologías o la mezcla

de ontologías. Estas técnicas pretenden ayudar los ingenieros a construir ontologías de una

forma menos costosa en tiempo y esfuerzo, puesto que no se depende de la participación de

expertos, si no del conocimiento descrito por las ontologías. Sin embargo, en estas técnicas,

al utilizar ontologías que fueron definidas para diferentes propósitos, es posible que la

nueva ontología incluya elementos tanto relevantes como irrelevantes para el propósito de

la ontología. Por lo cual disminuye el entendimiento y navegabilidad de la ontología.

Por otra parte, los trabajos de (Dahab, Hassan, & Rafea, 2008) y (Sánchez, 2009),

presentan propuestas para construir ontologías de dominio también de una forma



semiautomática. La diferencia es que estos trabajos proporcionan métodos para añadir

conocimiento a una ontología de base, y proporcionar todos los conceptos que definen un

dominio de conocimiento, logrando mantener la información relevante para el propósito

deseado. Sin embargo, estos trabajos se limitan sólo a describir un dominio de acuerdo a los

conceptos y relaciones definidos en la ontología base, por lo que no permite declarar nuevo

conocimiento en la ontología.

1.2.1 Solución propuesta

Como se mencionó anteriormente, se han identificado dos problemas principales, a) la

falta de ontologías heterogéneas, de gran escala y con gran cobertura, y b) la falta de

ontologías de dominio que incluyan únicamente información relevante para un propósito

específico.

Por lo tanto, partiendo de las afirmaciones hechas por (d’ Aquin et al., 2007), en esta

tesis se plantea la posibilidad de utilizar el conocimiento definido en ontologías

(específicas) para construir una nueva ontología que incluya toda la información definida

en la ontologías reutilizadas. Para lograr este objetivo, en esta tesis se propone una

metodología, llamada CreaDO, para la construcción semiautomática de ontologías de

dominio, la cual utiliza la técnica de mezcla de ontologías.

Por otra parte, es posible filtrar el conocimiento descrito en las ontologías reutilizadas

con el fin de ignorar el conocimiento irrelevante y preservar el conocimiento relevante para

el propósito de la nueva ontología. Por lo tanto, la metodología propuesta utiliza la técnica

de modularización de ontologías, filtrado de mapeos (correspondencias) y un parámetro que

trabaja en conjunto con estas dos técnicas para filtrar la información irrelevante.

1.3 Objetivo de la tesis

En base a la solución propuesta se definió el siguiente objetivo de tesis.

“Desarrollar una nueva metodología para la construcción automática de ontologías de

dominio que incluya únicamente el conocimiento relevante para los propósitos de su

utilización con técnicas de reutilización de ontologías”.

1.4 Contexto de la tesis

Esta tesis forma parte del proyecto de investigación “Una nueva arquitectura para

búsquedas de información en la web basada en un enfoque de anotación semántica”

(García, 2010) que tiene como objetivo plantear una nueva arquitectura para la búsqueda de

información en la Web que tome como entrada una representación semántica, la cual

resulta de un proceso exhaustivo y automático de anotación semántica de contenidos de la

Web actual. La Figura 1.1 muestra la arquitectura general del proyecto de investigación. La

arquitectura general presenta cinco componentes (herramientas) principales:

Spider: Este componente obtiene la información y los recursos de un sitio Web

dado.



Anotador semántico: Este componente construye ontologías a partir de la

información y de los recursos (artículos científicos descritos en lenguaje natural)

de los sitios web obtenidos por el Spider

Creador de ontologías de dominio: Este componente construye ontologías de

dominio a partir de las ontologías creadas por el anotador semántico. Estas

ontologías son utilizadas como base de conocimiento para el motor de búsqueda

semántico y para el anotador semántico. La herramienta CreaDO propuesta en

esta tesis realiza el proceso de creación de las ontologías de dominio

Indexador semántico: Este componente realiza un índice de los recursos de la

base de conocimiento.

Motor de búsqueda semántica: Este componente consulta la base de recursos

indexados para poder proporcionar respuestas semánticas a los usuarios que

consultan información de un dominio.

Figura 1.1. Arquitectura de proyecto de investigación Teseo (Garcia, 2010)



1.5 Esquema de la tesis

El resto de la tesis está organizado de la siguiente manera:

Capítulo 2: Fundamentos teóricos. Este capítulo define los conceptos relevantes

asociados con la temática abordada en esta tesis.

Capítulo 3: Estado del arte. Este capítulo proporciona una revisión de los

trabajos relacionados con esta tesis. Los temas principales de los trabajos

presentados son: Creación de ontologías de dominio, metodologías de

construcción de ontologías y técnicas de reutilización de ontologías.

Capítulo 4: La metodología CreaDO. Este capítulo presenta una descripción

detallada de la metodología CreaDO propuesta para la construcción de

ontologías de dominio.

Capítulo 5: La herramienta CreaDO. Este capítulo presenta el análisis y el

diseño de la herramienta desarrollada en este trabajo de investigación, a la cual

se le ha denominado también CreaDO. La herramienta es una implementación

de la Metodología.

Capítulo 6: Casos de estudio y pruebas. Este capítulo presenta los casos de

estudio y pruebas realizadas con la herramienta CreaDO.

Capítulo 7: Conclusiones y trabajos futuros. Este capítulo resume las

contribuciones de esta tesis, incluyendo los trabajos futuros, y las publicaciones

realizadas.

Sabino Pariente Juárez Fundamentos teóricos


Capítulo 2. Fundamentos teóricos

Este capítulo presenta los conceptos y temas asociados al contexto de la creación de

ontologías web. La sección 2.1 presenta la descripción de la web semántica. La sección 2.2

presenta la definición y tipos de ontologías y el lenguaje de ontologías web. Por último, la

sección 2.3 presenta el concepto de reutilización de ontologías y describe específicamente

la técnica de mezcla de ontologías.

2.1 Web semántica

La web semántica aboga por clasificar, dotar de estructura y anotar los recursos con

semántica explicita con el fin de obtener la representación del conocimiento procesable por

computadoras. En la Figura 2.1 se ilustra la diferencia entre la web actual y la web

semántica. Actualmente la web se asemeja a un grafo formado por nodos del mismo tipo, y

arcos (hiperenlaces) donde, por ejemplo, no se hace distinción entre la página personal de

un profesor y el portal de una tienda online, como tampoco se distinguen explícitamente los

enlaces a las asignaturas que imparte un profesor de los enlaces a sus publicaciones. Por el

contrario, en la web semántica cada nodo (recurso) tiene un tipo (profesor, tienda, pintor,

libro), y los arcos representan relaciones explícitamente diferenciadas (pintor–obra,

profesor–departamento, libro–editorial), (Castells, 2003).

Para construir la Web semántica se necesita representar el conocimiento de forma

legible por las computadoras, que el conocimiento sea consensuado, y que pueda ser

reutilizable. Las ontologías proporcionan la vía para representar este conocimiento, de esta

manera.

Figura 2.1. Diferencia entre la web actual y la web semántica (Castells, 2003).



2.2 Ontologías

El término ‘ontología’ es utilizado en filosofía para hablar acerca de una ‘teoría sobre la

existencia’, ha sido adoptado por la comunidad de investigadores de inteligencia artificial

para definir una categorización y las relaciones entre sus términos (Berners-Lee, Hendler,

& Lassila, 2001).

En los trabajos de (Borst, 1997) se establece que, "una ontología es una especificación

formal de una conceptualización compartida".

En el contexto de ingeniería web, una ontología representa una taxonomía y un

conjunto de reglas de inferencia. La taxonomía define las clases de objetos y de relaciones

entre ellos. Las clases, subclases y relaciones entre entidades son herramientas de gran

potencia para usarlas en la Web (Lamarca, 2007).

Las reglas de inferencias por su parte ofrecen la posibilidad de que una ontología pueda

expresar condiciones. Es importante hacer notar que cuando se establece que un programa

puede deducir cosas, no nos referimos a que realmente las entienda, sino a que puede

manipular los términos de forma efectiva con la finalidad de producir información útil para

un usuario

2.2.1 Ontologías de dominio

Una ontología de dominio es aquella que describe el vocabulario de un dominio

concreto del conocimiento (Lamarca, 2007).

2.2.2 OWL: un lenguaje de ontologías web

El lenguaje de ontologías web (OWL) (McGuinness & Van Harmelen, 2004) está

diseñado para ser usado en aplicaciones que necesitan procesar el contenido de la

información en lugar de únicamente representar información para los humanos. OWL

facilita un mejor mecanismo de interoperabilidad de contenido Web que los mecanismos

admitidos por XML, RDF, y esquema RDF (RDF-S) proporcionando vocabulario adicional

junto con una semántica formal. OWL tiene tres sublenguajes, con un nivel de expresividad

creciente: OWL Lite, OWL DL, y OWL Full. OWL proporciona más vocabulario que RDF

para describir propiedades y clases tal como: relaciones entre clases (por ejemplo “clases

disjuntas”), cardinalidad (por ejemplo “exactamente uno”), igualdad, más tipos para las

propiedades, características de las propiedades (por ejemplo “simetría”), y clases

enumeradas.

OWL Lite está diseñado para aquellos usuarios que necesitan principalmente una

clasificación jerárquica y restricciones simples. Por ejemplo, a la vez que admite

restricciones de cardinalidad, sólo permite establecer valores cardinales de 0 o 1. OWL

Lite proporciona una ruta rápida de migración para tesauros y otras taxonomías. OWL

Lite tiene también una menor complejidad formal que OWL DL.

OWL DL está diseñado para aquellos usuarios que quieren la máxima expresividad

conservando completitud computacional (se garantiza que todas las conclusiones sean

computables), y decidibilidad (todos los cálculos acaban en un tiempo finito). OWL

DL incluye todas las construcciones del lenguaje de OWL, pero sólo pueden ser usados



bajo ciertas restricciones (por ejemplo, mientras una clase puede ser una subclase de

otras muchas clases, una clase no puede ser una instancia de otra). OWL DL es

denominado de esta forma debido a su correspondencia con la lógica de descripción

(Description Logics, en inglés), un campo de investigación que estudia la lógica que

compone la base formal de OWL.

OWL Full está diseñado para usuarios que quieren máxima expresividad y libertad

sintáctica de RDF sin garantías computacionales. Por ejemplo, en OWL Full una clase

puede ser considerada simultáneamente como una colección de clases individuales y

como una clase individual propiamente dicha. OWL Full permite una ontología para

aumentar el significado del vocabulario preestablecido (RDF u OWL). Es poco

probable que un software de razonamiento sea capaz de obtener un razonamiento

completo para cada característica de OWL Full.

2.3 Reutilización de ontologías

La reutilización de ontologías según (Figueroa & Perez, 2008) se refiere a la utilización

de una ontología o un módulo de ontología en la solución de diferentes problemas. La

reutilización de ontologías es una actividad que permite emplear una ontología o un

módulo, en por ejemplo, el desarrollo de nuevas ontologías, el desarrollo de diferentes

aplicaciones basadas en ontologías o en la actividad de alineamiento.

2.3.1 Modularización de ontologías

En (Doran, Tamma, & Iannone, 2007) se define la modularización de ontologías como

una técnica que puede ayudar a solucionar el problema de identificar fragmentos de una

ontología, los cuales pueden ser reutilizados con el fin de permitir a los desarrolladores

incluir estos fragmentos en sus nuevas ontologías.

En (Figueroa & Perez, 2008) se define la modularización como la actividad de

identificación de uno o más módulos en un ontología con el objetivo de soportar la

reutilización o el mantenimiento. Además también define la extracción de módulos de

ontologías como la actividad de obtener desde una ontología módulos concretos para ser

utilizados en un propósito especifico (por ejemplo, para contener un sub-vocabulario

particular de la ontología original).

2.3.2 Mezcla de ontologías

En (Suárez-Figueroa, 2010) se menciona que la mezcla de ontologías es “una actividad

que consiste en obtener una nueva ontología desde muchas ontologías de un mismo

dominio. La ontología permite unificar conceptos, terminología y limitaciones de

definición, desde las ontologías fuente. La mezcla de dos ontologías puede ser llevada a

cabo tanto en tiempo de diseño o en tiempo de ejecución”.

En (Svab-Zamazal, 2010) se menciona que la mezcla de ontologías es “una tarea a

nivel ontológico de mezclar la descripción de las entidades de dos ontologías donde

correspondencias han sido tomadas en cuenta”.



En (Ehrig, 2006) se define que para la mezcla, “una nueva ontología es creada desde

dos o más ontología. En este caso, la nueva ontología deberá unificar y reemplazar las

ontologías originales. Esto a menudo requiere considerar una adaptación y extensión. Los

elementos instancia de las ontologías originales son presentados dentro de la nueva

ontología”.

En esta tesis se ha tomado en cuenta las definiciones de estos autores para definir el

método de mezcla utilizado en la solución propuesta.

2.3.3 El mapeo de ontologías

En (Euzenat & Valtchev, 2004) se define el mapeo de ontologías como: “Dadas dos

ontologías que describen un conjunto discreto de entidades (las cuales pueden ser clases,

instancias, propiedades , predicados), encuentra relaciones (por ejemplo de equivalencia o

subsunción) que capturan entre ellos estas entidades”.

En (Ehrig, 2006) se utiliza el mapeo de ontologías en consultas de diferentes ontologías.

Un mapeo representa una función entre ontologías. Las ontologías originales no cambian,

pero los axiomas de mapeo describen como los conceptos, las relaciones y las instancias

son expresadas en términos de la segunda ontología. Estos mapeos están separados de las

ontologías. A menudo los mapeos son aplicados en una sola dirección.

Sabino Pariente Juárez Estado del arte


Capítulo 3. Estado del arte

En este capítulo se presenta el estudio del estado del arte, donde se muestran los

trabajos relacionados con la construcción de ontologías. La sección 3.1 presenta se presenta

los criterios contemplados para evaluar los trabajos relacionados. Además, describe la

categorización en la que los trabajos relacionados están clasificados. Las secciones 3.2, 3.3

y 3.4 presentan los trabajos de cada categorización definida. Por último, la sección 3.5

presenta las conclusiones del estudio del estado del arte.

3.1 Introducción

El estudio del estado del arte relacionado a la construcción de ontologías de dominio

envuelve tres temas principales: a) Metodologías para la construcción de ontologías, b)

Construcción semiautomática de ontologías de dominio y c) la mezcla de ontologías. En

cada una de estos tópicos se describen diferentes trabajos que tienen propósitos diferentes.

Sin embargo, estos trabajos cuentan con características en común que están relacionadas

con la construcción de ontologías de forma manual o semiautomática.

Una actividad inicial en la elaboración del estado del arte es la categorización de

trabajos relacionados. Los trabajos analizados en el estado del arte han sido categorizados

según los tópicos principales. A continuación se describen estas categorías:

Metodologías para la construcción de ontologías. En esta categoría se describen las

metodologías más conocidas para la construcción de ontologías.

Construcción de ontologías de dominio. En esta categoría se presentan trabajo que

proponen técnicas o métodos para crear ontologías de dominio.

Mezcla de ontologías. Esta categoría describe los trabajos que proponen métodos de

creación de nuevas ontologías utilizando la mezcla de ontologías.

A continuación se presenta el conjunto de criterios que se tomaron en cuenta para

describir cada trabajo de una manera uniforme. Los criterios que se utilizan para la

evaluación son los siguientes:

Descripción general del trabajo evaluado: Presenta la descripción de su objetivo

general del trabajo, las entradas y salidas del trabajo.

Reutilización de recursos: Se evalúa si el trabajo propuesto reutiliza recursos

ontológicos y/o no ontológicos para el proceso de construcción de la ontología.

Aportaciones para la el trabajo de investigación: se realiza análisis de las aportaciones

que puede tener el trabajo propuesto con el trabajo de tesis.



3.2 Metodologías para la construcción de ontologías

Esta sección presenta cuatro metodologías que permiten realizar más conocidas en la

construcción de ontologías.

3.2.1 Metodología NeOn

La metodología NeOn (Suárez-Figueroa, 2010) soporta el modelado colaborativo de

redes de ontologías, la reutilización de ontologías, así como la evolución dinámica de una

red de ontologías en ambientes distribuidos. Los puntos clave de la metodología NeOn son:

a) un conjunto de nueve escenarios para la construcción de ontologías y redes de

ontologías, enfatizando la reutilización de recursos ontológicos y no ontológicos, la

reingeniería y la mezcla, y tomando en cuenta el dinamismo y la reutilización, b) el glosario

de procesos y actividades, el cual identificó y define los procesos y las actividades que se

realizan durante la construcción de las redes de ontologías colaborativamente, y por último,

un conjunto de guías metodológicas para procesos y actividades relativas al proceso de

desarrollo de la ontología.

3.2.2 Metodología Methontology

La metodología METHONTOLOGY de (Fernandez et al., 1997) permite la construcción

de ontologías en el nivel de conocimiento. Para ello, esta metodología presenta un proceso

de desarrollo de ontologías que permite identificar qué tareas serán realizadas cuando se

construyen una ontología. Las tareas que se pueden realizar con esta metodología se pueden

organizar en 3 categorías: las tareas administración, las tareas orientadas al desarrollo y

tareas de soporte (Figura 3.1)

Figura 3.1. Proceso de desarrollo de ontologías METHONTOLOGY (Suárez-Figueroa, 2010)

1. Tareas de administración: incluye las tareas de planeación, control y aseguramiento

de la calidad.



2. Tareas orientadas al desarrollo: estas actividades se dividen en tres grupos: a) tareas

de pre-desarrollo que incluyen al estudio del ambiente y al estudio de la factibilidad;

b) tareas de desarrollo que incluye a la especificación, la conceptualización, la

formalización y la implementación; y por último, c) tareas de post-desarrollo

incluye el mantenimiento y la reutilización.

3. Tareas de post-desarrollo: incluye las tareas de adquisición de conocimiento, la

evaluación, la integración, la mezcla, el alineamiento, la documentación y la

configuración

El proceso de desarrollo de ontologías de Methontology no define el orden en que

deben ser ejecutadas las actividades. Para ello define el ciclo de vida de la ontología, donde

ser específica qué actividades forman parte de este proceso de desarrollo.

Las aportaciones que la metodología Methontology ofrece a este trabajo de tesis es el

conjunto de tareas que conforman el proceso de construcción de ontologías, principalmente

aquellas relacionadas con la tarea de mezcla de ontologías, que se encuentran en la sección

de post-desarrollo de la metodología METHONTOLOGY.

3.2.3 La metodología On-To-Knowledge

La metodología On-To-Knowledge (Fensel et al., 2000) propone construir ontologías

para la información disponible electrónicamente, con el fin de llevar a cabo la

administración del conocimiento en grandes organizaciones distribuidas. La metodología

On-To-Knowledge construye ontologías tomando en cuenta su futura utilización en

aplicaciones de administración del conocimiento, consecuentemente, las ontologías

desarrolladas con esta metodología están altamente relacionadas a la aplicación.

El proceso propuesto por esta metodología para creación de ontologías es el siguiente:

Estudio de la factibilidad: considera a la aplicación completa y debe llevarse a cabo

antes de desarrollar la ontología. En esta fase se considera el análisis de la aplicación

futura de la ontología a ser desarrollada. De hecho el estudio de factibilidad sirve como

base para el proceso de iniciación.

Iniciación: el resultado de este proceso es el documento de especificación de requisitos

que describen el dominio y el objetivo de la ontología, guías de diseño, fuentes de

información disponibles, casos de estudio y usuarios potenciales, así como aplicaciones

soportadas por la ontología. En el proceso de iniciación debe considerarse el potencial

reuso de ontologías.

Refinamiento: produce una primera versión de una ontología, la cual está orientada a la

aplicación de acuerdo a las especificaciones generadas en el proceso de iniciación. Este

proceso cuenta con dos tareas principales: a) la tarea de elicitación de conocimiento con

expertos de dominio, y b) la tarea de formalización utilizando un lenguaje de

ontologías.

Evaluación: prueba la utilidad de la ontología desarrollada y su ambiente de software

asociado. El producto obtenido es llamado ontología basada en la aplicación. El

proceso realiza dos actividades: a) Checar las cuestiones de competencia y requisitos, y

b) la evaluación de la ontología en el ambiente de aplicación.

Mantenimiento: el cual se realiza durante el proceso de desarrollo de sistema de

software.



La Figura 3.2 muestra el proceso de desarrollo de ontología de la metodología On-To-

knowledge.

Figura 3.2. Proceso de desarrollo de software de la metodología On-To-Knowledge (Fensel et al., 2000)

Las aportaciones de la metodología On-To-Knowledge a la tesis desarrollada es la idea

de construir ontologías que contemplen su futura utilización en el proceso de desarrollo.

3.2.4 Metodología DILIGENT

La metodología DILIGENT (Pinto et al., 2004) fue diseñada para apoyar a expertos de

dominio en el diseño y desarrollo de la ontología en un ambiente distribuido. Esta

metodología se enfoca en el diseño distribuido y colaborativo de la ontología. Este proceso

incluye las siguientes actividades:

1. Construcción: en esta actividad se crea la versión inicial de la ontología utilizando

colaborativamente el conocimiento de expertos en el dominio, usuarios, ingenieros

en representación del conocimiento e ingenieros en ontologías

2. Adaptación local: en esta etapa se adapta la ontología de acuerdo a las necesidades

del usuario. A continuación se presentan Los cambios realizados a la ontología se

realizan de manera local por cada usuario, después se recolectan todos los cambios

realizados por cada usuario y se almacenan en una tabla.

3. Análisis: en esta actividad se evalúan los cambios sugeridos por los usuarios para

aplicarlos en la ontología. El objetivo de esta tarea es desarrollar una ontología

núcleo compartida.

4. Revisión: en esta etapa se revisa que los cambios realizados en la ontología estén

realizados de forma correcta y que no afecte las necesidades de los usuarios.

5. Actualización local: finalmente, en esta actividad se realiza la actualización de la

nueva ontología a todos los interesados.



La Figura 3.3 muestra el proceso de desarrollo de ontología de la metodología

DIGILENT.

La aportación de la metodología DILIGENT es la definición de una metodología que

apoya a los expertos en construcción de ontologías a crear ontologías que incluyan

información de un mismo dominio, y que pueda ser utilizada por diferentes usuarios en una

forma colaborativa.

Figura 3.3 Proceso de desarrollo de ontologías de DILIGENT (Pinto et al., 2004)

3.3 Metodologías para la construcción de ontologías de dominio

A continuación se describen los trabajos de investigación relacionados con la categoría

de construcción de ontologías de dominio.

3.3.1 A comprehensive guideling for building a domain ontology from scratch

En este trabajo de investigación (Cristani & Cuel, 2004) se presenta un framework que

define una meta-metodología, la cual ayuda a los ingenieros de ontologías a crear una

ontología sin tener, como punto de referencia, una ontología previa. Esta meta metodología

define cuatro fases principales.

Fase de plan: En esta fase se definen los objetivos y la cantidad de recursos

necesarios para el desarrollo de la ontología.

Fase de introspectiva: En esta fase se define el esquema, los detalles generales, las

categorías, las relaciones, su formalización en el idioma de su elección y su

demostración.

Fase abajo hacia arriba. En esta fase se genera la terminología de forma automática

o semiautomática, se extrae la descripción de las relaciones entre los términos, y se

maneja el perfeccionamiento de la terminología de la ontología.



Fase de provisión de axiomas básicos: En esta fase se proporciona un conjunto de

definiciones de ontología, mediante la intervención o participación de los expertos

en el dominio.

Fase de Validación: En esta fase las definiciones de la ontología son probadas,

validadas y utilizadas.

Cada una de las fases de esta meta-metodología es opcional, paralela y

semiindependiente.

La principal aportación de la guía de creación de ontologías de dominio con este trabajo

de investigación es la meta-metodología para crear la ontología de dominio, debido a que

las fases pueden ayudar a definir una metodología para la integración de ontologías.

3.3.2 TextOntoEx

TextOntoEx (Dahab et al., 2008) es una herramienta para la construcción de ontologías

a partir de texto en lenguaje natural que se basa en un enfoque de patrones. TextOntoEx es

un puente entre el análisis lingüístico y la ingeniería de ontologías. TextOntoEx analiza

texto en lenguaje natural para encontrar relaciones candidatas y entonces las mapea sobre

una representación de significado (que puede ser una ontología), lo cual facilita la

construcción de la ontología.

El objetivo de TextOntoExt es extraer relaciones no taxonómicas de dominio específico

desde texto técnico (libre) utilizando un enfoque basado patrones. TextOntoEx no descubre

nuevas relaciones, más bien instancia relaciones ya conocidas en base a la elección de un

dominio y una temática elegida por el usuario. El enfoque de TextOntoExt contiene las

siguientes fases:

Construcción de patrones semánticos usando un editor de patrones. En esta fase se

construye un conjunto de patrones que describen relaciones de dominio particular

entre dos o más conceptos. Para construir el conjunto de patrones, TextOntoExt

cuenta con un editor de patrones. Este editor utiliza las clases abstractas de la

ontología de dominio destino para definir los patrones semánticos.

Selección de textos del dominio descritos en lenguaje natural. Se ha desarrollado un

programa que sigue los enlaces web (crawler) y guarda el texto, el cuerpo del texto

del tema, y pone los datos extraídos en un formato estructurado. Por ejemplo,

dominio, tema y cuerpo del texto natural.

Obtención de una ontología de dominio desde texto. El objetivo de esta fase es

extraer y construir la ontología desde texto en lenguaje natural, para esto se debe

seleccionar texto natural utilizado en un dominio específico bajo un tema específico.

Las aportaciones principales de TextOntoExt con relación a la tesis desarrollada son los

siguientes:

Un método para la creación de ontologías de dominio a partir de texto en lenguaje

natural.

La utilización de un parámetro que define el dominio y temática de la ontología.

El método de mapeo de relaciones hacia la ontología de dominio.



3.3.3 Ontología de dominio que aprende de la WEB

Este trabajo es el resultado de la tesis doctoral de (Sánchez, 2009). La principal ventaja

de este trabajo de investigación es crear una metodología de operación automática y no

supervisada para crear ontologías de dominio desde cero. En esta metodología de

construcción de ontologías se han desarrollado los siguientes métodos:

Método de extracción y selección de términos relacionados con el dominio,

organizándolos de forma taxonómica

Método de descubrimiento y etiquetado de relaciones no taxonómicas entre los

conceptos.

Métodos adicionales para mejorar la estructura final, incluyendo la detección de

entidades con nombre, atributos, herencia múltiple e incluso un cierto grado de

desambiguación semántica.

La metodología de aprendizaje se ha implementado mediante un sistema distribuido

basado en agentes, y ha sido evaluado para varios dominios de conocimiento bien

diferenciados, obteniendo resultados de buena calidad. Finalmente, se han desarrollado

varias aplicaciones referentes a la estructuración automática de librerías digitales y recursos

Web, y la recuperación de información basada en ontologías.

La aportación principal de este trabajo analizado a nuestro trabajo de investigación es la

metodología de construcción de ontologías de dominio. La metodología está conformada

por métodos para la identificación de clases que conforman la ontología, para la

identificación de relaciones taxonómicas y no taxonómicas, tareas que son también

fundamentales en la metodología propuesta.

3.4 Enfoques actuales para mezcla de ontologías

El objetivo principal de los trabajos de esta mezcla de ontologías es proponer técnicas

para la construcción de ontologías.

3.4.1 Creation and Merging of Ontology Top-Levels

Este trabajo (Ganter & Stumme, 2003) propone un método para crear y mezclar

ontologías de alto nivel. Propone una metodología que se basa en la técnica de Exploración

de Ontologías, la cual es adecuada para mezclar pequeñas partes de la ontología,

especialmente para ontologías donde un alto de nivel de precisión es requerido y soportado

para mezclar dos o más ontologías en ese nivel.

La técnica de exploración de ontologías está compuesta por tres pasos:

a) Inicialización del contexto de exploración: En este paso el usuario proporciona un

conjunto inicial de conceptos que son considerados como relevantes para el

dominio.

b) Proceso de exploración: Este paso comprende el dialogo con el usuario, que

consiste de preguntas que obtienen la descripción de la ontología. Además,

identificar los conceptos relacionados al conjunto inicial de conceptos.

c) Tratamiento posterior: En este paso el usuario puede modificar la jerarquía de

conceptos resultante según sean sus necesidades.



Las aportación del método de (Ganter & Stumme, 2003) para la tesis desarrollada es el

esquema para crear ontologías utilizando la mezcla de ontologías de alto nivel, es decir

mezclar los conceptos y propiedades de una ontología.

3.4.2 FCA-Merge: Bottom-up merging of ontologies

En los trabajos de Stumme (Stumme & Maedche, 2001) se propone el método FCA-

Merge para mezclar ontologías siguiendo un enfoque Bottom-up, el cual ofrece una

descripción estructural del proceso de mezcla. El método es guiado por las instancias de las

ontologías que serán mezcladas. El resultado generado por FCA-Merge es una ontología

mezclada, que puede ser explorada y transformada por el usuario.

La Figura 3.4 muestra el proceso general de mezcla de ontologías de FCA-Merge, el

cual consta de 3 tareas principales: a) extracción y cálculo de instancias de dos contextos

formales, b) el algoritmo núcleo de FCA-Merge, que calcula las relaciones de un concepto,

y por último c) la generación de la ontología mezclada, la cual está basada en las relaciones

de un concepto. El proceso de mezcla toma como entrada los datos de dos ontologías y un

conjunto de documentos en lenguaje natural y genera un conjunto de instancias de las

ontologías contenidas en esos documentos. Estos documentos deben ser muy relevantes al

conocimiento representado en las ontologías de entrada, porque de otra forma el sistema no

puede mapear los conceptos contenidos en los documentos contra las ontologías de entrada.

Figura 3.4. El proceso general de mezcla de ontologías de FCA-Merge

La aportación que FCA-Merge ofrece al trabajo de investigación de esta tesis es la

utilización de conocimiento representado en dos ontologías para crear una nueva ontología

con lo que se amplía el conocimiento del dominio. Esto es análogo a la utilización del

parámetro de mezcla en la metodología propuesta en esta tesis.

3.4.3 ATOM: Automatic target-driven ontology merging

Los trabajos de Salvatore Raunich (Salvatore Raunich & Rahm, 2010) proponen una

herramienta de mezcla de taxonomías dirigidas a un objetivo. Esta herramienta es conocida

como ATOM: Automatic Target-Driven Ontology Merging.

La herramienta define un método que mezcla la taxonomía de una ontología fuente con

la taxonomía de una ontología destino. Para ello, esta herramienta recibe como entrada: a)

dos taxonomías y una correspondencia de equivalencia entre los conceptos de las

taxonomías; y como resultado genera una mezcla semántica de las taxonomías.



El método de mezcla de ATOM se basa en un algoritmo que preserva las instancias de

las taxonomías de entrada, así como la estructura de la taxonomía destino. Además, el

algoritmo trata de limitar las correspondencias semánticas en la taxonomía mezclada, por

medio de la utilización de mapeos de entrada y preferencias para la taxonomía destino, lo

cual aplica cuando conceptos iguales son organizados diferentemente en la taxonomía

fuente y destino. También, se propone la extensión del algoritmo de mezcla con

información auxiliar tal como relaciones adicionales entre conceptos fuente y destino con el

fin de mejorar semánticamente el resultado final.

La principal aportación la herramienta ATOM para esta tesis es la utilización de

mapeos definidos para definir la correspondencia entre los elementos de dos taxonomías

que son iguales o equivalentes.

3.5 Conclusiones

En este capítulo se muestra un análisis de trabajos que presentan propuestas

relacionadas a tres temas relevantes para el trabajo de investigación mostrado en esta tesis:

a) metodologías de construcción de ontologías, b) metodologías para construir ontologías

de dominio, y c) metodologías para construir ontologías utilizando la mezcla de ontologías.

Los trabajos presentados en cada categoría del estado del arte presentan aportaciones

similares para cumplir el objetivo de la metodología propuesta en esta tesis.

Metodologías de construcción de ontologías: la principal aportación de los

trabajos analizados en esta categoría a nuestra investigación fue la definición de

diferentes métodos que conforman las metodologías de construcción de

ontologías.

Metodologías para construir ontologías de dominio: la aportación de los

trabajos de esta categoría es la definición de un proceso para crear ontologías de

dominio que toma en cuenta el uso que se le dará a la ontología resultante.

Mezcla de ontologías: la aportación de los trabajos de esta categoría es el

método que cada trabajo propone para identificar las entidades equivalentes en

dos ontologías. Además, estos trabajos realizan la mezcla de la ontología

utilizando algún criterio para limitar la información que contendrá la nueva

ontología generada.

Sabino Pariente Juárez Metodología CreaDO


Capítulo 4. La Metodología CreaDO

Este capítulo presenta una descripción detallada de la metodología y los métodos que la

componen. La estructura de este capítulo es la siguiente: la sección ‎‎4.1 se presenta la

descripción del enfoque seguido para diseñar la metodología. En las secciones 4.2 a la 4.4

se describen cada unos de los métodos que conforman la metodología CreaDO. Por último,

en la sección 4.5 se presentan las conclusiones del capítulo.

4.1 Introducción

La metodología CreaDO permite construir ontologías de dominio utilizando elementos

principales: a) un conjunto de ontologías que describen un mismo dominio y b) un

parámetro de mezcla que es un concepto relacionado al conocimiento del dominio de las

ontologías. Este parámetro permite que la ontología resultante sólo represente el

conocimiento relevante para el propósito de utilización de la ontología. El objetivo es la

construcción de ontologías que sean más entendibles y navegables, además de que

incluyan toda la información relacionada a un dominio de conocimiento.

Para alcanzar el objetivo de la metodología CreaDO se han implementado técnicas de

reutilización de ontologías como la modularización, el mapeo y la mezcla de ontologías.

La técnica de modularización es utilizada para extraer el subconjunto de entidades

relacionadas con el parámetro de mezcla. La técnica de mapeo es utilizada para encontrar

las correspondencias entre los elementos de cada ontología de entrada, y la técnica de

mezcla es utilizada para unir los módulos de ontología utilizando los mapeos encontrados,

creando así nuestra ontología de dominio.

La Figura 4.1 muestra la arquitectura general de la metodología CreaDO, donde se

presentan, a) las entradas: un conjunto de ontologías y el parámetro de mezcla, b) los

métodos que conforman la metodología CreaDO y c) las salidas: la ontología que dominio

que deseamos construir.

La metodología CreaDO se divide en 3 fases: a) Fase I: estudio y preparación de las

ontologías, b) Fase II adquisición del conocimiento y c) Fase III: construcción de la

ontología de dominio. Cada una de estas fases está compuesta por métodos que soportan la

creación de la nueva ontología. En esta tesis, los métodos se explican presentado su

enfoque principal, la información que se requiere como entrada, además de la información

de salida que cada método genera como resultado de su ejecución.



Figura 4.1. Arquitectura de la Metodología CreaDO

4.2 Fase de estudio y preparación de las ontologías

La fase de estudio y preparación de las ontologías se encarga de evaluar, estudiar y

preparar las ontologías de entrada con el fin de obtener una visión general de la estructura y

del contenido de las ontologías. Por otra parte esta fase se encarga de definir el parámetro

de mezcla. Para ello esta fase está conformada por dos métodos: a) el método de evaluación

de ontologías y b) Método de declaración del parámetro de mezcla.

4.2.1 Método de evaluación de ontologías

El método de evaluación de ontologías evalúa cada ontología de entrada con el fin de

conocer su estructura y contenido. Además este método se encarga de extender con

información de sinonimia el conocimiento representado en las ontologías. Esto se realiza

con el objetivo de tener un conocimiento más completo acerca del dominio. La Figura 4.2

muestra un esquema general del método de evaluación donde se presenta: a) la entrada

conjunto de ontologías que describen un dominio en común, b) el proceso de evaluación

presentado en forma de caja negra y c) la salida: un conjunto de meta-modelos con

información acerca del contenido y errores de las ontologías, y de la información

relacionada a la sinonimia.

Figura 4.2 Método de evaluación de ontologías



La evaluación de ontologías que realiza este método se basa en la búsqueda de errores

comunes que se cometen cuando se desarrolla una ontología. Estos errores afectan a cada

componente de la ontología (es decir, clases, propiedades, axiomas, etc), por lo que se ha

decidido utilizar esta técnica para evaluar cada componente de la ontología.

En (Poveda-Villalón, Suárez-Figueroa, & Gómez-Pérez, 2010) se propone un conjunto

de errores comunes que surgen cuando se desarrolla una ontología. Estos errores están

asociados a tres dimensiones que definen a una ontología como bien formada: dimensión

estructural, dimensión funcional y dimensión de facilidad de uso para perfiles. En la Figura

4.3, se muestra el esquema de la clasificación (por dimensión) de los errores comunes

presentados en (Poveda-Villalón, Suárez-Figueroa, & Gómez-Pérez, 2010).

Figura 4.3. Clasificación de errores de acuerdo a las dimensiones definidas en (Poveda-Villalón et al., 2010)

El método de evaluación de ontologías sólo se enfoca en evaluar la dimensión

estructural y la dimensión funcional (mencionadas en la Figura 4.3), aunque posiblemente

se abarque un segmento de la dimensión de facilidad de uso de perfiles. Por lo tanto, para

definir el proceso de evaluación se tomaron los errores que pertenecen a las dimensiones,

estructural y funcional, y se clasificaron de acuerdo al elemento ontológico donde aparece

dicho error. De esta forma se evalúan los errores que afectan a un mismo elemento de la

ontología y es posible tener, además, un proceso de evaluación que evalúa varios errores en

un mismo tiempo.

En (McGuinness & Van Harmelen, 2004) se presenta una clasificación donde divide en

tres grupos a los elementos de una ontología, a) los elementos básicos donde se encuentran

las clases y las instancias, las propiedades, los atributos y las restricciones; b) los elementos

de mapeo de ontologías donde se encuentran las equivalencias de clases y propiedades,

equivalencias y diferencias de instancias; y c) las clases complejas donde están la unión,

intersección y complemento de clases.

Con base en la clasificación de elementos de la ontología presentada por (McGuinness

& Van Harmelen, 2004), en esta tesis se realizó una clasificación de los errores comunes de

las dimensiones estructural y funcional de (Poveda-Villalón et al., 2010). La Tabla 4.1

presenta esta clasificación de errores comunes dentro de los elementos de una ontología.



Tabla 4.1. Clasificación de errores comunes de acuerdo al elemento ontológico

Elemento de la ontología Errores comunes de diseño

Clases e instancias simples - Clases simples - Instancias simples

P16. Mal uso de primitivas y clases definidas P1. Crear elementos polisémicos P2. Crear sinónimos como clases P7. Mezclar diferentes conceptos en la misma clase

Propiedades simples - Propiedades -Tipo de dato - Propiedades de las instancias

P16. Mal uso de primitivas y clases definidas P4. Crear elementos de la ontología no conectados P11. Falta de Dominio o Rango en las propiedades P23. Utilizar elementos de la ontología incorrectamente P12. Falta de propiedades equivalentes P6. Incluir ciclos en la jerarquía P24. Utilizar definición recursiva P3. Crear la relación “isA” en lugar de “subClassOf”, “instanceOf” o “sameIndividual” P17. Especializar demasiado una jerarquía P18. Especializar demasiado un dominio o un rango.

Características de propiedad - Transitiva - Simétrica - Funcional - Inversa - Inversa funcional

P16. Mal uso de primitivas y clases definidas P5. Definir relaciones inversas erróneas P13. Falta de relaciones inversas

Propiedad de restricción -allValuesFrom y someValuesFrom - Cardinalidad - hasValue

P16. Mal uso de primitivas y clases definidas P14. Mal uso de “allValuesFrom” P15. Mal uso de “notSome” y “someNot”

Clases complejas - Operadores de conjunto - Clases enumeradas - Clases disjuntas

P16. Mal uso de primitivas y clases definidas P10. Falta de “disjontsOf” P19. Intercambio de intersección o unión

El método de evaluación de ontologías propuesto en esta tesis se basa en esta

clasificación para evaluar las ontologías de entrada. Por lo tanto, el proceso de evaluación

contiene tres módulos principales: el módulo de evaluación de clases, el módulo de

evaluación de propiedades y el módulo de evaluación de la taxonomía. Estos módulos se

han definido por la unión de elementos similares de la ontología (por ejemplo las clases y

las clases complejas), la unión de elementos de la ontología que se encuentran dentro de la

definición de otro elemento (propiedades, restricciones y características de propiedad son

parte de las propiedades).

Debido a que el objetivo de la tesis fue crear una metodología semiautomática, no fue

posible tomar en cuenta todos los errores presentados en (Poveda-Villalón et al., 2010).

Únicamente, se seleccionaron aquellos errores relacionados con la parte estructural de la

ontología, por ejemplo, el patrón de nombrado de las clases o la identificación del tipo

elemento que se está analizando. El resto de errores de la clasificación no fueron

considerados ya que estos tienen más relación con el contexto y aplicación de la ontología,



como es el caso de la declaración de clases sinónimos en la ontología, o con errores que

analizan casos donde no se definen relaciones de forma correcta.

La Tabla 4.2 muestra la definición de los módulos que se definen el método de

evaluación de ontologías, presentando los elementos ontológicos que involucra y los errores

que analiza cada módulo.

Tabla 4.2. Módulos de evaluación del método de evaluación de ontologías

Proceso de evaluación

Elementos de la ontología

Errores a evaluar

Evaluación de clases Clase simples, clases complejas

P22. Uso de diferentes criterios de nombrado. P16. Mal uso de primitivas y clases definidas.

Evaluación de propiedades

Propiedades, restricción de propiedad, Características de Propiedad

P16. Mal uso de primitivas y clases definidas. P22. Uso de diferentes criterios de nombrado. P4. Crear elementos de la ontología no conectados. P11. Falta de Dominio o Rango en las propiedades. P23. Utilizar elementos de la ontología incorrectamente.

Evaluación de taxonomía Taxonomía de la Ontología P6. Incluir ciclos en la jerarquía.

Con base en la clasificación presentada en la Tabla 4.2, se definió el proceso que sigue

el método de evaluación de ontologías propuesto. En la Figura 4.4 se presenta el flujo que

sigue este proceso, donde se tiene, como tarea inicial, la evaluación de clases,

posteriormente la evaluación de propiedades y por último la evaluación de la arquitectura

Figura 4.4. Diagrama de flujo del método de evaluación de ontologías

Cada módulo presentado en la Figura 4.4 se encarga de evaluar diferentes aspectos de la

ontología. Es decir, el proceso de evaluación de clases tiene como objetivo evaluar las

clases una ontología para asegurarse que estas se encuentren definidas correctamente. Así

mismo, el proceso de evaluación de propiedades tiene como objetivo evaluar las

propiedades tanto de objeto como de tipo de dato. Por su parte el proceso de evaluación de

la taxonomía tiene como objetivo evaluar la taxonomía de la ontología buscando ciclos en

sus propiedades de subclase. Para alcanzar el objetivo de cada módulo se deben realizar

diferentes tareas. A continuación se define detalladamente cada módulo de evaluación.



4.2.1.1 Módulo de evaluación de clases

El módulo de evaluación de clases se encarga de identificar las clases dentro de cada

ontología, y además de validar que estas clases estén definidas de forma correcta según la

descripción de las primitivas de OWL. Este proceso se encarga, además de extender las

clases con sus sinónimos. Las tareas que realiza este módulo son definidas utilizando los

errores a evaluar de la Tabla 4.2. Estas tareas son definidas a continuación:

Tarea 1. Identificar las clases dentro de cada ontología (esta tarea hace referencia al

error P16. Mal uso de primitivas y clases definidas). Para llevar a cabo esta tarea

utilizamos las primitivas para definir una clase de OWL definidas en (McGuinness &

Van Harmelen, 2004) con el fin de identificar las entidades de la ontología que son

clases.

Tarea 2. Normalizar el patrón de nombrado de la clase (esta tarea hace referencia al

error P22. Uso de diferentes criterios de nombrado). Una vez identificadas las clases de

la ontología la siguiente tarea es normalizar el identificador de la clase. Esto se realiza

con el objetivo de comparar los nombres de una ontología con los nombres de las

demás ontologías y poder encontrar más correspondencias cuando buscamos similitudes

entre las ontologías.

Existen dos tipos de nombrado de clases: a) el primero permite iniciar con mayúsculas

las palabras, por ejemplo: para definir la clase Land based Tourism en este tipo de

nombrado se representa como LandBasedTourism, y b) el segundo permite utilizar el

guión bajo para separar palabras, por ejemplo la clase Land based Tourism se

representa como Land_Based_Tourism. Este módulo propuesto utiliza el patrón de

nombrado de guión bajo para normalizar los nombres de los clases de las ontologías de

entrada. Además, convierte todas las letras en minúsculas.

Tarea 3. Extender clases con sinónimos. Esta tarea es una actividad extra a la

identificación de errores, que intenta ayudar a conocer un poco más acerca del dominio

de la ontología. Esta tarea se encarga de extender cada clase con sus sinónimos según la

base de datos de información léxica WordNet. Por ejemplo, para el concepto “Tourist”

que se encuentre en una de las ontologías que representan el conocimiento de

“Tourism”. Los sinónimos encontrados en WordNet para el concepto Tourist son los

conceptos Tourer y Holidaymaker. Esto permite encontrar más correspondencias

cuando se busquen las similitudes entre las ontologías.

4.2.1.2 Módulo de evaluación de propiedades

El módulo de evaluación de propiedades se encarga de identificar los objetos que son

de tipo Propiedad (tanto propiedades de objeto como de tipo de dato) dentro de cada

ontología de entrada. Cada propiedad identificada es evaluada de acuerdo a las primitivas

de OWL. Las tareas que realiza este módulo son definidas utilizando los errores a evaluar

de la Tabla 4.2. Estas tareas son definidas a continuación:

Tarea 1. Identificar propiedades dentro de cada ontología (hace referencia al error P16.

Mal uso de primitivas y clases definidas). Esta tarea utiliza las primitivas de propiedad

(de objeto y de tipo de dato) de OWL de (McGuinness & Van Harmelen, 2004) para



identificar las entidades de la ontología que son propiedades.

Tarea 2. Normalizar el nombrado de las propiedades. (Esta tarea hace referencia al

error P22. Uso de diferentes criterios de nombrado de la Tabla 4.2). Las propiedades

también necesitan ser normalizadas en su nombrado para poder identificar similitudes

dentro de otras ontologías. Para ello, al igual que la clases, el nombre de las

propiedades es transformado al patrón de nombrado que utiliza el guión bajo para

separar palabras y se convierten todas las letras a minúsculas. Por ejemplo, para la

propiedad isRelatedTo su normalización es is_related_to.

Tarea 3. Evaluar el dominio y el rango de las propiedades: (Esta tarea es asociada a los

errores P4. Crear elementos de la ontología no conectado, P11. Falta de Dominio o

Rango en las propiedades, P23. Utilizar elementos de la ontología incorrectamente

de la Tabla 4.2). Esta tarea se encarga de evaluar si la estructura de cada propiedad

está definida correctamente. Es decir, se debe comprobar que la propiedad tenga

definidos tanto el dominio como el rango, y que estos estén definidos utilizando clases

de la ontología. Por ejemplo, cuando la relación “Has_Living_room” deben estar

definidos el dominio como el rango de esta relación. Es decir las clases Hotel y Living

Room deben estar definidas en la ontología y deben ser el dominio y rango de la

relación, respectivamente.

4.2.1.3 Módulo de evaluación de la taxonomía

El módulo de evaluación de la taxonomía verifica la estructura de la taxonomía de la

ontología con el fin de identificar ciclos en la definición de relaciones de subclase. En este

módulo la única tarea que se realiza es la siguiente:

Tarea 1. Evaluar recursividad en la taxonomía: (Esta tarea está asociada al error P6.

Incluir ciclos en la jerarquía). Esta tarea recorre la taxonomía de la ontología y busca ciclos

en la definición de relaciones de subclase. Es decir, si tenemos a las relaciones clase Car

subclase de la clase Land_Transport, la clase Land_Transport subclase de la clase

Transport, y la relación que cierra el ciclo, la clase Transport subclase de la clase Car.

4.2.2 Método de definición del parámetro de mezcla

El método de definición del parámetro de mezcla define el concepto que funcionará

como filtro para identificar la información contenida en la nueva ontología. Este concepto

en la metodología CreaDO lo llamamos parámetro de mezcla. Este parámetro de mezcla

ayuda a filtrar el conocimiento Las características del parámetro de mezcla son las

siguientes:

El parámetro está relacionado al conocimiento descrito en las ontologías de

entrada y al conocimiento en común de dichas ontologías. Este conocimiento es

utilizado para construir la nueva ontología. Por ejemplo, las ontologías pueden

describir el dominio de “Films”, sin embargo, sólo se necesita representar en la

ontología de dominio el conocimiento relacionado a “Comedy Films”. Por lo

tanto, el parámetro de mezcla en este caso es el concepto Comedy Films.

El parámetro de mezcla es tratado de forma similar a una clase de una ontología.



Es decir, este parámetro también lo normalizamos al patrón de nombrado donde

se separan las palabras con un guion bajo, por ejemplo el concepto Comedy

Films” lo normalizamos a comedy_films.

De igual manera, el parámetro es extendido con su información de sinónimos

obtenida desde WordNet. Esta extensión se hace con el fin de encontrar más

correspondencias al momento de buscar el parámetro dentro de las ontologías de

entrada. Por ejemplo, para el parámetro de mezcla comedy films, un sinónimo es

comedy movies. Realizar esta extensión del conocimiento ofrece más

oportunidades de encontrar correspondencias del parámetro de mezcla con los

conceptos definidos dentro de las ontologías de entrada. Es decir, si una ontología

de entrada no contiene el concepto comedy films pero si el concepto comedy

movies, sin la información de los sinónimos que se ha encontrado no sería posible

identificar que se está hablando del mismo concepto.

4.3 Fase de adquisición del conocimiento

La fase de adquisición del conocimiento identifica la información representada en las

ontologías de entrada que puede ser utilizada para construir la ontología de dominio. Para

ello en esta fase se definen dos métodos: a) el método de extracción de módulos de

ontologías, que identifica el segmento (o módulo) de cada ontología que son de interés para

la nueva ontología. Y b) el método de mapeo de ontologías, que busca similitudes entre lass

entidades de las ontologías.

4.3.1 Método de extracción de módulos de la ontología

El método de extracción de módulos de ontologías obtiene un módulo por cada

ontología de entrada. Cada módulo es obtenido de acuerdo a la información relacionada al

parámetro de mezcla. La Figura 4.5 presenta una vista general del método de extracción de

módulos. En la figura se muestra: a) la entrada: un conjunto de ontologías junto con la

información de sinonimia de las clases y errores comunes obtenida en el método de

evaluación, y el parámetro de mezcla junto con sus sinónimos, b) el proceso de extracción

de módulos de ontología, y c) la salida: un conjunto de módulos de ontología relacionados

al parámetro de mezcla.

Un modulo, según (Doran et al., 2007) es “un componente reusable de una ontología

completa y muy compleja, el cual es independiente pero tiene una asociación definida con

otros módulos, incluyendo la ontología original”. Tomando en cuenta esta definición en el

método de extracción se busca que los módulos se encuentren relacionados entre sí, aunque

provengan de ontologías diferentes.



Figura 4.5. Método de extracción de módulos de ontologías

Según (Doran et al., 2007) los módulos deben tener las siguientes características:

1. Autónomo. El módulo debe ser autónomo de la ontología, es decir no debe tener

dependencias con elementos de la ontología de donde fue extraido. El conjunto

de relaciones del módulo deben ser transitivamente cerradas.

2. Centrado a una clase (concepto). El módulo contiene información que describe

al concepto inicial. La superclases son consideradas poco importantes ya que

sólo ponen en contexto la clase inicial.

3. Consistente. Los módulos deben ser consistentes. Si la ontología es consistente

los módulos extraídos deben ser consistentes.

Los módulos resultantes del método de extracción de módulos propuesto los módulos

resultantes deben contar con estas características. La única modificación que se debe

contemplar en estas características es que en la característica Centrado a una clase se deben

contemplar las superclases ya que los módulos deben presentar toda la información posible

acerca del dominio de la clase que representa al parámetro de mezcla.

4.3.1.1 El proceso de extracción de módulos

En (Doran et al., 2007) se propone un proceso de extracción de módulos. Este proceso

recibe como entrada una ontología y una clase inicial, y como salida proporciona un

subconjunto de elementos de la ontología que están relacionados a la clase inicial. A este

subconjunto se le conoce como módulo de ontología. Este módulo cumple con las

características de un módulo descritas anteriormente. Los trabajos de (Doran et al., 2007)

definen un algoritmo para llevar a cabo el proceso de extracción de módulos. Este

algoritmo es presentado la Tabla 4.3. El pseudocódigo, que ha sido implementado en la

herramienta ModTool1 , la cual define los siguientes elementos:

a) un conjunto de entradas, donde se definen principalmente la ontología y la clase

inicial, además de diferentes conjuntos de elementos que sirven para llevar a cabo el

proceso de extracción del módulo. Estos conjuntos son:

1 http://code.google.com/p/modtool/

http://code.google.com/p/modtool/



I. Un conjunto de propiedades permitidas. donde se definen las propiedades

que se contemplan para la extracción del módulo.

II. Un conjunto de propiedades permitidas. donde se definen las propiedades

que no se contemplan para la extracción del módulo.

III. Un conjunto de clases a visitar, donde se registran las clases que se van a ser

visitadas para considerar ser añadidas al módulo.

IV. Un conjunto de clases visitadas, donde se registran las clases que fueron

visitadas durante el proceso de extracción del módulo. Esto con el fin de no

volver a una clase que ya fue analizada.

b) Una salida, que es el módulo de ontología que contiene los elementos relacionados

a la clase inicial.

c) El proceso de extracción del módulo construye el módulo de ontología identificando

los elementos que serán parte del módulo, iniciando con la clase inicial, y

posteriormente utilizando las relaciones permitidas, identifica las clases que están

relacionadas a la clase inicial y las agrega al conjunto de clases a visitar. Este

proceso es recursivo así que termina cuando se han obtenido todos los elementos

relacionados a la clase inicial por medio de las propiedades permitidas.

Tabla 4.3. Algoritmo del proceso de extracción de módulos presentado en (Doran et al., 2007)

Entrada Ontología O= (Clases, Propiedades )

Clase inicial tal que esta clase sea parte de las clases de la ontología

Conjunto de propiedades permitidas

Conjunto de propiedades no permitidas

Conjunto de clases visitadas

Conjunto de clases a visitar

Salidas Un subconjunto de la ontología Om=(Clasesm, Relacionesm)

Proceso Procedure extraer_Modulo (Clase)

Si clase no pertenece a los visitados entonces

Inserta clase al conjunto de clases visitadas

Obtener el conjunto de propiedades asociadas a la clase de acuerdo a las propiedades permitidas

Mientras el conjunto de relaciones asociadas no sea vacío o Obtener el primer elemento de relaciones asociadas

o Si la relación no es una propiedad no permitida Agregar la relación al conjunto de relaciones del módulo

Insertar la clase relacionada a la clase, en el conjunto de clases a visitar

o Si el conjunto de clases a visitar no está vacío entonces Obtener primer elemento de las clases a visitar y eliminarlo de la

conjunto

extraer_Modulo (clase a visitar obtenida) o Si conjunto de clases a visitar es vacio

Terminar el procedimiento y das como resultado el módulo

Om

Para el método de extracción de módulos de ontologías propuesto se utiliza este

algoritmo de extracción de módulos. La Tabla 4.4 muestra la definición de las entradas para



el proceso de (Doran et al., 2007). Estas entradas están relacionadas a las ontologías de

entrada y al parámetro de mezcla de la metodología CreaDO.

Tabla 4.4. Entradas del método de modularización de ontologías

Entrada del método de extracción

de módulos

Elementos del conjunto de entrada para el método de modularización

Ontología OWL Clases, propiedades de objeto, propiedades de dato, instancias,

características de propiedad y restricciones de propiedad

Clase inicial Esta clase es el parámetro de mezcla. Si es el caso de tener una

ontología como parámetro se toma una clase de la ontología

Clases a visitar Las clases a visitar son definidas por el conjunto de sinónimos de la

clase parámetro. Si es el caso de una ontología el conjunto de clases a

visitar deben ser todos las clases que pertenecen a la ontología y sus

sinónimos

Clases visitadas Al inicio del método este conjunto está vacio

Propiedades permitidas Todas las propiedades definidas del lenguaje OWL (subClassOf,

subProperty, instanceOf, disjointOf, etc)

Restricciones de propiedad (TransitiveProperty, symmetricProperty, etc)

Propiedades definidas por el usuario (hasSatisfility, etc)

Propiedades no permitidas Ninguna

En el método de extracción de módulos propuesto el algoritmo de extracción de

módulos debe ser aplicado a todas las ontologías de entrada. Sin embargo es posible que

para algunas ontologías de entrada no se pueda obtener algún módulo. Esto puede ocurrir

porque el algoritmo obtiene los módulos que son centrados a una clase o en este caso

centrados al parámetro de mezcla, por lo que existe la posibilidad de que al realizar la

búsqueda del parámetro de mezcla o sus sinónimos, no se encuentre dentro de la ontología,

y el método de extracción de módulos no genere ningún módulo de esta ontología.

4.3.2 Método de mapeo de ontologías

El método de mapeo de ontologías identifica aquellos elementos que son similares entre

las ontologías de entrada y define relaciones de equivalencia entre los elementos. Para esto

el método de mapeo se basa en la definición de dos tareas principales

a) Cálculo de la similitud semántica, la cual ayuda a conocer con un grado de verdad

que tan similares son dos elementos de la ontología. Este cálculo se apoya de

Reglas de mapeo y medidas de similitud, las cuales identifican ciertos contextos que

se deben cumplir para que dos elementos de dos ontologías se identifiquen como

equivalentes (o similares). Una vez que se ha detectado que dos elementos son

equivalentes la siguiente tarea del método de mapeos es hacer un filtrado de mapeos



donde se verifica que la similitud de los dos elementos esté relacionada a la

información del parámetro de mezcla.

b) Definir relaciones de equivalencia, la cual una vez que se ha calculado el grado de

similitud de dos elementos y que estos elementos están relacionados a la

información del parámetro de mezcla se puede definir un mapeo entre los elementos

mediante las relaciones de equivalencia de OWL.

Estas tareas son descritas detalladamente a continuación:

4.3.2.1 Calculo de la similitud ontológica

La similitud ontológica según (Marc Ehrig, 2006) es “la comparación de toda la

ontología (o sus elementos) con otra ontología (o sus elementos). Esta comparación retorna

un valor numérico que indica si los elementos de tienen un alto o bajo grado de similitud”.

En base a esta definición (Marc Ehrig, 2006) se propuso la siguiente función de similitud.

Esta función mapea un par de entidades (expresadas a través del conjunto potencia

de entidades) y sus correspondientes ontologías a un número real que expresa la

similitud entre las entidades. El número resultante cuenta con varias características:

El resultado de la similitud siempre es positiva.

La similitud de dos entidades es simétrica, es decir Sim(e,f) = Sim (f,e).

La similitud igual a 1 define que las entidades involucradas son idénticas.

La similitud define que las entidades involucradas son similares o diferentes según

un grado de certeza.

La similitud igual a 0 define que las entidades involucradas son diferentes y no

tienen características en común.

Ya que una ontología representa la conceptualización de un dominio, cuando se desea

comparar dos ontologías se deben tomar en cuenta aspectos que están más allá de la

representación de las entidades (a nivel sintáctico), es decir, se debe tomar en cuenta la

relación con otras entidades. La comparación debe ser desde un punto de vista semántico.

En este sentido (Marc Ehrig & Sure, 2004) , describe un modelo de 5 capas en forma de

pila, el cual es presentado en la Figura 4.6. Las capas de este modelo son: a) Entidades, b)

Red semántica, c) Lógica descriptiva, d) Restricciones y e) Reglas. El modelo pone las

capas apiladas ya que en la capa inferior se calcula una similitud semántica de bajo nivel y

la complejidad de la similitud semántica va aumentando conforme se va escalando cada

capa.

Figura 4.6. Pila de similitud ontológica (Marc Ehrig & Sure, 2004)



Durante el cálculo de la similitud semántica, en cada capa de este modelo se compara a

las entidades de la ontología utilizando diferentes criterios según su contexto. Para esto,

(Ehrig & Sure, 2004) define un conjunto de reglas de mapeo que evalúan la similitud

semántica de una ontológica utilizando un conjunto de reglas de mapeo.

Reglas de mapeo

Las reglas de mapeo proponen heurísticas para conocer si dos elementos de la ontología

son similares. La Tabla 4.5 presenta las reglas clasificadas según la capa de complejidad

semántica. Los aspectos que se evalúan en cada ontología son: a) La capa Entidad cuenta

con reglas que evalúan la similitud entre etiquetas e identificadores de las entidades

ontológicas, b) la capa Red semántica tiene que ver con las relaciones o propiedades que

tiene cada entidad ontológica, c) la capa lógica descriptiva, tiene que ver con el contexto

donde se encuentra la entidad en la ontología y por último, d) la capa Restricciones que

sólo identifica la declaración de que dos entidades son similares.

Tabla 4.5. Reglas de mapeo clasificadas en las capas de complejidad semántica (Ehrig & Sure, 2004)

Capa Reglas de mapeo

Entidad R1. Si dos etiquetas son las mismas, las entidades probablemente son las mismas. R2. Si dos entidades tienen el mismo identificador, son idénticas.

Red semántica R3. Si las propiedades de dos conceptos son iguales, los conceptos son los mismos.

R4.Si el dominio y rango de dos propiedades son iguales las propiedades son también iguales.

Lógica

descriptiva

R5. Si los súper-conceptos son iguales, los actuales conceptos son similares a cada uno

de los otros. R6. Si los sub-conceptos los mismos, el concepto comparado es similar.

R7. Si los conceptos tiene hermanos similares ellos también son similares.

R8. Si las súper-propiedades son las mismas, las propiedades son similares. R9. Si las sub-propiedades son similares, las propiedades comparadas son similares.

R10. Los conceptos que tienen las mismas instancias son los mimos.

R11. Instancias que tiene el mismo concepto madre son similares. R12.Si los conceptos tienen similar fracción de instancias, los conceptos son similares.

R13. Si dos instancias son enlazadas a otra instancia vía la misma propiedad, las dos

instancias originales son similares.. R14. Si dos propiedades conecta a las mismas dos instancias, las propiedades pueden

ser similares.

Restricciones R15. Existe declaraciones explicitas de que dos entidades son similares.

Estas reglas son aplicadas a los 3 tipos de entidades de la ontología, es decir, las clases,

las propiedades y las instancias. Sin embargo para el método de mapeo de ontologías de la

metodología CreaDO sólo se utilizan aquellas reglas que evalúan la similitud de clases y

propiedades, ya que las instancias son un elemento más complicado de comparar al buscar

similitudes semánticas y están fuera del alcance de esta tesis.

Medidas de similitud

Cuando se busca mezclar dos ontologías es preciso conocer aquellas entidades que son

similares (o equivalentes) dentro de las dos ontologías. Las medidas de similitud permiten

conocer el grado de similitud de dos entidades definidas en diferentes ontologías. El grado

de similitud nos ayuda a decidir si dos ontologías son similares. Este grado de similitud es

un número real que puede tomar los valores entre el rango [0,1]. Es decir 0 para una

similitud nula y 1 para un similitud del 100%.

Existen diferentes tipos de medidas que calculan el grado de similitud dependiendo la

capa semántica que utilizan para calcular el grado de similitud. Por ejemplo, (Alasoud,

2009) propone una medida para calcular la similitud de dos entidades de dos ontologías

donde compara los elementos relacionados a las dos entidades e identifica aquellos



elementos que son similares, posteriormente realiza una división del número de similitudes

entre el número máximo de entidades relacionadas a la entidad A y B.

El método de mapeo de ontologías de la metodología CreaDO utiliza las capas de la

Tabla 4.5 para definir sus medidas de cálculo del grado de similitud. Por lo que, el método

define 3 tipos de medidas de similitud que están en las capas Entidad, Red semántica y

Lógica descriptiva, donde se calcula el grado de similitud.

Entidad se comparan identificadores de la entidad. Para el caso de las clases se

utilizan los sinónimos obtenidos en el método de evaluación.

Red semántica se compara las propiedades de la clase, tanto propiedades de tipo

como de tipo de dato.

Lógica descriptiva se comparan las subclases y superclases asociadas a las

clases.

En cada una de las capas se define una fórmula para cada tipo de entidad que se

compara. La Tabla 4.6 muestra las fórmulas para calcular la similitud entre entidades.

Tabla 4.6. Tabla de medidas de similitud

Capa de similitud Similitud Entidad Formula Regla de mapeo

utilizada

Entidad Identificadores Clases y

propiedades 1

R1, R2

Red semántica Propiedades de objeto

Clases (nes/N1+nes/N2)/2 R4

Red semántica Propiedades de tipo de dato

Clases (nes/N1+nes/N2)/2 R4

Lógica descriptiva

Superclases Clases (nes/N1+nes/N2)/2 R5

Lógica descriptiva

Subclases Clases (nes/N1+nes/N2)/2 R6

En la capa Entidad cuando se trata de entidades similares el grado de similitud es 1 y si

son diferentes es 0. Sin embargo, para las capas lógica descriptiva y red semántica se

utiliza la fórmula grado de similitud = (nes/N1+nes/N2)/2, donde:

nes = número de elementos similares relacionados a la clase1 y la

clase2(clases, superclases, etc)

N1 = Total de entidades relacionadas al concepto1

N2 = Total de entidades relacionadas al concepto2

Estas medidas son aplicadas a cada comparación de clases entre dos ontologías y por

consiguiente al comparar las entidades relacionadas a la clase se tiene que realizar la

comparación de las propiedades relacionadas a la clase. Una vez que se ha calculado el

grado de similitud en cada una de los aspectos de cada capa se tiene que calcular el grado

de similitud entre las entidades que se están comparando para ello se ha definido la

siguiente fórmula para el grado de similitud entre las clases. La fórmula suma los grados de



similitud obtenidos en cada comparación y divide la suma entre el número total de grados

de similitud calculados.

Similitud semántica = suma (Grados de similitud)/número de grados de similitud obtenidos.

Si algún grado de similitud es 0 o nulo (debido a que alguna de las dos clases no cuente

con las entidades relacionadas) ese grado de similitud no es tomado en cuenta para el

cálculo de la formula.

Umbral similitud

Una vez calculado el grado de similitud la siguiente tarea es conocer si las entidades

comparadas pueden ser relacionadas con una propiedad de equivalencia. El grado de

similitud puede estar en el rango [0, 1], lo que significa que si el grado se acerca a 1 es muy

probable que las entidades sean equivalentes y si el grado de similitud se acerca a 0 es muy

poco probable que las entidades sean equivalentes. El problema entonces es decir cuál es el

umbral idóneo para decidir cuando las clases son consideradas equivalentes. Para ello, en

los trabajos de (Bollegala, Matsuo, & Ishizuka, 2007) y (Elita, Gavrila, & Vertan, 2007)

identificaron que el umbral aproximado de 0.7 para la identificación de similitud o

equivalencia entre dos entidades. Aunado a esto en la metodología CreaDO evaluamos la

utilización de un umbral mayor y menor, Sin embargo, los resultados indicaron que el

umbral más correcto era 0.7 para decidir cuándo dos entidades son similares o no.

Entonces si la similitud semántica entre dos entidades en mayor o igual a 0.7, las

entidades son consideradas como similares o equivalentes, sin embargo si la similitud

semántica es menor a 0.7 entonces las entidades no son consideras como equivalentes.

Filtrado de mapeos

El filtrado de mapeos es una tarea muy importante del método de mapeo de ontologías

debido a que filtra las equivalencias de entidades identificadas en las tareas anteriores del

método. Este filtrado se realiza con el fin de identificar los mapeos que están relacionados

al parámetro de mezcla y por lo tanto con la información que se ha obtenido en los módulos

que han sido identificados en el método de extracción de ontologías.

El filtrado de mapeo verifica que alguna de las dos entidades, que han sido identificadas

como equivalentes, se encuentre dentro de los módulos identificados en el método de

extracción de módulos. Si cumple con esta condición la propiedad de equivalencia es

seleccionada para ser utilizada en la definición del conocimiento de la ontología de

dominio.

4.3.2.2 Propiedades de alineamiento

Las propiedades de alineamiento permiten definir propiedades de equivalencia entre

entidades ontológicas, cuando se encuentra una correspondencia entre dos entidades. La

correspondencia de las entidades puede ser: equivalencia, subclase, coincidencia,

disyunción, membrecía e inversa. Cada una de estas relaciones se utiliza en diferentes

entidades de una ontología. La Tabla 4.7 muestra el uso de cada propiedad de

correspondencia en una clase y su definición en el lenguaje OWL, esta clasificación está



basada en la clasificación de las relaciones de correspondencia descritas en (Svab-Zamazal,

2010).

Tabla 4.7. Uso de las propiedades de correspondencia en las entidades ontológicas.

Propiedad de alineamiento Entidad ontológica Representación en OWL

Equivalencia Clases, Propiedades, Instancias owl:equivalentClass, owl:equivelentPorperty, owl:sameAs

Subclase Clases, Propiedades de objeto rdf:subClassOf, rdf:subPropertyOf

Coincidencia Clases, Propiedades, instancias owl:sameAs

Disyunción Clases owl:disjointWith

Membrecía Instancias owl:memberOf

Inversa Propiedades owl:inverseOf

La última tarea del método de mapeo de ontologías es definir (en el lenguaje de

ontologías Web) la propiedad de equivalencia entre las dos entidades identificadas como

equivalentes y que se identificaron como parte de la ontología de dominio a construir. Las

propiedades de alineamiento que se utiliza son las propiedades de equivalencia. Es decir

cuando se trate de clases equivalentes se utiliza la propiedad de equivalencia

equivalentClass, y cuando se trate de equivalencias de propiedades, tanto de objeto como

de tipo de dato, se utiliza la propiedad de equivalencia equivalentProperty..

4.4 Fase de construcción de la ontología de domino

La fase de construcción de la ontología de dominio reúne toda la información

seleccionada en la Fase de adquisición del conocimiento con el objetivo de crear la

ontología de dominio. Para ello, se cuenta con un método de mezcla de ontologías que

realiza la tarea de unir todo el conocimiento obtenido.

4.4.1 Método de mezcla de ontologías

El método de mezcla de ontologías es el método donde se construye la ontología de

dominio utilizando los módulos identificados en el método de extracción de ontologías

unificando esta información mediante los mapeos identificados en el método de mapeo de

ontologías. Las siguientes tareas forman parte del método de construcción de la ontología

de dominio:

a) Definición del conocimiento de la ontología de dominio: Esta tarea obtiene todo el

conocimiento de los módulos y lo representa en un único modelo ontológico. Es

decir, todas las clases y propiedades definidas en los módulos. Cada entidad

ontológica conserva su información de procedencia, es decir conserva la URI y el

identificador como esta en la ontología de procedencia.

b) Unificación del conocimiento representado. Una vez que se ha definido todo el

conocimiento que contendrá la ontología de dominio es necesario definir

propiedades de equivalencia a los elementos similares entre los módulos para ello se

utilizan los mapeos que se identificaron en el método de mapeo de ontologías.



4.5 Conclusiones

En este capítulo se presenta la descripción detallada de los métodos que conforman la

metodología CreaDO. Estos métodos se dividieron en tres fases:

Fase I: Estudio y preparación de las ontologías, donde se definió al método de

evaluación de antologías y al método de definición del parámetro de mezcla.

Fase II: Adquisición del conocimiento, donde se definió al método de extracción

de módulos de ontologías y el método de mapeo de ontologías.

Fase III: Construcción de la ontología de dominio, donde se definió el método de

mezcla de la ontologías

Sabino Pariente Juárez Herramienta CreaDO


Capítulo 5. Herramienta CreaDO

En este capítulo se presenta el análisis, diseño e implementación de la herramienta

CreaDO. En la sección 5.1 se presenta una introducción que describe como la

herramienta fue diseñada. En la sección 5.2 se presenta el análisis y diseño de la

herramienta. En la sección 5.3 se muestra la implementación. En la sección 5.4 se

presentan un conjunto de metamodelos que servirán para almacenar la información

generada en el proceso de desarrollo de ontologías. En la sección 5.5 se muestra el

prototipo de la herramienta presentando su interfaz gráfica de usuario. Por último, en la

sección 5.6 se presentan las conclusiones del capítulo.

5.1 Introducción

La herramienta CreaDO fue desarrollada con el fin de implementar la metodología

CreaDO explicada en el capitulo Capítulo 4. De esta manera, se realizó un análisis de las

características de la metodología CreaDO.

5.2 Análisis y diseño de la herramienta CreaDo

El diseño de la herramienta fue realizado utilizando la metodología Tropos

(Bresciani y otros, 2002). El primer paso de la metodología Tropos es la fase de

requisitos tempranos en donde se representa el objetivo general de la metodología

propuesta mediante la definición del contexto donde la metodología será utilizada. Para

ello se define un diagrama de actores, el cual define a los actores junto con sus metas

principales y las dependencias que existen entre ellos. La Figura 5.1 muestra el diagrama

de actores en donde se muestran: a) el actor Desarrollador de ontologías que tiene como

meta principal “desarrollar ontología” y b) el actor CreaDO que tiene como meta

principal construir ontologías de dominio. Este actor es el encargado de implementar la

metodología. Estos dos actores comparten dependencias de recurso. El actor CreaDO

depende que el actor Desarrollador de ontologías le proporcione los recursos “Conjunto

de ontologías” y “Parámetro de mezcla”. Estos recursos son considerados como la

entrada de la herramienta. Por otra parte el actor Desarrollador de ontologías depende

que el actor CreaDO le proporcione al recurso “Ontología de domino”. Este recurso es

considerado como la salida que proporciona la herramienta.



Figura 5.1. Diagrama de actores de la metodología CreaDO.

El segundo paso de la metodología Tropos es crear un modelo de metas en el cual se

describa a detalle cada unas de las metas de cada actor. Para el caso de la metodología

CreaDO únicamente se describe a detalle al actor CreaDO, el cual representa los

requisitos funcionales de la herramienta. La Figura 5.2 muestra el modelo de metas de

este actor. En este modelo el actor CreaDO tiene la meta “construir ontologías de

dominio”. Esta meta se divide en cinco submetas: a) Evaluar la ontología, b) Definir el

parámetro de mezcla, c) Obtener módulos de ontología, d) Mapear las ontologías, y e)

Mezclar la ontología. Cada una de estas submetas representa a los cinco métodos que

conforman a la metodología propuesta. Estas submetas se derivan en tareas y subtareas

que se deben de realizar para lograr alcanzar la meta principal.

CreaDO

Construir

ontologías de

dominio

Evaluar

ontologías

Definir el

parametro de

mezclaExtraer

Módulos de

ontologías

Merging

ontology

And

And

And And

Get

ontologies

Evaluate

ontology

entities

Evaluate

class

Evaluate

properties

Evaluate

architecture

And

And

An

d

Get

Parameter

Defining

Parameter

Evaluating

ontology

And

And

And

Define

parameter

And Get the

parameter

synonyms

Modularizing

ontologies

And Merging

ontologies

Get ontologies

and ontologies

extension

And

And

Get Parameter

and parameter

extension

Extract module

ontology

And

Finding

correspondences

amoung

ontologies

And

Joining the

ontology

modules in a

new ontology

And

Set of

ontologies

Parameter

of merge

D

D

D

D

Ontology

Developer

Get domain

ontology

OWL-DL

Domain

Ontology

D

D

Provide

domain

ontology

And

Mapear las

ontologias

And

Defining

mappings

between

ontologies

And

Adding the

ontology

mappings in the

new ontology

And

Mapping

ontology

And

Figura 5.2. Diagrama de metas de la metodología CreaDO



El tercer paso de la Metodología Tropos es el diseño arquitectural. En esta fase el

actor CreaDO se divide en subactores. Esto con el fin de definir la arquitectura de la

herramienta CreaDO. Para ello, se utilizan las submetas del actor CreaDO para definir

un diagrama de actores (Figura 5.3). En este diagrama se tienen los actores que

representan a cada una de las metas del actor CreaDO. Además se define el actor

Wordnet como actor externo, el cual ayuda al buen funcionamiento de la herramienta.

También los actores que realizan tareas específicas. Por último el actor “Desarrollador

de ontologías”.

Figura 5.3 Diagrama de actores de la herramienta CreaDO



La siguiente fase de la metodología Tropos es el diseño detallado. En esta fase se

definen las actividades que cada actor en el diseño arquitectural debe realizar. La

definición de las tareas que realiza cada actor de la herramienta CreaDO, fue

representada en el capítulo 4. Estas tareas se definieron mediante la utilización de

algoritmos y diagramas de flujo.

5.3 Arquitectura de la herramienta CreaDO

La implementación es la última fase de la metodología Tropos. En esta fase los

actores de la fase de diseño arquitectónico y los algoritmos del diseño detallado son

implementados en un lenguaje de programación. La implementación de la herramienta

se realizó en el lenguaje de programación Java. La Figura 5.4 muestra un diagrama de

paquetes de la herramienta el cual se utilizó para implementar la herramienta en Java.

Este diagrama de paquetes está definido con base a los actores identificados en la fase

del diseño arquitectural. Cada actor es considerado una clase de Java. Se definieron 7

paquetes, 1) el paquete de evaluación de ontologías que contiene a las clases Evaluación

de Clases, Evaluación de propiedades, Evaluación de la arquitectura que heredan de la

clase Evaluación de la ontología, 2) el paquete parámetro de mezcla que contiene a la

clase Definición del parámetro de mezcla, 3) el paquete de EuroWordNet que contiene a

la clase EuroWordNet, 4) el paquete de Modularización de ontologías que contiene a la

clase Extracción de módulos de ontologías, 5) el paquete de similitud semántica que

tiene a la clase Similitud Semántica, 6) el paquete de mapeo de ontologías que tiene las

clases Mapeo de Ontologías y Filtrado de Mapeo, y por ultimo 7) el paquete de mezcla

de ontologías con la clase Mezcla de ontologías.

Figura 5.4. Diagrama de paquetes de la herramienta CreaDO

5.4 Paquete de almacenamiento de información

La información que se utiliza durante el proceso de construcción de ontología de

dominio tiene que ser almacenada para que sea consultada o transformada por cada uno

de los métodos definidos de la metodología propuesta. Esta información ha sido

estructurada para que su utilización pueda ser más sencilla y fácil de entender. En la



herramienta se ha definido un paquete adicional donde se define la utilización de un

conjunto de metamodelos que permiten el almacenamiento de la información utilizada

en cada método de la metodología propuesta. Este conjunto de metamodelos ayudan a

almacenar la información generada en cada método.

La Figura 5.5 muestra el paquete de los metamodelos utilizados en un paquete

llamado OMVExtension, el cual tiene las clases OMVCore, OMVLir, OMVModule,

OMVMapping, OMVPitfall. Este paquete se encarga únicamente de gestionar la

utilización de cada metamodelo.

OMVCore

OMVPitfall

OMVLir

OMVModule OMVMapping

OMVExtension

Figura 5.5. Paquete de extensiones OMV

Los metamodelos utilizados en este paquete son definidos en base a los metamodelos

OMV propuestos en (Hartmann, Palma, & Sure, 2005) quienes definen el metamodelo

OMV Core y (Montiel-Ponsoda, de Cea, Gómez-Pérez, & Peters, 2008) quienes

propusieron el metamodelo OMV Lir que es una extensión al metamodelo OMV Core.

Estos metamodelos son descritos entre las secciones 5.4.2 y 5.4.5 donde se describe

detalladamente la información que se representa en cada método de la metodología

CreaDO. También se menciona la clase del paquete OMVExtension que gestiona la

utilización de cada metamodelo.

5.4.1 OMVCore

El metamodelo OMVCore propuesto por (Hartmann et al., 2005) almacena

información general de la ontología. Esta información la distribuye en diferentes clases

que contienen información referente al contexto de la ontología. La clase más importante

es la clase Ontology donde se almacena información acerca de la procedencia de la

ontología, tal como, nombre, la URI, la versión de la ontología, descripción, las palabras

claves, el lenguaje natural utilizado. Además también presenta información estadística

de la ontología, por ejemplo, número de clases, número de propiedades, número de

instancias, número de axiomas. El resto de las clases del metamodelo OMV Core sirven

para describir el propósito más aspectos referentes a la ontología como, el dominio de la

ontología, la tarea en que será utilizada la ontología, la metodología y la herramienta de

creación de ontologías utilizada, entre otras. La Figura 5.6 presenta el diagrama de

clases del metamodelo OMVCore.

La herramienta CreaDO utiliza estos metamodelos para almacenar la información

general de cada ontología de entrada. Para ello utiliza la clase Ontology del metamodelo

OMVCore, para almacenar información acerca de la procedencia de la ontología y la



información estadística de la ontología. En el paquete OMVExtension la clase que

gestiona este metamodelo es la clase OMVCore.

Figura 5.6. Metamodelo OMV de (Hartmann et al., 2005)

5.4.2 Metamodelo OMVLir

El metamodelo OMVLir propuesto por (Montiel-Ponsoda et al., 2008) es una

extensión al metamodelo OMVCore. Este metamodelo almacena información léxica, tal

como sinónimos, antónimos, nombres científicos, traducciones, nombres comunes, etc.

La clase principal de este metamodelo es la clase LexicalEntry la cual almacena la

información léxica. El metamodelo OMVLir también cuenta con más clases que ayudan

a contextualizar a cada instancia de la clase LexicalEntry. La Figura 5.7 presenta el

diagrama de clases del metamodelo OMVLir

La herramienta CreaDO utiliza al metamodelo OMVLIR para almacenar la

información de patrón de nombrado y sinónimos obtenida en la tarea de evaluación de

clases en el método de evaluación de ontologías. El método de evaluación utiliza

únicamente a la clase OntologyElement para almacenar las clases de la ontología y a la

clase LexicalEntry para almacenar la información de patrón de nombrado y sinónimos



relacionados a la clase evaluada. Este metamodelo es gestionado por la clase OMVLir

del paquete OMVExtensions.

Figura 5.7. Metamodelo OMVLIR (Montiel-Ponsoda et al., 2008)

5.4.3 Metamodelo OMVPropertyPitfalls

El metamodelo OMVPropertyPitfalls es una extensión del metamodelo OMVLir de

(Montiel-Ponsoda et al., 2008). Este metamodelo es utilizado por la tarea de evaluación

de propiedades del método de evaluación de ontologías, por lo tanto, almacena la

definición de una propiedad, tanto de objeto como de tipo de dato, así como los posibles

errores de diseño que sean encontrados al realizar la evaluación. Para ello, el

metamodelo OMVPropertyPitfalls utiliza el metamodelo de OWL para definir la clase

OntologyElement que contiene como subclases las entidades ontológicas Class, y

Property. La clase Property almacena a las propiedades de la ontología y la clase Class

almacena las clases dominio y rango que asocia la propiedad.

Además, el metamodelo OMVPropertyPitfalls cuenta con la clase Pitfall para

almacenar los errores de diseño que han sido encontrados al momento de llevar a cabo el

proceso de evaluación de la ontología. También cuenta con la clase LexicalEntry para

almacenar el patrón de nombrado de la propiedad.



La Figura 5.8 muestra el metamodelo OMVPropertyPitfalls. Por último, es

importante mencionar que el metamodelo es gestionado por la clase OMVPitfall del

paquete OMVExtension.

OWL Metamodel

OntologyElement

Property Class

DatatypeProperty ObjectProperty

Datatype

RDFSchemaPitfall

0:n hasDomainClass

0:n hasPitfall

0:n hasRangeClass

0:n hasRangeDatatype

LexicalEntry0:n hasLexicalEntry

OMVLir

Figura 5.8. Metamodelo OMVPropertyPitfalls

5.4.4 Metamodelo OMVOntologyModule

El metamodelo OMVOntologyModule es una extensión de metamodelo OMVCore de

(Hartmann et al., 2005). Este metamodelo es utilizado por el método de extracción de

módulos por lo que almacena las entidades ontológicas que han sido seleccionadas para

formar el módulo.

Para ello, utiliza a la clase Ontology del metamodelo OMVCore, a la que se le agrega

la propiedad recursiva hasOntologyModule. Esta propiedad tiene en su dominio y rango

a la clase Ontology, debido a que un módulo es considerado como una ontología.

Además, el metamodelo OMVOntologyModule utiliza la clase OntologyElement para

asociarle elementos a la clase Ontology cuando está representando un módulo. La Figura

5.9 muestra el metamodelo OMVOntologyModule.

Por último, cabe mencionar que el metamodelo es gestionado por la clase

OMVModule del paquete OMVExtension.

OWL Metamodel

OntologyElement

Property Class

DatatypeProperty ObjectProperty

0:n hasDomainClass

0:n hasRangeClass

Datatype

RDFSchema

0:n hasRangeDatatype

OMV Core

-OntologyName

-OntologyURI

-OntologyKeywords

Ontology

0:n hasOntologyElement

0:n hasOntologyModule

0:n subClassOf

Figura 5.9. Metamodelo OMVOntologyModule



5.4.5 Metamodelo OMVMapping

El metamodelo OMVMapping es utilizado por el método de mapeo de ontologías.

Este metamodelo se basa en el metamodelo de OWL donde se define la relación

recursiva isEquivalentTo que tiene como dominio y rango a la clase OntologyElement.

Esto permite definir la relación entre clases y entre propiedades, con el fin de relacionar

todas las entidades similares identificadas en el método de mapeo de ontologías. La

Figura 5.10 muestra el diagrama de clases del metamodelo OMVMapping.

Por último, cabe mencionar que el metamodelo es gestionado por la clase

OMVMapping del paquete OMVExtension

OWL Metamodel

IRI

OntologyElement

Property

Class

ObjectProperty DatatypeProperty

1:1 isEquivalentTo

Figura 5.10. Metamodelo OMVMapping

5.5 Prototipo

La interfaz gráfica de la herramienta (Figura 5.11) fue definida utilizando la

información de entradas y salidas identificadas en la fase de requisitos tempranos

(sección 5.2) Tropos. La interfaz de la herramienta cuenta con a) un botón para cargar

dos o más ontologías, b) un área de trabajo donde se despliegan las ontologías en forma

de árbol jerárquico, c) un área de texto donde se ingresa el parámetro de mezcla, d) un

botón de ejecución para llevar a cabo la construcción de las ontologías de dominio, e) un

área donde la ontología de dominio es presentada, y por último, f) un botón para guardar

la ontología de dominio construida.



Figura 5.11. Interfaz gráfica de la herramienta CreaDO

5.6 Conclusiones

En este capítulo se presentó el proceso de análisis, diseño e implementación de la

herramienta CreaDO. Para ello, se utilizó la metodología de modelado Tropos, con la

que se llevó a cabo el análisis y diseño con el fin de obtener como resultado de la

arquitectura de la herramienta.

Además, este capítulo presenta la definición del metamodelo OMV y sus

extensiones, las cuales permiten el almacenamiento de la información generada en cada

uno de los métodos definidos en la herramienta.

Por último, se presenta la implementación de la herramienta la cual fue realizada en

el lenguaje de programación Java. La implementación se basa en la utilización de la

arquitectura definida en la fase de análisis y diseño.

Sabino Pariente Juárez Casos de estudio y pruebas


Capítulo 6. Casos de estudio y pruebas

En este capítulo se presenta la evaluación del enfoque propuesto, el cual se realizó

utilizando casos de estudio en el cuál se validó si la mezcla de las ontologías se realizaba

correctamente de acuerdo al parámetro de mezcla definido por el usuario. En la sección

6.1se presenta la introducción de las pruebas. En la sección 6.2 se describen detalladamente

los casos de estudio. En la sección 6.3 se presentan los resultados obtenidos en cada caso

de estudio. Por último en la sección 6.4, se presentan las conclusiones del capítulo.

6.1 Introducción

Las pruebas realizadas a la metodología propuesta e implementada en la herramienta

CreaDO utilizan dos conjuntos de ontologías y un conjunto de parámetros de mezcla. El

dominio de las ontologías de cada conjunto y los parámetros de mezcla de estos casos de

estudio fueron elegidos de manera aleatoria, ya que en el funcionamiento real del sistema

los dominios de las ontologías a mezclar pueden ser de muy distintos tipos.

6.2 Casos de estudio

Los casos de estudio que fueron utilizados en la etapa de pruebas están conformados

por dos conjuntos de ontologías: a) un conjunto de ontologías que representan información

acerca de los diferentes enfoques de modelado con la metodología i*; b) un conjunto de

ontologías que representa información acerca del dominio turístico.

Para cada caso de estudio se definió un parámetro de mezcla que está relacionado a los

dominios de los conjuntos de ontologías, por lo que podemos obtener diferentes ontologías

de dominio para un conjunto de ontologías dado. Es importante remarcar que en este

capítulo se presentan primeramente los casos de estudio analizados y posteriormente los

resultados de las pruebas.

6.2.1 Conjunto de ontologías de los modelos i*

Este conjunto de ontologías representa información acerca de diferentes enfoques de

modelado con la metodología i*. En forma específica se analizarán las ontologías de i*,

Tropos y la ontología del modelo i* orientado a servicios. Cada uno de estos enfoques de

modelado contienen primitivas en común, por lo que se propone utilizar el enfoque

propuesto para crear una ontología que incluya información de los tres modelos. Esto se

realiza con el fin de hacer un modelo interoperable entre las 3 técnicas de modelado. Es

importante mencionar que estas ontologías fueron desarrolladas en la tesis de maestría de

Nájera (Nájera, 2011). Las ontologías son descritas a continuación:



Ontología del modelo i*: La ontología representa la información del modelo que

describe las primitivas de la framework de modelado i*(Yu, 1996), el cual es utilizado

para describir redes organizacionales formadas por actores sociales que operan

libremente pero también necesitan de otros actores para alcanzar sus metas. La Tabla

6.1 muestra la información estadística de la ontología del modelo i*.

La información estadística de cada una de las ontologías fue obtenida con la

herramienta NeOn toolkit.

Tabla 6.1 Información estadística de la ontología del metamodelo i*

Elemento ontológico Cantidad

Clases 34

Propiedades de tipo de dato 10

Propiedades de objeto 27

Tipos de dato 1

Instancias 0

La Figura 6.1 muestra una vista general de ontología de i* presentando los conceptos

clave de la ontología. Al igual que la tabla estadística de la ontología, esta vista fue

obtenida con la herramienta Neón toolkit2.

Figura 6.1. Conceptos clave de la ontología del metamodelo i*

Ontología del modelo Tropos: La ontología representa la información del modelo que

describe las primitivas de la metodología de modelado Tropos (Bresciani, Giorgini,

Giunchiglia, Mylopoulos, & Perini, 2003), la cual es una metodología de ingeniería de

software orientada a agentes que cubre el proceso completo del desarrollo de software.

La Tabla 6.2 muestra la información estadística de la ontología del modelo Tropos.

Tabla 6.2 Información estadística de la ontología del modelo Tropos


Clases 19


2 http://neon-toolkit.org/wiki/Main_Page

http://neon-toolkit.org/wiki/Main_Page





Tipos de dato 1

Instancias 0

La Figura 6.2 muestra una vista general de la ontología de Tropos presentando los

conceptos clave de la ontología.

Figura 6.2. Conceptos clave de la ontología del metamodelo Tropos

Ontología del modelo i* orientado a servicios: La ontología representa la

información del metamodelo que describe las primitivas de la metodología de

modelado organizacional i* orientado a servicios (Estrada Esquivel, 2008), la cual se

enfoca en la idea de que una organización está compuesta por servicios. La Tabla 6.3

muestra la información estadística de la ontología del modelo i*

Tabla 6.3. Información estadística de la ontología del modelo orientado a servicios


Clases 18



Tipos de dato 1

Instancias 154

La Figura 6.3 muestra una vista general de ontología de i* orientado a servicios

presentando los conceptos clave de la ontología.



Figura 6.3. Conceptos clave de la ontología del metamodelo i* orientado a servicios

Parámetro de mezcla: Para este caso de estudio se utilizó como parámetro prueba la

palabra “Actor”.

6.2.2 Conjunto de ontologías del dominio “Turístico”

Las pruebas realizadas en el conjunto ontologías del dominio “Turístico”. Las

ontologías que conforman este conjunto se buscaron en Swoogle3. Por cuestiones de

espacio únicamente seleccionamos dos ontologías para este conjunto de los resultados

obtenidos en la búsqueda. La selección de las ontologías se realizó de manera aleatoria, por

lo que se comprueba que las ontologías pueden ser utilizadas sin importar la metodología

que fue utilizada en el diseño y desarrollo de la ontología. Las ontologías de turismo son

descritas a continuación:

Ontología de turismo ETP-Tourist: Versión beta 0.8.1 de la ontología que describe

el modelo de datos de la plataforma ETP. Esta ontología fue Diseñada por Petko

Valtchev. La ontología fue obtenida de la página web

http://www.info.uqam.ca/Members/valtchev p/mbox/ETP-tourism.owl. La información

estadística de esta ontología es presentada en la Tabla 6.4.

Tabla 6.4. Información estadística de la ontología ETP-Tourism


Clases 195



Tipos de dato 6

Instancias 0

La Figura 6.4 muestra una vista general de ontología Etp-Tourist presentando los

conceptos clave de la ontología.

3 http://swoogle.umbc.edu/



Figura 6.4. Conceptos clave de la ontología Etp-Tourist

Ontología de turismo OTN: Ontología de redes de transporte (Ontology Transport

network). La ontología fue obtenida de la página web

http://rewerse.net/A1/otn/OTN.owl. La Tabla 6.5 muestra la información estadística de

la ontología OTN.

Tabla 6.5. Información estadística de la ontología OTN


Clases 181



Tipos de dato 9

Instancias 0

La Figura 6.5 muestra una vista general de ontología OTN presentando los conceptos

clave de la ontología.

Figura 6.5. Conceptos clave de la ontología OTN

Parámetro de mezcla: Para este caso de estudio los parámetros de mezcla la palabra

utilizados son “Tourism” y “Transport”.

6.3 Pruebas

En esta sección se utilizan los tres casos de estudio definidos en la sección 6.2 con el

objetivo de mostrar los resultados del proceso de creación de ontologías de dominio



propuesto. Los resultados obtenidos en casos de estudio son presentados en esta tesis de la

siguiente manera:

Construcción de una ontología de dominio para los modelos de i* utilizando las

“Ontologías de los modelos de i*” y el parámetro de mezcla “Actor”.

Construcción de una ontología de dominio para el turismo utilizando las

ontologías del dominio Turístico y el parámetro de mezcla “Tourism”.

Construcción de una ontología de dominio para el transporte en el turismo

utilizando las ontologías del dominio Turístico y el parámetro de mezcla

“Transport”.

Es necesario mencionar que el objetivo no es mencionar como se utiliza la herramienta,

si no únicamente se presentan los resultados obtenidos en cada caso de estudio ejecutado en

la herramienta. Por lo tanto en la descripción de cada caso de estudio se presenta: a) una

captura de pantalla de la herramienta CreaDO una vez ejecutado el caso de estudio, b) una

vista de general de conceptos importantes generada por la herramienta NeOn Toolkit, c)

una tabla donde se muestran los mapeos identificados en el método de mapeo de ontologías

de la herramienta CreaDO.

La tabla se presenta cinco columnas que describen los mapeos. Las columnas son:

Entidad 1: Contiene una entidad de la ontología 1

Entidad 2: Contiene una entidad de la ontología 2

Es equivalente por: Contiene la regla de mapeo por la que se identifico que las

entidades son equivalentes.

GPS: Es el grado de similitud parcial, la cual se obtiene cuando se evalúa cada regla

de mapeo

GST: Es el grado de similitud total, resultado de calcular el promedio entre los

grados de similitud parciales

6.3.1 Ontología de dominio para los modelos de i*

La ontología de dominio de i* es el resultado de llevar a cabo el proceso de creación de

ontologías utilizando el caso de estudio presentado en la sección 6.2.1. La Figura 6.6

muestra la Interfaz Gráfica de la Herramienta CreaDO después de ejecutar este caso de

estudio. En la figura se muestra:

En el área de ontologías de entrada a la ontologías de los modelos i*.

En el área del parámetro de mezcla al concepto “actor”.

En el área de la ontología de dominio presenta la ontología de dominio

resultante.



Figura 6.6. Ejecución de la herramienta CreaDO creando la Ontología de dominio del Modelo i*.

La Figura 6.7 presenta la vista general de la ontología de dominio del modelo i*. En la

figura se presentan los conceptos principales según la herramienta NeOn Toolkit.

Figura 6.7. Vista de conceptos principales de la ontología de dominio del Modelo i* resultante

La Tabla 6.6 presenta el conjunto de entidades equivalentes (o mapeos) que fueron

detectados en el método de mapeo de ontologías de la herramienta CreaDO.

Tabla 6.6. Tabla de conceptos equivalentes de la ontología del Modelo i*

Entidad 1 Entidad 2 Es equivalente por GSP GST

http://www.owl-

ontologies.com/Ontology1

<http://www.owl-


Comparación de

cadenas 1.0 1.0



6.3.2 Construcción de una ontología de dominio del transporte

La ontología de dominio del transporte es el resultado de llevar a cabo el proceso de

creación de ontologías utilizando el caso de estudio presentado en la sección 6.2.2 con el

parámetro de mezcla “Transport”. La Figura 6.8 muestra la Interfaz Gráfica de la

Herramienta CreaDO después de ejecutar este caso de estudio. En la figura se muestra:

304961008.owl#Actor 61009.owl#Actor Comparación de

superclases 1.0

http://www.owl-


304961008.owl#Dependa

bleNode

http://www.owl-


61009.owl#DependableNode

Comparación de

cadenas 1.0

1.0 Comparación de

superclases 1.0

Comparación de

subclases 1.0

http://www.owl-


304961008.owl#Node

http://www.owl-


61009.owl#Node

Comparación de

cadenas 1.0

1.0 Comparación de

superclases 1.0

Comparación de

subclases 1.0

<http://www.owl-


304961008.owl#Internal

Element>

<http://www.owl-


61009.owl#InternalElement>

Comparación de

cadenas 1.0

1.0 Comparación de

superclases 1.0

http://www.owl-


304961008.owl#Actor

<http://www.owl-


61268.owl#Actor

Comparación de

cadenas 1.0

1.0 Comparación de

superclases 1.0

http://www.owl-



bleNode

http://www.owl-



Comparación de

cadenas 1.0

1.0 Comparación de

superclases 1.0

Comparación de

subclases 1.0

http://www.owl-


304961008.owl#Node

http://www.owl-


13268.owl#Node

Comparación de

cadenas 1.0

0.96 Comparación de

superclases 0.83

<http://www.owl-


304961268.owl#Internal

Element>

<http://www.owl-


61009.owl#InternalElement>

Comparación de

cadenas 1.0

1.0 Comparación de

superclases 1.0

http://www.owl-


304961009.owl#Actor

<http://www.owl-


61268.owl#Actor

Comparación de

cadenas 1.0

1.0 Comparación de

superclases 1.0

http://www.owl-



bleNode

http://www.owl-



Comparación de

cadenas 1.0

1.0 Comparación de

superclases 1.0

Comparación de

subclases 1.0



En el área de ontologías de entrada a las ontologías de turismo

En el área del parámetro de mezcla al concepto “Transport”.


resultante.

Figura 6.8. Ejecución de la herramienta CreaDO creando la Ontología de dominio de transportes en el turismo.

La Figura 6.9 presenta la vista general de la ontología de dominio del modelo i*. En la


Figura 6.9. Vista de conceptos principales de la ontología de dominio de transportes resultante

La Tabla 6.7 presenta el conjunto de entidades equivalentes (o mapeos) que fueron

detectados en el método de mapeo de ontologías de la herramienta CreaDO.

Tabla 6.7. Tabla de conceptos equivalentes de la ontología dominio de transportes en el turismo.




6.3.3 Construcción de una ontología de dominio del turismo

La ontología de dominio del turismo es el resultado de llevar a cabo el proceso de

creación de ontologías utilizando el caso de estudio presentado en la sección 6.2.2 con el

parámetro de mezcla “Tourism”. La Figura 6.10 muestra la Interfaz Gráfica de la

Herramienta CreaDO después de ejecutar este caso de estudio. En la figura se muestra:

En el área de ontologías de entrada a las ontologías de turismo.

En el área del parámetro de mezcla al concepto “Tourism”.


resultante.

Figura 6.10. Ejecución de la herramienta CreaDO creando la Ontología de dominio del Turismo.

La Figura 6.11 presenta la vista general de la ontología de dominio turismo. En la


http://www.info.uqam.ca/Me

mbers/valtchev_p/mbox/ETP-

tourism.owl#Ferry

http://www.pms.ifi.uni-

muenchen.de/OTN#Ferry Comparación de cadenas 1.0 1.0



tourism.owl#Service


muenchen.de/OTN#Service Comparación de cadenas 1.0 1.0



Figura 6.11. Vista de conceptos principales de la ontología de dominio de turismo resultante

La presenta el conjunto de entidades equivalentes (o mapeos) que fueron detectados en

el método de mapeo de ontologías.

Tabla 6.8. Tabla de conceptos equivalentes de la ontología dominio del turismo

6.4 Conclusiones

En este capítulo se describen las pruebas realizadas la herramienta CreaDO utilizando

tres casos de estudio. En estas pruebas son para evaluar los resultados de la metodología

propuesta a la hora de crear la ontología de dominio.

Las conclusiones obtenidas después de llevar a cabo la ejecución de estos casos de

estudio son:

La información que se representa en la ontología de dominio resultante es muy

pobre cuando se trata de un conjunto de ontologías muy pequeño.

Si las ontologías de entrada no presentan información suficiente asociada a la

descripción de sus entidades, dificulta la identificación de los mapeos entre las

ontologías.

Es difícil encontrar un gran número de ontologías de un mismo dominio disponibles

para su libre uso.



muenchen.de/OTN#Tourist_

Office





tourism.owl#Service



Sabino Pariente Juárez Conclusiones y trabajos futuros


Capítulo 7. Conclusiones y trabajos futuros

Este capítulo se revisa el objetivo de investigación y las principales conclusiones que

pueden extraerse de este trabajo (sección 7.1). Además se presentan las principales

contribuciones derivadas de esta investigación. Finalmente, en la sección7.2 se enlistan

algunos trabajos futuros de investigación que se pueden generar a partir de este trabajo de

investigación

7.1 Conclusiones

Como se menciona en el Capítulo 1, el objetivo general de la tesis es “Desarrollar una

nueva metodología para la construcción automática de ontologías de dominio que incluya

únicamente el conocimiento relevante para los propósitos de su utilización, utilizando

técnicas de reutilización de ontologías”. Es por ello que en esta tesis describimos el

desarrollo de esta metodología, la cual ha sido llamada CreaDO.

Esta metodología se basa en técnicas de reutilización de ontologías, tales como:

a) La modularización de ontologías, que permite la obtención de entidades

ontológicas relevantes para el propósito de utilización de la ontología.

b) El mapeo de ontologías, que permite la identificación de entidades equivalentes

definidas entre las ontologías reutilizadas.

c) La mezcla de ontologías, la cual une todo el conocimiento obtenido en la

modularización utilizando las entidades equivalentes identificadas en el mapeo de

ontologías.

Con este enfoque la metodología resuelve el problema de construir ontologías que

incluyan toda la información sobre un dominio de conocimiento. Además, que la

información contenida en la ontología es de interés para el objetivo de utilización.

Por otra parte, como se menciona en la sección 1.4, se pretende que la metodología

trabaje dentro de un proyecto que propone crear una nueva arquitectura para búsquedas de

información en la web basada en un enfoque de anotación semántica (García, 2010). Es

por ello que en esta tesis se realiza la implementación de la herramienta CreaDO que está

basada en los métodos de la metodología propuesta.

Las ontologías generadas por la herramienta serán utilizadas como base de

conocimiento por el motor de búsqueda semántico de la arquitectura propuesta por (García,

2010). Una característica importante de estas ontologías es que conservan la información de

procedencia de sus entidades que la conforman. Esto ayuda al motor de búsqueda semántica

a ubicar los resultados de los recursos consultados de una manera estructurada

semánticamente.

Sabino Pariente Juárez Conclusiones y trabajos futuros


7.1.1 Contribuciones

Las principales contribuciones derivadas de este trabajo de tesis son las siguientes:

El estudio del estado del arte sobre las temáticas de metodologías de

construcción de ontologías, metodologías de construcción de ontologías de

dominio y enfoques basados en mezcla de ontologías.

La definición de una metodología CreaDO para la construcción de ontologías de

dominio de propósito específico.

La herramienta CreaDO versión 1.0 la cual implementa a la metodología

CreaDO.

La publicación del artículo: Pariente, S., Suarez-Figueroa, M. C., Estrada, H., &

Martínez, A. (2011). CreaDO–A Methodology to Create Domain Ontologies

Using Parameter-Based Ontology Merging Techniques. 2011 10th Mexican

International Conference on Artificial Intelligence (pp. 23–28).

La extensión y adaptación de los Meta-modelos OMV Core y OWL Lir.

7.2 Trabajos futuros

A partir de definir la metodología CreaDO para construir ontologías de dominio de

propósito específico, es posible realizar los siguientes trabajos futuros:

La adaptación de la metodología CreaDO para que soporte la construcción de

ontologías de dominio a partir de ontologías desarrolladas en diferentes idiomas

del lenguaje natural.

La definición de un método de evaluación que trate de solucionar los problemas

de diseño de las ontologías reutilizadas.

Definir un método de mapeo de ontologías que se base en la utilización de

axiomas e instancias de la ontología con el fin de ser más precisos al momento

de identificar las entidades similares de dos ontologías.

La definición de un método que valide la consistencia de la ontología de

dominio resultante.

Sabino Pariente Juárez Referencias


Referencias

Alasoud, A. K. (2009). A multi-matching technique for combining similarity measures

in ontology integration. Dept. of Computer Science and Software Engineering, Concordia

University.

Berners-Lee, T., Hendler, J., & Lassila, O. (2001). A new form of Web content that is

meaningful to computers will unleash a revolution of new possibilities. Scientific American,

284(5), 34–43.

Bollegala, D., Matsuo, Y., & Ishizuka, M. (2007). Measuring semantic similarity

between words using web search engines. Proceedings of WWW (Vol. 7, pp. 757–786).

Borst, W. N. (1997). Construction of Engineering Ontologies for Knowledge Sharing

and Reuse, PhD, 227.

Bresciani, P., Giorgini, P., Giunchiglia, F., Mylopoulos, J., & Perini, A. (2003). Tropos:

An Agent-Oriented Software Development Methodology. Retrieved from

http://citeseer.ist.psu.edu/viewdoc/summary?doi=10.1.1.1.7049

Castells, P. (2003). La web semántica. Sistemas Interactivos y Colaborativos en la Web,

195–212.

Cristani, M., & Cuel, R. (2004). A Comprehensive Guideline for Building a Domain

Ontology from Scratch. Proceedings of International Conference on Knowledge

Management. Retrieved from

http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.91.2557

Cuenca Grau, B. (2005). COMBINACIÓN E INTEGRACIÓN DE ONTOLOGÍAS EN

LA WEB SEMÁNTICA. Universitat de Valencia, Valencia, España.

d’ Aquin, M., Baldassarre, C., Gridinoc, L., Angeletou, S., Sabou, M., & Motta, E.

(2007). Characterizing knowledge on the semantic web with Watson. EON CEUR

Workshop Proceedings, 329, 1–10.

Dahab, M., Hassan, H., & Rafea, A. (2008). TextOntoEx: Automatic ontology

construction from natural English text. Expert Systems with Applications, 34, 1474–1480.

doi:10.1016/j.eswa.2007.01.043

Doran, P., Tamma, V., & Iannone, L. (2007). Ontology module extraction for ontology

reuse: an ontology engineering perspective. Proceedings of the sixteenth ACM conference

on Conference on information and knowledge management (pp. 61–70).

Ehrig, M. (2006). Ontology Alignment: Bridging the Semantic Gap (Semantic Web and

Beyond). Springer. Retrieved from

http://www.amazon.ca/exec/obidos/redirect?tag=citeulike09-20&path=ASIN/038732805X

Ehrig, M., & Sure, Y. (2004). Ontology Mapping - An Integrated Approach. ESWS

Lecture Notes in Computer Science, 3053, 76–91.



Elita, N., Gavrila, M., & Vertan, C. (2007). Experiments with string similarity measures

in the EBMT framework. Proceedings of the RANLP 2007 Conference, 183–187.

Estrada Esquivel, H. (2008). A service-oriented approach for the i* framework.

Universitat Politècnica de València. Retrieved from

http://dialnet.unirioja.es/servlet/tesis?codigo=18233

Euzenat, J., & Valtchev, P. (2004). Similarity-based ontology alignment in {OWL}-

{L}ite. European Conference on Artificial Intelligence {ECAI}-04. Retrieved from

http://www.iro.umontreal.ca/~owlola/pdf/align-ECAI04-FSub.pdf

Fensel, D., Van Harmelen, F., Klein, M., Akkermans, H., Broekstra, J., Fluit, C., van

der Meer, J., et al. (2000). On-to-knowledge: Ontology-based tools for knowledge

management. Proceedings of the eBusiness and eWork (pp. 18–20).

Fernandez, M., Gomez-Perez, A., & Juristo, N. (1997). Methontology: from ontological

art towards ontological engineering. Proceedings of the AAAI97 Spring Symposium Series

on Ontological Engineering (pp. 33–40).

Figueroa, M. C. S., & Perez, A. G. (2008). First Attempt towards a Standard Glossary

of Ontology Engineering Terminology.

Ganter, B., & Stumme, G. (2003). Creation and Merging of Ontology Top-Levels.

Proc. of the 11th International Conference on Conceptual Structures, ICCS, volume 2746,

131–145.

Garcia, V. (2010). UNA NUEVA ARQUITECTURA PARA BÚSQUEDAS DE

INFORMACIÓN EN LA WEB BASADA EN UN ENFOQUE DE ANOTACIÓN

SEMÁNTICA (Propuesta de tesis Doctoral). Cenidet, Morelos, México.

Hartmann, J., Palma, R., & Sure, Y. (2005). OMV – ontology metadata vocabulary.

ISWC 2005 WORKSHOP ON ONTOLOGY PATTERNS FOR THE SEMANTIC WEB.

Retrieved from http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.104.7266

Lamarca, M. J. (2007). Hipertexto: el nuevo concepto de documento en la cultura de la

imagen. http://www. hipertexto. info/documentos/web_tecnolog. htm. Consultado em.

Retrieved from http://www.hipertexto.info/index.htm

McGuinness, D. L., & Van Harmelen, F. (2004). OWL web ontology language

overview. W3C recommendation, 10, 2004–03.

Montiel-Ponsoda, E., de Cea, G. A., Gómez-Pérez, A., & Peters, W. (2008). Modelling

multilinguality in ontologies. Coling 2008: Companion volume: Posters, 67–70.

Najera, K. (2011). Generación de ontologías a partir de conocimiento organizacional.

Cenidet, Cuernavaca.

Pariente, S., Suarez-Figueroa, M. C., Estrada, H., & Martínez, A. (2011). CreaDO–A

Methodology to Create Domain Ontologies Using Parameter-Based Ontology Merging

Techniques. 2011 10th Mexican International Conference on Artificial Intelligence (pp.

23–28).



Pinto, H. S., Staab, S., & Tempich, C. (2004). DILIGENT: Towards a fine-grained

methodology for DIstributed, Loosely-controlled and evolvInG Engineering of oNTologies.

in Pproceedings of the 16th european conference on artificial intelligence (ECAI), 393–

397.

Poveda-Villalón, M., Suárez-Figueroa, M. C., & Gómez-Pérez, A. (2010). A Double

Classification of Common Pitfalls in Ontologies. Workshop on Ontology Quality Co-

located with EKAW 2010.

Raunich, S., & Rahm, E. (2010). Target-driven merging of Taxonomies. CoRR informal

publication. Retrieved from http://arxiv.org/abs/1012.4855

Sánchez, D. (2009). Domain Ontology Learning from the Web. The Knowledge

Engineering Review, 24, 413. doi:10.1017/S0269888909990300

Stumme, G., & Maedche, A. (2001). FCA-Merge: Bottom-up merging of ontologies.

International Joint Conference on Artificial Intelligence (Vol. 17, pp. 225–234).

Suárez-Figueroa, M. C. (2010). NeOn Methodology for Building Ontology Networks:

Specification, Scheduling and Reuse. Universidad Politécnica de Madrid, Madrid, Spain.

Retrieved from http://oa.upm.es/3879/2/MARIA_DEL-

_CARMEN_SUAREZ_DE_FIGUEROA_BAONZA.pdf

Sure, Y. (2002). On-To-Knowledge: Ontology based Knowledge Management Tools

and their Application. Künstliche Intelligenz, 35–37.

Svab-Zamazal, O. (2010). Pattern-based Ontology Matching and Ontology Alignment

Evaluation (Tesis Doctoral). University of Economics, Prague, Prague.

Yu, E. S.-K. (1996). Modelling strategic relationships for process reengineering.

University of Toronto, Toronto, Ont., Canada, Canada.

Sabino Pariente Juárez Anexos


Anexos

Anexo 1. Ontología de dominio de modelo i*

<?xml version="1.0"?> <rdf:RDF xmlns="http://www.cenidet.edu.mx/domainontologies/actor#"

xml:base="http://www.cenidet.edu.mx/domainontologies/actor"

xmlns:rdfs="http://www.w3.org/2000/01/rdf-schema#"

xmlns:owl="http://www.w3.org/2002/07/owl#"

xmlns:xsd="http://www.w3.org/2001/XMLSchema#"

xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:Ontology1304961009="http://www.owl-ontologies.com/Ontology1304961009.owl#">

<owl:Ontology rdf:about="http://www.cenidet.edu.mx/domainontologies/actor"/>

 

<owl:ObjectProperty rdf:about="http://www.owl-ontologies.com/Ontology1304961009.owl#has_Actor_Boundary">

<rdfs:domain rdf:resource="http://www.owl-ontologies.com/Ontology1304961009.owl#Actor"/> <rdfs:range rdf:resource="http://www.owl-ontologies.com/Ontology1304961009.owl#InternalElement"/>

</owl:ObjectProperty>

 

<owl:DatatypeProperty rdf:about="http://www.owl-ontologies.com/Ontology1304961009.owl#Node_diagram_id"> <rdfs:domain rdf:resource="http://www.owl-ontologies.com/Ontology1304961009.owl#Node"/>

<rdfs:range rdf:resource="http://www.w3.org/2001/XMLSchema#string"/>

</owl:DatatypeProperty>



<owl:DatatypeProperty rdf:about="http://www.owl-ontologies.com/Ontology1304961009.owl#Node_label"> <rdfs:domain rdf:resource="http://www.owl-ontologies.com/Ontology1304961009.owl#Node"/>


</owl:DatatypeProperty> 



<owl:Class rdf:about="http://www.owl-ontologies.com/Ontology1304961009.owl#Actor"> <rdfs:subClassOf rdf:resource="http://www.owl-ontologies.com/Ontology1304961009.owl#DependableNode"/>

</owl:Class>



<owl:Class rdf:about="http://www.owl-ontologies.com/Ontology1304961009.owl#DependableNode">

<rdfs:subClassOf rdf:resource="http://www.owl-ontologies.com/Ontology1304961009.owl#Node"/>



</owl:Class>



<owl:Class rdf:about="http://www.owl-ontologies.com/Ontology1304961009.owl#InternalElement"/>



<owl:Class rdf:about="http://www.owl-ontologies.com/Ontology1304961009.owl#Node"/> </rdf:RDF>



Anexo 2. Ontología de dominio de turismo

<?xml version="1.0"?>

<rdf:RDF xmlns="http://www.cenidet.edu.mx/domainontologies/Tourism#" xml:base="http://www.cenidet.edu.mx/domainontologies/Tourism"

xmlns:rdfs="http://www.w3.org/2000/01/rdf-schema#"

xmlns:owl="http://www.w3.org/2002/07/owl#" xmlns:xsd="http://www.w3.org/2001/XMLSchema#"

xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"

xmlns:ETP-tourism="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#" xmlns:OTN="http://www.pms.ifi.uni-muenchen.de/OTN#">

<owl:Ontology rdf:about="http://www.cenidet.edu.mx/domainontologies/Tourism"/>

 

<owl:ObjectProperty rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#is_Displayed_at">

<rdfs:range rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Node"/> <rdfs:domain rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Service"/>




<owl:ObjectProperty rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#location_Reference">

<rdfs:domain rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Feature"/> <rdfs:range rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Location_Reference"/>




<owl:ObjectProperty rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#opening_Period">

<rdfs:domain rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Service"/> <rdfs:range rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Validity_Period"/>


 

<owl:DatatypeProperty rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#accepted_Credit_Cards">

<rdfs:domain rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Service"/> <rdfs:range rdf:resource="http://www.w3.org/2001/XMLSchema#string"/>


 <owl:DatatypeProperty rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#alternate_Name">

<rdfs:domain rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Feature"/> <rdfs:range rdf:resource="http://www.w3.org/2001/XMLSchema#string"/>




<owl:DatatypeProperty rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#external_Identifier">

<rdfs:domain rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Feature"/> <rdfs:range rdf:resource="http://www.w3.org/2001/XMLSchema#string"/>






<owl:DatatypeProperty rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#external_Link"> <rdfs:domain rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Feature"/>

<rdfs:range rdf:resource="http://www.w3.org/2001/XMLSchema#anyURI"/>




<owl:DatatypeProperty rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#houseNumber"> <rdfs:domain rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Service"/>



 <owl:DatatypeProperty rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#location_Reference_Code">

<rdfs:domain rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Location_Reference"/>

<rdfs:range rdf:resource="http://www.w3.org/2001/XMLSchema#string"/> </owl:DatatypeProperty>

 <owl:DatatypeProperty rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#location_Reference_Type">

<rdfs:domain rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Location_Reference"/>

<rdfs:range rdf:resource="http://www.w3.org/2001/XMLSchema#string"/> </owl:DatatypeProperty>

 <owl:DatatypeProperty rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#suitable_for_disabled">

<rdfs:domain rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Service"/>

<rdfs:range rdf:resource="http://www.w3.org/2001/XMLSchema#boolean"/> </owl:DatatypeProperty>

 <owl:DatatypeProperty rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#x">

<rdfs:domain rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Node"/>

<rdfs:range rdf:resource="http://www.w3.org/2001/XMLSchema#float"/> </owl:DatatypeProperty>



<owl:DatatypeProperty rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#y">



 <owl:DatatypeProperty rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#z">





 <owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Service">

<owl:equivalentClass rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Service"/>

</owl:Class> 

<owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#TouristOffice">

<owl:equivalentClass rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Tourist_Office"/> </owl:Class>



<owl:Class rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#Feature"/>



<owl:Class rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#Historical_Monument">



<rdfs:subClassOf rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Tourism"/>

</owl:Class>

 <owl:Class rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#Location_Reference"/>

 <owl:Class rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#Node"/>

 <owl:Class rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#Service">

<rdfs:subClassOf rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Feature"/>

</owl:Class>

 <owl:Class rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#Tourism">

<rdfs:subClassOf rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Service"/>

</owl:Class>



<owl:Class rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#Tourist_Attraction"> <rdfs:subClassOf rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Tourism"/>

</owl:Class>



<owl:Class rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#Tourist_Office">

<rdfs:subClassOf rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Tourism"/> </owl:Class>

 <owl:Class rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#Validity_Period"/>

 <owl:Class rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#Vantage_Point">

<rdfs:subClassOf rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Tourism"/>

</owl:Class> </rdf:RDF>



Anexo 3. Ontología de dominio de transporte

<?xml version="1.0"?>

<rdf:RDF xmlns="http://www.cenidet.edu.mx/domainontologies/Transport#"

xml:base="http://www.cenidet.edu.mx/domainontologies/Transport" xmlns:rdfs="http://www.w3.org/2000/01/rdf-schema#"

xmlns:owl="http://www.w3.org/2002/07/owl#"

xmlns:xsd="http://www.w3.org/2001/XMLSchema#" xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"

xmlns:ETP-tourism="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#"

xmlns:OTN="http://www.pms.ifi.uni-muenchen.de/OTN#"> <owl:Ontology rdf:about="http://www.cenidet.edu.mx/domainontologies/Transport"/>



 <owl:ObjectProperty rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#isBetweenDestination">

<rdfs:range rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Destination"/> <rdfs:domain rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#InterCityTransportation"/>




<owl:ObjectProperty rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#isBetweenTerminal">

<rdfs:range rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#TerminalInfrastructure"/> <rdfs:domain rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Transportation"/>








<owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Animal-Powered"> <rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-

tourism.owl#IntraCityTransportation"/>

</owl:Class>

 <owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Bike">

<rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Human-Powered"/>

</owl:Class>



<owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#BikeRickshaw"> <rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Bike"/>

<rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Rickshaw"/>

</owl:Class>



<owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#BikeTaxi"> <rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Bike"/>

</owl:Class>



<owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Bus">

<rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Engin-Powered"/> </owl:Class>

 <owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#CableTram">

<rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Engin-Powered"/>

</owl:Class>



<owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Cart"> <rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Animal-Powered"/>

</owl:Class>



<owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Coach">

<rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#InterCityTransportation"/>

</owl:Class>



<owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#CommuterTrain">

<rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Engin-Powered"/> </owl:Class>

 <owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Destination"/>

 <owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Engin-Powered">

<rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-

tourism.owl#IntraCityTransportation"/> </owl:Class>



<owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Ferry">

<owl:equivalentClass rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Ferry"/> <rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Ship"/>

</owl:Class>





<owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Hidrofoil">

<rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Ship"/> </owl:Class>

 <owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Human-Powered">


tourism.owl#IntraCityTransportation"/> </owl:Class>

 <owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#InterCityTransportation">

<rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Transportation"/> </owl:Class>

 <owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#IntraCityTransportation">

<rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Transportation"/>

</owl:Class>



<owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Monorail"> <rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Engin-Powered"/>

</owl:Class>



<owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#MotorcycleTaxi">

<rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Taxi"/> </owl:Class>

 <owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Plane">


tourism.owl#InterCityTransportation"/> </owl:Class>



<owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Rapid">

<rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Train"/>

</owl:Class>



<owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Rickshaw"> <rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Human-Powered"/>

</owl:Class>



<owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Ride">

<rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Animal-Powered"/> </owl:Class>

 <owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Service">

<owl:equivalentClass rdf:resource="http://www.pms.ifi.uni-muenchen.de/OTN#Service"/>

</owl:Class>



<owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#ShareTaxi"> <rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Taxi"/>

</owl:Class>



<owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Ship"> <rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-

tourism.owl#InterCityTransportation"/>

</owl:Class> 

<owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Subway">




</owl:Class>

 <owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Taxi">


</owl:Class>



<owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Taxicab"> <rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Taxi"/>

</owl:Class>



<owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#TerminalInfrastructure"/>



<owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Train"> <rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-

tourism.owl#InterCityTransportation"/>

</owl:Class>



<owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Tram"> <rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Engin-Powered"/>

</owl:Class>



<owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Transportation">

<rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Service"/> </owl:Class>

 <owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Trolleybus">


</owl:Class>



<owl:Class rdf:about="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#WaterTaxi">

<rdfs:subClassOf rdf:resource="http://www.info.uqam.ca/Members/valtchev_p/mbox/ETP-tourism.owl#Taxi"/>

</owl:Class>



<owl:Class rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#Ferry"/>



<owl:Class rdf:about="http://www.pms.ifi.uni-muenchen.de/OTN#Service"/>

</rdf:RDF>

Documents

TESIS DE MAESTRÍA EN CIENCIAS - CENIDET · 2020-07-07 · Resumen Actualmente, en el contexto de la web semántica, las ontologías se han convertido en un elemento importante para