EXTRACCIÓN DE INFORMACIÓN DE REDES SEMÁNTICAS MEDIANTE LA TÉCNICA DE RECORTE DE PROGRAMAS

Transcripción

1 1 er Conreso Internionl e Investiión C. Juárez, Chih. Méxio 8-10 e Otubre e 2008 EXTRACCIÓN DE INFORMACIÓN DE REDES SEMÁNTICAS MEDIANTE LA TÉCNICA DE RECORTE DE PROGRAMAS J. Gulupe Rmos, Heriberto Flores, Lur E. Menoz, Hétor Oeuer, Jun Crlos Solorio, Mrrit Torres, Jore A. Zmbrno 1 1 Deprtmento e Sistems y Computión Instituto Tenolóio e L Pie Av. Tenolóio No. 2000, Col. Meset los Lureles L Pie, Mihoán, Méxio. CP ulupe@si.upv.es hlores@sistemsiq.om hulimle29@yhoo.om.mx hos6509@hotmil.om junsol@hotmil.om mo_t@hotmil.om jzslpmm@hotmil.om Abstrto: En el presente trbjo se esribe un métoo nuevo que se bs en l téni e reorte e prorms (prorm sliin) pr l extrión e inormión e un re semánti. Un re semánti estrutur e tos en orm e ro que se utiliz pr l representión e onoimiento, meinte ptrones e noos interonetos on ros (Sow, 1992). Se emple unmentlmente en intelieni rtiiil. Por otro lo, el reorte e prorms téni orml pr extrer ls sentenis e un prorm que etn (potenilmente), los vlores que se omputn en lún punto e interés e iho prorm (Weiser, 1984). Nuestro métoo permite extrer inormión e un re semánti. Pr ello extenemos l re reno un ínie que punt iertos noos seleionos. Entones, prtieno e lun e ls entrs el ínie, extremos un subro y lo onvertimos en árbol. A ontinuión, reortmos un porión (un slie) el árbol on respeto lún noo e interés (riterio e reorte). Un re semánti moel un onjunto e inormión, e moo que l porión resultnte represent inormión onret que se obtiene e l re. Así pues, est proximión se puee usr en el iseño y esrrollo e herrmients pr moelr inormión on sus reliones, empleno rees semántis on el in e que puen ser explots meinte nuestro métoo e extrión e inormión. 1. INTRODUCCIÓN Hoy en í, los proesos en los que se involurn ls persons y ls orniziones, enern un rn nti e inormión, este enómeno, he ptente l neesi e nuevos moelos, métoos y herrmients pr lmenr y reuperr l inormión e interés. Por ejemplo, los Sistems e Gestión e Contenio (CMS el inlés Content Mnement System) tles omo Drupl 6.3 (Merer, 2008), que permiten onentrr y estionr to l inormión e ontenio el sitio web e un empres, suren por l lentitu el eso su inormión ebio l volumen e l mism. Uno e los moelos más versátiles pr representr inormión es l enomin re semánti. Un re semánti se us on reueni omo un orm e representión e onoimiento. Se trt e un ro iriio o no iriio que onsiste e vérties que representn oneptos y ros que representn reliones semántis entre los oneptos (Sow, 1992). De heho el CMS Drupl 6.3, oree l posibili e mnipulr un tesuro (un tipo e re semánti) on el in e ornizr y mejorr el eso l inormión onteni. Por otro lo, ls proximiones ormles l trtmiento e un problem, tren onsio muhos beneiios tnto pr los iseñores, omo pr los esrrollores e ténis pr reuperr inormión. Aluns ventjs unmentles e los métoos ormles son: l orreión y el trtmiento sistemátio e l inormión. En el mpo e l prormión, un e ls ténis ormles más uss y que sirve pr extrer prtes relevntes e un prorm se enomin reorte e prorms (el inlés prorm sliin). El reorte e prorms es básimente un téni pr esrtiulr un prorm, es eir, pr l extrión e quells sentenis e un prorm que etn (potenilmente) los vlores que se omputn en lún punto e interés. 200

2 1 er Conreso Internionl e Investiión C. Juárez, Chih. Méxio 8-10 e Otubre e 2008 L téni pr el reorte e prorms ue introui oriinlmente por Weiser (1984) y tiene hoy en í muhs pliiones, tles omo l epurión e prorms, l espeilizión e prorms (Oho et l., 2005, Oho et l., 2004) y el iltro e tos XML (Silv, 2007), en (Tip, 1995) se puee ver un trto l respeto. En este trbjo presentmos un métoo pr l extrión e inormión e rees semántis bso en l téni e reorte. Un re semánti se implement omo un estrutur e tos que ontiene un nti onsierble e inormión en l que su reuperión no tre trivil. Uno e nuestros propósitos es plir el reorte, on el in e reuperr inormión relevnte on respeto lún riterio (ténimente el riterio e reorte). Es e nuestro interés el moelo e noos oneptules y sus reliones, tl omo se hí en los primeros trbjos e rees semántis que tenín omo in representr l memori humn (Sow, 1992). Esto es por sí solo un speto interesnte, si onsiermos l rn pi e proesmiento e ls omputors moerns (on respeto ls e he utro és) que permiten l ejeuión eiiente e los métoos pr representr y reuperr inormión. En este trbjo, ormulmos un einiión exteni e un re semánti, i.e., l re semánti inex. Aunque nuestrs rees semántis son ros iriios, l ión e rer ínies iertos noos seleionos nos permite extrer subros que están relionos lún tópio prtiulr. Esto onstituye un primer nivel e extrión e inormión e l re semánti. En un seuno nivel plimos reorte l subro resultnte on respeto lún riterio e reorte, obtenieno e este moo inormión e interés prtiulr. Ls ténis e reorte se bsn (on reueni) en un estrutur e tos llm Gro e Depeneni el Prorm (PDG el inlés Prorm Depenene Grph [Ferrnte et l., 1987]). L estrutur permite ls herrmients e ésts perteneen un porión prtiulr el prorm. En este trbjo tommos un subro, lo onvertimos un estrutur e árbol y entones extremos un trozo, onsierno lún noo omo riterio e reorte. De este moo reupermos minos (trozos) el árbol, e l ríz l noo riterio e reorte, o el noo riterio e reorte ls hojs. Ls ontribuiones más importntes e este trbjo se resumen ontinuión: - Presentmos un extensión ls rees semántis enomin re semánti inex. - Introuimos un métoo pr l extrión e un subre semánti ( prtir e un ínie) y presentmos un proeimiento pr onvertirl en un árbol. - Introuimos un métoo bso en l téni e reorte pr l extrión e inormión e los árboles (semántios). El resto el oumento se orniz omo siue. En l Seión 2, hemos un repso el tópio reliono on rees semántis. Enseui, en l Seión 3, esribimos brevemente los oneptos e l téni e reorte e prorms. Más elnte, introuimos el métoo pr extrión e inormión e rees semántis en l Seión 4. Finlmente, en l Seión 5 nos entrmos en trbjo reliono y onluimos. 2. REDES SEMÁNTICAS El onepto e re semánti es bstnte ñejo en l litertur e ls ienis el onoimiento y tmbién en l litertur e intelieni rtiiil. No obstnte, estrutur e tos omún pr l representión el onoimiento que se emple on reueni en iversos y moernos problems e intelieni rtiiil. Por ejemplo, se hn relizo lunos oloquios e trbjo, tles omo los Semnti Network Anlysis Workshops (Stumme et l., 2005, Alni et l., 2006) en los que se h isutio el uso e rees semántis entre otrs oss pr rees soiles y rees e hipertexto. El término e re semánti nos remite los trbjos e Ross Quillin (1969), quien lo introujo por primer vez on l intenión e esribir l orm en que se ornizn los oneptos y su siniio en l memori humn. Ténimente, un re semánti ro iriio que onsiste en primer término e noos (tmbién se les suele enominr vérties) que representn oneptos y en seuno término e ros que representn reliones semántis entre los oneptos. Sow (1991) introujo l lsiiión e rees semántis que siue: ) Rees einiionles: hen énsis en l reión e subtipos, pr ello se introue l relión es-un entre un tipo (onepto) y l einiión e un nuevo subtipo. b) Rees proposiionles: son rees semántis que se iseñron pr estbleer irmiones o proposiiones. ) Rees e impliión: son rees que usn l impliión omo su relión primri pr onetr noos. Se pueen usr pr representr ptrones e reeni, usli o inerenis. En luns e ests rees los ros se etiquetn on probbilies. 201

3 1 er Conreso Internionl e Investiión C. Juárez, Chih. Méxio 8-10 e Otubre e 2008 ) Rees ejeutbles: ontienen menismos que pueen usr lún mbio en l re mism, iereni e los otros tipos que se pueen onsierr estruturs e tos estátis. Por ejemplo pueen ser pes e ejeutr pso e mensjes entre noos, o bien pueen ontener proeimientos ejeutbles juntos noo. e) Rees e prenizje: ésts onstruyen o extienen su representión meinte l quisiión e onoimiento prtir e ejemplos. ) Rees híbris: ombinn os más e los tipos e rees previmente menionos. Existen iversos sistems que implementn lún tipo e re semánti, Sow (1991) enumer los siuientes, DAML y OIL (Horroks, 2002) que emplen l lói e esripión (DL: el inlés esription loi, un extensión e ls rees semántis einiionles) on el objetivo e representr el onoimiento en l web semánti. Un ejemplo e rees proposiionles es el Semnti Network Proessin System (Shpiro, 1991) que se h uso pr representr un mplio rno e spetos en semánti e lenuje nturl. En unto ls rees impliionl so e ejemplo son ls rees e reeni (Perl, 1993) que se usn en rzonmiento probbilístio, mientrs que ls onois rees e Petri son un ejemplo e rees ejeutbles. vértebr tiene to tiene piel niml mmíero oso tiene pez bllen vive en u vive en Fiur 1. Un re semánti einiionl. En este trbjo nos reerimos rees einiionles simples, ls ules son usules por ejemplo pr representr tesuros. L enilopei Merrin-Webster eine un tesuro omo un list e términos que usulmente inluye un sistem e reereni ruz y que se emple en l ornizión e un oleión e oumentos pr reereni y reuperión. En relión ello, Milste (1995) estblee que un re semánti es similr oneptulmente un tesuro en el heho e que muestr términos en el ontexto e sus reliones semántis. En l Fiur 1 se present un ejemplo lásio e un re semánti einiionl. En este trbjo y pr eetos e ilustrr nuestro métoo bstremos los oneptos y ibujmos solmente los noos on sus ros. 3. LA TÉCNICA DE RECORTE DE PROGRAMAS L téni e reorte e prorms (prorm sliin) se introujo oriinlmente en 1984 por Weiser y se trt e un métoo orml pr extrer sentenis e un prorm que (potenilmente) etn los vlores que se omputn en lún punto e interés meinte un nálisis e sus tos y el lujo e ontrol. Un trozo (slie) se onstruye meinte l eliminión e quells prtes el prorm que son irrelevntes pr los vlores que vn estr lmenos en el onjunto e vribles e lun senteni espeíi en lún punto el prorm. 202

4 1 er Conreso Internionl e Investiión C. Juárez, Chih. Méxio 8-10 e Otubre e 2008 El punto e interés se enomin riterio e reorte y se represent el moo que siue: <s,v> el ul re reiere l senteni s el prorm y l onjunto e vribles v tener en uent en es senteni. Es eir l her el reorte se tenrá que onsierr quells instruiones que ltern el vlor e ls vribles en v y en l senteni s. Un vez que se h einio un riterio e reorte, entones poemos llevr bo os tipos e extrión: reorte hi trás (bkwr sliin) o reorte hi elnte (orwr sliin). El primer tipo e reorte obtenrá tos ls sentenis que reperuten en el riterio e reorte, mientrs que el seuno tipo reoe quells instruiones el prorm que son ets por el riterio e reorte b b b e e e Fiur 2. ) Un re semánti. b) Un re semánti inex. ) L subre semánti prtir el ínie. Ejemplo 1. Vemos el prorm uente e l primer olumn. Consierno el riterio e reorte <5,z> y plino l téni e reorte e prorms, se obtiene el prorm que se ilustr en l seun olumn. 1) x = 1; x = 1; 2) y = 2; y = 2; 3) z = y-2; 4) r = x; 5) z = x+y; z = x + y; Es lro que ls sentenis 3) y 4) no etn en bsoluto l álulo e l vrible z en l líne número 5. El tipo e reorte plio ue reorte hi trás. Reientemente l téni e reorte e prorms ue pli pr reortr estruturs e tos, onretmente se empleó pr proesr oumentos XML y e hí páins web (Silv, 2007). En este trbjo onsiermos tmbién l téni e reorte sobre un estrutur e tos, en nuestro so pli un re semánti. De heho, esto es náloo l téni e reorte e prorms y que el reorte no se he iretmente sobre el prorm, se he sobre l estrutur enomin ro e epenenis e prorm meniono en l Seión

5 1 er Conreso Internionl e Investiión C. Juárez, Chih. Méxio 8-10 e Otubre e EL MÉTODO PARA EXTRAER INFORMACIÓN DE LA RED SEMÁNTICA Triionlmente, un re semánti se represent omo un ro iriio, los noos representn oneptos y los ros (etiquetos) ls reliones entre ellos. A ontinuión y bonno l onreión, nos reerimos los oneptos omo noos simples y omitimos ls etiquets en los ros. L re semánti puee ontener miles e noos, on el in e poer eer e mner iret los oneptos que se onsieren unmentles remos un puntor ellos meinte un ínie. C entr el ínie ontiene un en e texto pr el onepto lve y un puntor l noo que orrespone l onepto, el ínie está oreno e uero l onepto lve. De este moo, el reorrio e l re semánti prtir el ínie y siuieno l ireión e los ros nos permitirá reuperr el subro que tiene relión oriin por el onepto (lve) e interés. En l Fiur 2, iniso ) representmos un re semánti. En el iniso b), presentmos l mism re semánti pero hor remos un ínie que ontiene os entrs, l primer que punt l noo y l seun que punt l noo. En el iniso ) resltmos el subro que se puee obtener reorrieno los minos prtir e los noos y sus ros iriios. Un vez que hemos obtenio el subro espeíio e un onepto e interés vmos onstruir l mtriz e yeni e sus noos. L mtriz ini qué noos poemos ller (on un ro) prtir e ulquier noo. Se not l relión e lle on 1, en so ontrrio on 0. Así, tos ls reliones (e un ro) entre noos se representn en l mtriz e yeni. b e Fiur 3. ) L subre semánti prtir el ínie. b) L mtriz e yeni y ) El árbol e. En l Fiur 3, iniso ) observmos reslto el subro que se puee obtener prtir el onepto lve. Pr onstruir l mtriz e yeni el iniso b) olomos omo etiquet e los renlones el onepto en noo (i.e.,,, y ), estos onstituyen los noos e sli. Por otro lo olomos,, y omo título e ls olumns e l mtriz, estos onstituyen los noos e lle. Así pues, el noo e sli poemos ir l noo e lle y l noo e lle, pero no l noo. Por ello en l mtriz on renlón y olumn, esto es mtriz[][] tenemos 1, mientrs que en mtriz[][] tenemos 0. A prtir e l mtriz e yeni se puee onstruir un árbol. El árbol elimin los ilos el ro, ténimente, un árbol ro iriio ílio. Pr onstruir el árbol omenzmos on el noo inexo y trzmos ros hi bjo. El noo inexo tiene os ros e sli, que onetn on el noo y on el noo, omo lo ini l mtriz, esto nos 204

6 1 er Conreso Internionl e Investiión C. Juárez, Chih. Méxio 8-10 e Otubre e 2008 permite trzr l ríz el árbol y os rms (Fiur 3, iniso ). Enseui tommos el noo y busmos en l mtriz on quién enlz, sí, trzmos un ro l noo. Ahor onsierremos el noo, ontinuremos e este moo, tenieno en uent el riterio e prr uno hymos oneto un noo previmente y onsiero, o bien, que iho noo se terminl, es eir que no ten ro e sli. Un vez que tenemos el árbol, plimos un téni pt e (Silv, 2007) pr obtener poriones (slies) e inormión. L téni onsiste en extrer los oneptos e los noos que se enuentrn en los minos que se pueen reorrer en el árbol prtieno el noo ríz hi un e ls hojs. El onjunto e oneptos reoletos en mino orm un posible respuest. Sin embro hy que isriminr entre toos los onjuntos (uno por mino), inlusive, en onjunto ebemos einir uáles son los oneptos respuest en unión e ierto riterio e reorte. Consieremos que el noo es nuestro riterio e reorte, entones si plimos l téni onoi omo reorte hi trás (bkwr sliin, [Tip, 1995]) obtenremos omo resulto l inormión el noo y. Esto es, y son los oneptos que onuen l einiión e, son su nteeente semántio. Esto se ilustr en l Fiur 4, iniso b). Por otro lo, si plimos reorte hi elnte (orwr sliin [Tip, 1995, Silv et l., 2007]) y onsierno el mismo riterio e reorte l inormión que obtenemos está represent por los noos, y. Est inormión tiene relión semánti prtir el onepto. Vése l Fiur 4, iniso ). Fiur 4. ) L subre semánti prtir el ínie e. b) Reorte hi trás y, ) Reorte hi elnte. 4. EL MÉTODO PARA EXTRAER INFORMACIÓN DE LA RED SEMÁNTICA El resulto e nuestr investiión es básimente un téni orml (si bien present quí e mner inorml) pr l representión y extrión e inormión. L téni es útil y pertinente si onsiermos el ue e l inormión que se rteriz por tener múltiples reliones pero que l mismo tiempo son simples. E.., ls páins web e Internet porín tener enles semántios y permitir búsques más preiss. Por ejemplo, en (Wn et l., 1998) iseñron e implementron prototipos e sistem hipertexto. En uno e ellos, hen uso e un re semánti no estrutur y proporionn un herrmient pr l reión e l re. El prototipo us loritmos e reorrio bsos en onoimiento pr ilitr l reornizión e un oumento. Los loritmos e reorrio están bsos en proximiones estánr omo búsque en prouni y búsque en nhur. Por nuestr prte optimizmos ls búsques por meio e un ínie, i.e., nuestro moelo e re permite mejorr el trbjo e reuperión e inormión. En (Moy, 2006) iseñron un orm prtiulr e ro pr representr preunts y respuests. De este moo, los ros se onstruyen e uero los requerimientos e l preunt y l respuest. En nuestro so onsiermos un orm enerl e re semánti. 205

7 1 er Conreso Internionl e Investiión C. Juárez, Chih. Méxio 8-10 e Otubre e 2008 Hst one sbemos ést es l primer proximión que onsier un métoo pr extrer inormión e un re semánti prtir e l téni orml e reorte e prorms emple en prormión. Silv (2007) plió l téni e reorte e prorms pr extrer inormión prtir e oumentos XML/DTD y on ello poer prtir oumentos web. En su trbjo pli reorte sobre estruturs e tos on orm e árbol, omo hemos nosotros. El métoo e reorte e prorms métoo simple, que por ontrprte oree un veloi e ejeuión eptble. En este momento estmos esrrollno un prototipo e prueb y los resultos preliminres observos son motivores. Del mismo moo l publiión on el enoque orml e nuestr téni expli en este trbjo está sujet evluión. En unto trbjo uturo, los sistems e estión e ontenio omo Drupl 6.3 (Merer, 2008) permiten ornizr l inormión en tesuros, esto es básimente un re semánti einiionl omo l trt quí, por lo que el mpo e pliión e nuestr téni es prometeor. Por otro lo vle l pen mterilizr ls inormión semánti e ls páins web en rees semántis y on ello experimentr nuestro métoo e extrión e inormión. Finlmente l propi téni e reorte oree l posibili e mejor. Existe un mejor enomin hoppin (Jkson et l., 1994) en honor su utor y que ept os riterios e reorte. L pliión e est téni permitirí reuperr nubes e inormión, no l respuest onsults muho más espeíis y on un ontenio semántio más rio. En onlusión hemos presento un téni útil por un lo, pr representr inormión y sus reliones semántis y por otro un métoo pr reuperr e un mner simple l inormión. El métoo es plible ulquier mpo e ornizión e inormión one se esee plsmr ls reliones semántis. 5. REFERENCIAS 1. Alni, H., Hoser, B., Shmitz, C., Stumme, G., es.: Proeeins o the 2n Workshop on Semnti Network Anlysis. (2006) 2. Ferrnte, J., Ottenstein, K.J., Wrren, J.D.: The Prorm Depenene Grph n its Use in Optimiztion. ACM Trns. Prorm. Ln. Syst. 9 (1987) Horroks, I.: DAML+OIL: Desription Loi or the Semnti Web. IEEE Dt Enineerin Bulletin 25 (2002) Jkson, D., Rollins, E.J.: Choppin: A Generliztion o Sliin. Tehnil Report CS (1994). 5. Merer, Dvi., Builin Powerul n Robust Websites with Drupl 6, Pkt Publishin, Milste, J.L.: Invisible Thesuri: the yer Online Inormtion Review 19 (1995) Mollá, D.: Lernin o Grph-Bse Question Answerin Rules. In: Pro. HLT/NAACL 2006 Workshop on Grph Alorithms or Nturl Lnue Proessin. (2006) Oho, C., Silv, J., Vil, G.: Dynmi Sliin Bse on Reex Trils. In: Pro. o the ACM SIGPLAN 2004 Symposium on Prtil Evlution n Prorm Mnipultion (PEPM'04), ACM Press (2004) Oho, C., Silv, J., Vil, G.: Lihtweiht Prorm Speiliztion vi Dynmi Sliin. In: Pro. o the Workshop on Curry n Funtionl Loi Prormmin (WCFLP 2005), ACM Press (2005) Perl, J.: Belie networks revisite. Artiiil Intelliene 59 (1993) Quillin, R.: Semnti memory. In Minsky, M., e.: Semnti Inormtion Proessin. MIT Press (1969) 12. Shpiro, S.C.: Cse Stuies o Ssneps. SIGART Bulletin 2 (1991) Silv, J.: A prorm Sliin Bse Metho to Filter xml/t Douments. In: SOFSEM (1). (2007)

8 1 er Conreso Internionl e Investiión C. Juárez, Chih. Méxio 8-10 e Otubre e Silv, J., Vil, G.: Forwr Sliin o Funtionl Loi Prorms by Prtil Evlution. Theory n Prtie o Loi Prormmin 7 (2007) Sow, J.F., e.: Priniples o Semnti Networks: Explortions in the Representtion o Knowlee. Morn Kumnn (1991) 16. Sow, J.F.: Semnti networks. In Shpiro, S.C., e.: Enylopei o Artiiil Intelliene. John Wiley & Sons (1992) 17. Stumme, G., Hoser, B., Shmitz, C., Alni, H., es.: ISWC 2005 Workshop on Semnti Network Anlysis. Volume 171 o CEUR Workshop Proeeins., Glwy, Ireln (2005). 18. Tip, F.: A Survey o Prorm Sliin Tehniques. Journl o Prormmin Lnues 3 (1995) Wn, W., R, R.: Struture hypertext with omin semntis. ACM Trns. In. Syst. 16 (1998) Weiser, M.: Prorm Sliin. IEEE Trns. Sotwre En. 10 (1984)