Centro Nacional de Investigación y Desarrollo Tecnológico                   Departamento de Ciencias Computacionales      ...
DEDICATORIAS             A mis padres, por todo lo que han hecho por mí.                   A mi hermana y hermano.        ...
AGRADECIMIENTOSA MPC, por las bendiciones que no puedo medir y por los dones que no puedoevaluar. Por a aquellos que me ro...
levantarme cada día por la mañana y tener un ambiente de trabajo tanmulticultural y ameno, ya era una experiencia positiva...
RESUMENDentro del dominio de los Sistemas de Recomendación Semánticos Conscientesdel Contexto (SRSCC) diseñados para organ...
ABSTRACTIn the semantic context-aware recommender systems domain there are works thatoffer to the user recommendations abo...
TABLA DE CONTENIDOTabla de Contenido.........................................................................................
2.4.1 Técnicas de filtrado basado en contenidos .............................................. 12   2.4.2 Técnicas de filt...
4.3.2 Módulo Motor de Inferencia y reglas de inferencia ................................... 49  4.3.3 Definición de una GU...
Capítulo 6 Pruebas y caso de estudio6.1 Introducción ........................................................................
A.II Conjunto de reglas de inferencia ReglasGobierno ................................... 150 A.III Conjunto de reglas de i...
LISTA DE FIGURASFigura 1.1: Clases de la ontología de usuarios del Generador semiautomático de perfiles deusuario mediante...
Figura 5.16: Submódulo generador de recomendaciones………………….…………………………….84Figura 5.17: Contenido del archivo de ejemplo nim...
Figura 6.2: Capturas del cliente mostrando las recomendaciones ofrecidas al usuarioUsuarioProfesor2 según las variaciones ...
Figura 6.4: Diferencia en las recomendaciones de tipo Persona ....................................... 115Figura 6.5: Despl...
LISTA DE TABLASTabla 3.1: Comparativa de los trabajos relacionados con el proyecto de tesis ................... 36Tabla 5....
LISTA DE GRÁFICASGráfica 6.1: Variaciones en el tiempo total de ejecución medido en milisegundos bajo trescombinaciones di...
CAPÍTULO 1 INTRODUCCIÓNEn este capítulo se explica el contexto del trabajo de tesis desarrollado, elproblema a abordar, el...
1.1 IntroducciónEn años recientes, ha crecido la tendencia hacia el desarrollo de aplicaciones quebuscan ofrecer a los usu...
En este trabajo de tesis se presenta un SRSCC que utiliza diversas ontologíasdesarrolladas a partir de estándares internac...
En este proyecto se utilizan tecnologías de auto-identificación, como RFID yQRCode, además de teléfonos celulares para la ...
1.2.3 Modelo colaborativo para la integración de sistemas[Vargas, 2011]Dentro de este trabajo de investigación, aun en des...
Hoy en día los SRSCC consideran como información de contexto diversosaspectos, tales como las características del disposit...
recomendar equipo de laboratorio especializado y personas; todas estasrecomendaciones dependen de las áreas de interés que...
1.5 Justificación y beneficiosRefiriéndose a ambientes organizacionales, a pesar del coste que representareestructurar la ...
1.6 Organización del documentoEste documento de tesis se encuentra organizado en siete capítulos, los cualesdescriben el t...
CAPÍTULO 2 MARCO TEÓRICOLos contenidos de este capítulo explican conceptos necesarios para la realizacióndel trabajo de te...
2.1 Sistema de recomendación semántico adaptable al contextoLos sistemas de recomendación semánticos basan su proceso de r...
2.3 Clasificaciones de sistemas de recomendaciónExisten dos clasificaciones de sistemas de recomendación manejadas en lali...
Existen diferentes formas de representar los ítems; una técnica para crearestructuras que representen el contenido de los ...
   Predicción: es un valor numérico 𝑃 𝑎,𝑗 que expresa el grado de             satisfacción calculado para un ítem 𝐼𝑗 ∈ 𝐼 ...
   Cascada: la hibridación cascada implica un proceso por etapas,               primeramente se emplea una técnica para p...
consecuente deberán cumplirse también. Estas reglas se definen de la formaAntecedente (body) -> Consecuente (head).Cada co...
CAPÍTULO 3 ESTADO DEL ARTEEste capítulo presenta tópicos relacionados con las tendencias y enfoquesactuales en los sistema...
3.1 Categorización de trabajosLos trabajos relacionados que se describen a continuación corresponden aproyectos de investi...
(contextuales) al mismo tiempo‖. Además, se define un evento como ―un cambiode situación‖.La red de ontologías manejada es...
3.3 Proyecto mIO! [Cadenas, 2009]El proyecto mIO! está orientado al sector turismo, considerando usuarios finalescon dispo...
Figura 3.1: Red de ontologías mIO!      De manera adicional, en este proyecto se propone el uso de un historial delcontext...
4. Space ontology: en esta ontología se modela información relacionada con      la ubicación de los actores. Para ello, se...
El proceso de inferencia en ICAS se basa en la consideración de las preferencias,el contexto, los parámetros y los interes...
3.5 Proyecto SeMoDesk [Woerndl, 2009]Este proyecto desarrolla un sistema de recomendación semántico que sigue unenfoque pa...
3.6 Propuesta de Rasanen [Rasanen , 2009]Rasanen busca representar información referente al ambiente en que seencuentra el...
3.7 SMARTMUSEUM [Liiv, 2009]La plataforma SMARTMUSEUM es utilizada para realizar recomendaciones parael dominio del patrim...
El perfil de usuario que se maneja en SMARTMUSEUM incluye información de lashabilidades e intereses del usuario, además de...
El perfil de usuario es obtenido mediante una aplicación web en la que se ofrece alos usuarios una lista de palabras para ...
Finalmente, la retroalimentación del recomendador se basa en el perfil de usuarioy el perfil de contexto, teniéndose un co...
   Propiedades de aplicación específica: Son propiedades adicionales            definidas o redefinidas para una aplicaci...
   Fecha y hora: como parte de una dimensión temporal, se manejan los       elementos fecha y hora para modelar momentos ...
Figura 3.4: Arquitectura de MyMoseEl sistema de recomendación semántico consciente del contexto manejado eneste proyecto p...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómpu...
Upcoming SlideShare
Loading in...5
×

Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómputo Móvil

239

Published on

Dentro del dominio de los Sistemas de Recomendación Semánticos Conscientes del Contexto (SRSCC) diseñados para organizaciones, existen trabajos que ofrecen a los usuarios recomendaciones sobre distintos tipos de elementos
relacionados a la organización, manejando procesos de inferencia sobre
ontologías que modelan el contexto y las características de los usuarios, sin
embargo, la mayoría de estos sistemas tienen un dominio de recomendación
centrado en solo una parte de la organización, como la recomendación de personas, la recomendación de documentos, la recomendación de eventos y la recomendación de servicios, por ejemplo. Esta tesis presenta un conjunto de conceptos, técnicas y metodologías aplicables al desarrollo de SRSCC organizacionales, por lo que, con la finalidad de demostrar la validez de esos elementos, se utilizaron en el desarrollo de un SRSCC llamado T-Guía, el cual tiene el objetivo de ofrecer a los visitantes recomendaciones sobre
personas, objetos de conocimiento, lugares, actividades, eventos, recursos
tecnológicos y servicios -basados en competencias organizacionales- que resulten interesantes para ellos.
Además, centrándose en el proceso de recomendación, se aplicó un conjunto de pruebas sobre el motor de inferencia del SRSCC T-Guía, con el propósito de
verificar la forma en que los conjuntos de recomendaciones inferidos son
afectados por cambios en los factores contextuales y en las características de los usuarios.

Published in: Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
239
On Slideshare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
13
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Transcript of "Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómputo Móvil"

  1. 1. Centro Nacional de Investigación y Desarrollo Tecnológico Departamento de Ciencias Computacionales TESIS DE MAESTRÍA EN CIENCIAS Sistema de Recomendación Contextual Basado en Ontologías para Ambientes Organizacionales y de Usuario en Entornos de Cómputo Móvil presentada por Nimrod González Franco 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. Juan Gabriel González Serna Co-Director de tesis: Dra. Azucena Montes Rendón Jurado: Dra. Alicia Martínez Rebollar – Presidente M.C. Rocío Vargas Arroyo – Secretario Dr. Juan Gabriel González Serna – VocalCuernavaca, Morelos, México. 28 de febrero de 2012
  2. 2. DEDICATORIAS A mis padres, por todo lo que han hecho por mí. A mi hermana y hermano. A aquellos que habrán de formar parte de mi vidaAl lector, como agradecimiento por tomarse el tiempo de leer estas palabras.
  3. 3. AGRADECIMIENTOSA MPC, por las bendiciones que no puedo medir y por los dones que no puedoevaluar. Por a aquellos que me rodean y que tanto aportan a mi vida.A mis padres, Martha y Porfirio. Por ser padres un ejemplo de vida, por sucuidado, su sacrificio y el esforzarse cada día. Por haber dado tanto de sí mismos,para que pudiese disfrutar de tantas cosas. Un agradecimiento eterno por suamor, sus enseñanzas y el apoyo que desde siempre me brindaron, que se quesiempre tendré y que es para mí la herencia más valiosa que pidiera recibir.A mis hermanos, Maho y Aby, por el cariño y apoyo que siempre he recibido deustedes, esperando que comprendan que si he de tener algún logro, es tambiénsuyo e inspirado en ustedes.A mi director de tesis, Dr. Juan Gabriel González Serna, por brindarme su apoyo,por su confianza, por ser un amigo y por ser una gran influencia profesional.A los miembros del grupo de investigación CARS, por fomentar el intercambio deideas debido al trabajo en equipo, por ay darme a adquirir nuevos conocimientos yprofundizar en lo aprendido anteriormente, por considerar a cada integrante delgrupo como una parte importante que debe ser valorada y por mantener unambiente de alegría aún en los momentos de pánico.A los profesores que conocí como alumno de CENIDET, por sus enseñanzas ysobre todo, por su consideración de la ética en la investigación y de laresponsabilidad social. Por los días en los que no pude evitar pensar "hoy heaprendido algo".Al Centro Nacional de Investigación y Desarrollo Tecnológico, que me permitióvivir apreciadas y tensas experiencias, ser parte de la institución y crecer en tantosaspectos.Al Dr. Oscar Corcho, por su guía, comprensión y apoyo durante la estancia deinvestigación.A los miembros del Ontology Engineering Group (OEG), por su ayuda durante unaexperiencia muy intensa, en la que aprendí mucho de la convivencia, aunquebreve, con los miembros del grupo. Realmente, tener la posibilidad deexperimentar diferentes maneras de pensar y de vivir la profesión de investigadores algo que hoy en día recuerdo con alegría, de tal forma que para mí, el
  4. 4. levantarme cada día por la mañana y tener un ambiente de trabajo tanmulticultural y ameno, ya era una experiencia positiva.Al personal de la Universidad Politécnica de Madrid (UPM), por ser un apoyo muyimportante durante toda la duración de la estancia.A Roció, Rafa, la Dra. Blanca y Hugo, por rescatarme en los momentos dedesesperación semánticos y otros momentos de pánico, por su sencillez y sucapacidad para transmitir conocimiento.A Paty, Jaime, Everardo, Eliel, Sabo, Emma, Kaliz y resto de kushules, por todoslos momentos divertidos que pasamos juntos y el apoyo en los no tan divertidos.A los residentes y veraniegos: Gio, Paco, Oscar, Chucho y Sadher, por susesfuerzos y contribuciones, sin las cuales este trabajo de tesis no estaríaterminado.A mis revisores, por su atención, aportaciones y amistad.A todos aquellos que me brindaron su amistad en este tiempo.A todos ustedes, mil gracias.
  5. 5. RESUMENDentro del dominio de los Sistemas de Recomendación Semánticos Conscientesdel Contexto (SRSCC) diseñados para organizaciones, existen trabajos queofrecen a los usuarios recomendaciones sobre distintos tipos de elementosrelacionados a la organización, manejando procesos de inferencia sobreontologías que modelan el contexto y las características de los usuarios, sinembargo, la mayoría de estos sistemas tienen un dominio de recomendacióncentrado en solo una parte de la organización, como la recomendación depersonas, la recomendación de documentos, la recomendación de eventos y larecomendación de servicios, por ejemplo.Esta tesis presenta un conjunto de conceptos, técnicas y metodologías aplicablesal desarrollo de SRSCC organizacionales, por lo que, con la finalidad de demostrarla validez de esos elementos, se utilizaron en el desarrollo de un SRSCC llamadoT-Guía, el cual tiene el objetivo de ofrecer a los visitantes recomendaciones sobrepersonas, objetos de conocimiento, lugares, actividades, eventos, recursostecnológicos y servicios -basados en competencias organizacionales- que resulteninteresantes para ellos.Además, centrándose en el proceso de recomendación, se aplicó un conjunto depruebas sobre el motor de inferencia del SRSCC T-Guía, con el propósito deverificar la forma en que los conjuntos de recomendaciones inferidos sonafectados por cambios en los factores contextuales y en las características de losusuarios.Finalmente, en calidad de trabajos futuros, se proponen actividades paracomplementar y mejorar algunos de los conceptos propuestos en esta tesis.
  6. 6. ABSTRACTIn the semantic context-aware recommender systems domain there are works thatoffer to the user recommendations about different types of elements related to anorganizational environment. These approaches use inference processes onontologies that model context and user characteristics. However, most of thesystems are centered on a single aspect of the organization such as expert people,documents, events and services.This thesis presents a set of concepts, techniques and methodologies applicable tothe development of Ontology Based Context-aware Recommender Systems(OBCaRS).In order to demonstrate their validity, they are used in the developmentof an OBCaRS. The specific developed OBCaRS is called T-Guía, which focuseson offering recommendations to visitors about people, knowledge objects, places,activities, events, technological resources and services based on organizationalcompetences relevant for the user.Also, focusing on the recommendation process, a set of tests were applied to theinference engine of the OBCaRS T-Guía, to verify how the set of recommendationsobtained is affected by changes in contextual factors and in the characteristics ofusers.Finally, as future works, some activities to complement and improve some of thepresented concepts are mentioned.
  7. 7. TABLA DE CONTENIDOTabla de Contenido...................................................................................................iLista de Figuras........................................................................................................vLista de Tablas........................................................................................................ixLista de Gráficas.......................................................................................................xCapítulo 1 Introducción1.1 Introducción ..................................................................................................... 21.2 Antecedentes ................................................................................................... 3 1.2.1 T-Guide [Arjona, 2009] .............................................................................. 3 1.2.2 Generador semiautomático de perfiles de usuario mediante OWL [Rojas, 2009] .................................................................................................................. 4 1.2.3 Modelo colaborativo para la integración de sistemas [Vargas, 2011] ......... 51.3 Descripción del problema ................................................................................. 51.4 Objetivo ............................................................................................................ 71.5 Justificación y beneficios .................................................................................. 81.6 Organización del documento ............................................................................ 9Capítulo 2 Marco Teórico2.1 Sistema de recomendación semántico adaptable al contexto ........................ 112.2 Ontología de contexto multidimensional ......................................................... 112.3 Clasificaciones de sistemas de recomendación ............................................. 122.4 Algoritmos de recomendación contextual ....................................................... 12 i
  8. 8. 2.4.1 Técnicas de filtrado basado en contenidos .............................................. 12 2.4.2 Técnicas de filtrado colaborativo.............................................................. 13 2.4.3 Técnicas de filtrado híbrido ...................................................................... 142.5 SWRL ............................................................................................................ 15Capítulo 3 Estado del Arte3.1 Categorización de trabajos ............................................................................. 183.2 Propuesta de Bouzeghoub ............................................................................. 183.3 Proyecto mIO! ................................................................................................ 203.4 Proyecto ICAS ............................................................................................... 213.5 Proyecto SeMoDesk ...................................................................................... 243.6 Propuesta de Rasanen .................................................................................. 253.7 SMARTMUSEUM........................................................................................... 263.8 El proyecto MyMose. ...................................................................................... 293.9 Proyecto SEEMP ........................................................................................... 323.10 Estudio comparativo ..................................................................................... 35Capítulo 4 Definición de una arquitectura genérica para un SRSCCorganizacional4.1 Introducción ................................................................................................... 384.2 Descripción de la arquitectura generica para un SRSCC organizacional ....... 384.3 Descripción de los módulos principales de la arquitectura ............................. 43 4.3.1 Repositorio de recursos ontológicos y la Ontología de Memoria Organizacional 1.0 ............................................................................................ 43 ii
  9. 9. 4.3.2 Módulo Motor de Inferencia y reglas de inferencia ................................... 49 4.3.3 Definición de una GUI adaptable con mecanismos de monitoreo ............ 51 4.3.4 Módulo de identificación de comportamiento de usuarios y análisis del funcionamiento de un SRSCC .......................................................................... 544.4 Utilización de la arquitectura propuesta para un SRSCC organizacional ........ 56Capítulo 5 Desarrollo del SRSCC organizacional T-Guía5.1 Introducción y características de implementación .......................................... 595.2 Reutilización de la Ontologia de Memoria Organizacional 1.0 ........................ 63 5.2.1 Poblado de la Organizational Memory Ontology implementada y la aplicación web Semantic T-Guide .................................................................... 67 5.2.1.1 Instanciación de los catálogos seleccionados: uso de la librería NOR2O .....................67 5.2.1.2 Instanciación de elementos organizacionales: Sistema de Administración de Información Académica SAIA y método para la transformación de sitios de IES a la web 3.0 .69 5.2.1.3 Registro de los usuarios del T-Guía: Semantic T-Guide ...............................................735.3 Implementación del Motor de Inferencia ......................................................... 75 5.3.1 Módulo de pre-filtrado de ítems ............................................................... 79 5.3.2 Módulo de extracción de instancias asociadas a una organización ......... 81 5.3.3 Módulo generador de recomendaciones .................................................. 82 5.3.4 Módulo para la actualización de conjuntos de ítems pre-filtrados ............ 855.4 Análisis y diseño de la interfaz adaptable para el cliente del SRSCCorganizacional T-Guía: Mobile T-Guide ................................................................ 865.5 Implementación una aplicación para el análisis del funcionamiento del T-Guía ydel comportamiento de sus usuarios: T-Guide Admin .......................................... 97 iii
  10. 10. Capítulo 6 Pruebas y caso de estudio6.1 Introducción ................................................................................................. 102 6.1.1 Características a ser probadas .............................................................. 103 6.1.2 Características excluidas de las pruebas ............................................... 103 6.1.3 Enfoque ................................................................................................. 103 6.1.4 Requisitos ambientales .......................................................................... 104 6.1.5 Instancias de los conjuntos U e I usadas durante la ejecución de la fase de pruebas .......................................................................................................... 1056.2 Caso de estudio ........................................................................................... 1076.3 Pruebas ....................................................................................................... 118 6.3.1 Evaluación experimental ........................................................................ 118 6.3.1.1 Caso de prueba 1. Análisis de la recomendación de ítems considerando variaciones temporales en el proceso de inferencia ..................................................................................118 6.3.1.2 Caso de prueba 2. Análisis de la recomendación de ítems de acuerdo al tipo de usuario del Usuario Activo.......................................................................................................1256.4 Comportamiento del SRSCC organizacional T-Guía observado durante la fasede pruebas ......................................................................................................... 138Capítulo 7 Conclusiones7.1 Conclusiones ............................................................................................... 1417.2 Aportaciones ................................................................................................ 1437.3 Trabajos futuros ........................................................................................... 144Anexo A: Reglas de inferencia ........................................................................... 146 A.I Conjunto de reglas de inferencia ReglasIES ............................................. 146 iv
  11. 11. A.II Conjunto de reglas de inferencia ReglasGobierno ................................... 150 A.III Conjunto de reglas de inferencia ReglasEmpresa ................................... 155 A.III Conjunto de reglas de inferencia ReglasEvento ...................................... 160Referencias……………………………………………………………………………..164 v
  12. 12. LISTA DE FIGURASFigura 1.1: Clases de la ontología de usuarios del Generador semiautomático de perfiles deusuario mediante OWL………………………………………………………………………………………………………4Figura 3.1: Red de ontologías mIO! …………………………………………………………………………………21Figura 3.2: Modelo SeCoM………………………………………………………….…………………………………..22Figura 3.3: Niveles del modelo contextual……………………………………………………………………….30Figura 3.4: Arquitectura de MyMose……………………………………………………………………………….32Figura 3.5: Relaciones principales de la SEEMP Reference Ontology………………….……………34Figura 4.1: Caso de uso del comportamiento de un SRSCC organizacional típico…………….39Figura 4.2: Caso de uso de la generación de recomendaciones en un SRSCC organizacionaltípico……………………………………………………………………………………………………………………………….39Figura 4.3: Arquitectura genérica de un SRSCC organizacional………………….…………………….40Figura 4.4: Ontología de Memoria Organizacional versión 1.0………………….…………………….44Figura 4.5: Caso de uso del comportamiento del Motor de Inferencia de un SRSCCorganizacional implementado para diversos tipos de organizaciones………………….………….50Figura 4.6: Etapas del proceso de inferencia planteado para el Motor de Inferencia delSRSCC organizacional T-Guía………………….…………………………….…………………………….……………51Figura 5.1: Vista estática de los módulos del SRSCC organizacional T-Guía………………….…..59Figura 5.2: Vista funcional de los elementos del SRSCC organizacional T-Guía…………………62Figura 5.3: Contenido del modelo ontológico reducido………………….………………………………..63Figura 5.4:Implementación de la Organizational Memory Ontology usando el editorProtégé 3.4………………….…………………………….…………………………….……………………………………..64Figura 5.5: Ventana principal de la página de documentación de la Organizational MemoryOntology………………….…………………………….………………………………………………………………….…...65Figura 5.6: Proceso para la instanciación de catálogos ……………………………………………..…….69Figura 5.7: Proceso para la instanciación de elementos organizacionales………………………..72Figura 5.8: Proceso para la instanciación de usuarios del T-Guía…………………………………….73Figura 5.9: Formulario para la creación de una cuenta del T-Guía…………………………………..74Figura 5.10: Formularios para la captura de los datos de contacto de un usuario de laorganización a la que pertenece………………….…………………………….……………………………………74Figura 5.11: Módulos del Motor de Inferencia del sistema T-Guía…………………………………..77Figura 5.12: Entradas y salida de la clase SWRL4U.java……………………………………………………78Figura 5.13: Entradas y salida de la clase SPARQL4U.java………………….…………………………….78Figura 5.14: Submódulo de pre-filtrado de ítems…………….…………………………….………………..81Figura 5.15: Submódulo de extracción de instancias asociadas a una organización…………82 vi
  13. 13. Figura 5.16: Submódulo generador de recomendaciones………………….…………………………….84Figura 5.17: Contenido del archivo de ejemplo nimrod.xml generado con el Módulogenerador de recomendaciones………………….…………………………….…………………………….………84Figura 5.18: Submódulo para la actualización de conjuntos de ítems pre-filtrados…………86Figura 5.19: Diagrama de casos de uso para la GUI adaptable del cliente del SRSCCorganizacional T-Guía………………….…………………………….…………………………….………………………87Figura 5.20: Diagrama de casos de uso para organizar las recomendaciones en el clientemóvil del SRSCC organizacional T-Guía………………….…………………………….…………………………..87Figura 5.21: Diagrama de casos de uso para la interacción de los usuarios con lasrecomendaciones mediante el cliente móvil del SRSCC organizacional T-Guía………………..88Figura 5.22: Diagrama de casos de uso para registrar la interacción de los usuarios con lasrecomendaciones mediante el cliente móvil del SRSCC organizacional T-Guía………………..88Figura 5.23: Pantalla de bienvenida del Mobile T-Guide………………………………………………….89Figura 5.24: GUI estándar del cliente del SRSCC organizacional T-Guía……………………………90Figura 5.25: Adaptación de la GUI del cliente del SRSCC organizacional T-Guía……………..91Figura 5.26: Estrategia de calificación manual implementada en el SRSCC organizacional T-Guía………………….…………………………….…………………………….………………………………………………..93Figura 5.27: Diseño de la base de datos para el cliente móvil del SRSCC organizacional T-Guía………………….…………………………….…………………………….………………………………………………..94Figura 5.28: Visualización de recomendaciones de personas para un usuario del tipoEstudiante………………….…………………………….…………………………….……………………………………….94Figura 5.29: Visualización de la información detallada de una recomendación………………..95Figura 5.30: Visualización de recomendaciones de lugares para un usuario del tipoProfesor Investigador………………….…………………………….…………………………….………………………95Figura 5.31: Visualización de recomendaciones de proyectos para un usuario del tipoEmpresario………………….…………………………….…………………………….……………………………………96Figura 5.32: Ejemplo del archivo tguia_valoradas.xml………………….…………………………….….96Figura 5.33: Caso de uso de una aplicación para la implementación del Módulo deidentificación de comportamiento de usuarios……………………………………………………………..97 Figura 5.34: Diseño de la base de datos implementada para el SRSCC T-Guía……………...98Figura 5.35: Caso de uso para el almacenamiento de información sobre el funcionamientodel sistema en una aplicación para la implementación del Módulo de identificación decomportamiento de usuarios………………….…………………………….…………………………….………..98Figura 5.36: Pantalla de bienvenida del T-Guide Admin…………………………………………………99Figura 5.37: Capturas de los reportes generados con el T-Guide Admin………………………..100Figura 6.1: Capturas del cliente mostrando las recomendaciones ofrecidas al usuarioUsuarioProfesor2 según las variaciones temporales en el Escenario 1 ............................. 112 vii
  14. 14. Figura 6.2: Capturas del cliente mostrando las recomendaciones ofrecidas al usuarioUsuarioProfesor2 según las variaciones temporales en el Escenario 2 ............................. 113Figura 6.3: Capturas del cliente mostrando las recomendaciones ofrecidas al usuarioUsuarioProfesor2 según las variaciones temporales en el Escenario 3 ............................. 114Figura 6.4: Diferencia en las recomendaciones de tipo Persona ....................................... 115Figura 6.5: Despliegue de datos asociados al ítem ............................................................ 116Figura 6.6: Visualización de las recomendaciones de tipo Lugar, Recurso y Competenciaofrecidas al usuario UsuarioProfesor2 ............................................................................... 116Figura 6.7: Visualización de las recomendaciones de tipo Objeto de Conocimiento yActividades para el usuario UsiarioProfesor2 .................................................................... 117Figura 6.8: Cierre de la sesión del usuario UsuarioProfesor2 en la GUI adaptable ........... 117Figura 6.9: Diferencias entre los ítems de tipo Competencias recomendados al usuarioUsuarioMuestra1 ................................................................................................................ 126Figura 6.10: Recomendaciones enlistadas para el UsuarioMuestra1 con el valor deProfesor para el atributo userType..................................................................................... 127Figura 6.11: Recomendaciones enlistadas para el UsuarioMuestra1 con el valor deEstudiante para el atributo userType ................................................................................. 128Figura 6.12: Recomendaciones enlistadas para el UsuarioMuestra1 con el valor deEmpresario para el atributo userType ................................................................................ 129Figura 6.13: Recomendaciones enlistadas para el UsuarioMuestra2 con el valor deProfesor para el atributo userType .................................................................................... 132Figura 6.14: Recomendaciones enlistadas para el UsuarioMuestra2 con el valor deEstudiante para el atributo userType ................................................................................. 133Figura 6.15: Recomendaciones enlistadas para el UsuarioMuestra2 con el valor deEmpresario para el atributo userType ................................................................................ 134Figura 6.16: Recomendaciones enlistadas para el UsuarioMuestra3 con el valor deProfesor para el atributo userType .................................................................................... 135Figura 6.17: Recomendaciones enlistadas para el UsuarioMuestra3 con el valor deEstudiante para el atributo userType ................................................................................. 136Figura 6.18: Recomendaciones enlistadas para el UsuarioMuestra3 con el valor deEmpresario para el atributo userType ................................................................................ 137Figura 6.1: Capturas del cliente mostrando las recomendaciones ofrecidas al usuarioUsuarioProfesor2 según las variaciones temporales en el Escenario 1 ............................. 112Figura 6.2: Capturas del cliente mostrando las recomendaciones ofrecidas al usuarioUsuarioProfesor2 según las variaciones temporales en el Escenario 2 ............................. 113Figura 6.3: Capturas del cliente mostrando las recomendaciones ofrecidas al usuarioUsuarioProfesor2 según las variaciones temporales en el Escenario 3 ............................. 114 viii
  15. 15. Figura 6.4: Diferencia en las recomendaciones de tipo Persona ....................................... 115Figura 6.5: Despliegue de datos asociados al ítem ............................................................ 116Figura 6.6: Visualización de las recomendaciones de tipo Lugar, Recurso y Competenciaofrecidas al usuario UsuarioProfesor2 ............................................................................... 116Figura 6.7: Visualización de las recomendaciones de tipo Objeto de Conocimiento yActividades para el usuario UsiarioProfesor2 .................................................................... 117Figura 6.8: Cierre de la sesión del usuario UsuarioProfesor2 en la GUI adaptable ........... 117Figura 6.9: Diferencias entre los ítems de tipo Competencias recomendados al usuarioUsuarioMuestra1 ................................................................................................................ 126Figura 6.10: Recomendaciones enlistadas para el UsuarioMuestra1 con el valor deProfesor para el atributo userType..................................................................................... 127Figura 6.11: Recomendaciones enlistadas para el UsuarioMuestra1 con el valor deEstudiante para el atributo userType ................................................................................. 128Figura 6.12: Recomendaciones enlistadas para el UsuarioMuestra1 con el valor deEmpresario para el atributo userType ................................................................................ 129Figura 6.13: Recomendaciones enlistadas para el UsuarioMuestra2 con el valor deProfesor para el atributo userType .................................................................................... 132Figura 6.14: Recomendaciones enlistadas para el UsuarioMuestra2 con el valor deEstudiante para el atributo userType ................................................................................. 133Figura 6.15: Recomendaciones enlistadas para el UsuarioMuestra2 con el valor deEmpresario para el atributo userType ................................................................................ 134Figura 6.16: Recomendaciones enlistadas para el UsuarioMuestra3 con el valor deProfesor para el atributo userType .................................................................................... 135Figura 6.17: Recomendaciones enlistadas para el UsuarioMuestra3 con el valor deEstudiante para el atributo userType ................................................................................. 136Figura 6.18: Recomendaciones enlistadas para el UsuarioMuestra3 con el valor deEmpresario para el atributo userType ................................................................................ 137 ix
  16. 16. LISTA DE TABLASTabla 3.1: Comparativa de los trabajos relacionados con el proyecto de tesis ................... 36Tabla 5.1: Ontologías importadas en implementación de la Organizational MemoryOntology ............................................................................................................................... 65Tabla 6.1: Resumen de los elementos del conjunto I usado en la fase de pruebas .......... 105Tabla 6.2: Instanciación del conjunto I usado en la fase de pruebas ................................. 105Tabla 6.3: Instanciación de los datos del usuario UsuarioProfesor2 ................................. 109Tabla 6.4: Elementos del subconjunto Iua para el usuario UsuarioProfesor2 .................. 110Tabla 6.5: Elementos del subconjunto I´ua para el usuario UsuarioProfesor2 .................. 111Tabla 6.6: Variaciones contextuales en el caso de uso del usuario UsuarioProfesor2 ...... 111Tabla 6.7: Elementos del conjunto Rua para el usuario UsuarioProfesor2 ....................... 112Tabla 6.8: Casos de prueba ................................................................................................. 118Tabla 6.9: Escenarios para la Prueba 1 ............................................................................... 119Tabla 6.10: Promedios de los tiempos de ejecución y las recomendaciones inferidas ..... 120Tabla 6.11: Cantidad de ítems recomendados por categoría, por tipo de usuario y porescenario............................................................................................................................. 123Tabla 6.12: Recomendaciones para el UsuarioMuestra1 de acuerdo al atributo userType............................................................................................................................................ 130Tabla 6.13: Hipótesis probadas en cada caso. .................................................................... 130Tabla 6.14: Recomendaciones para el UsuarioMuestra2 de acuerdo al atributo userType............................................................................................................................................ 131Tabla 6.15: Recomendaciones para el UsuarioMuestra3 de acuerdo al atributo userType……….…………………………………………………………………………………………………………………………….131 x
  17. 17. LISTA DE GRÁFICASGráfica 6.1: Variaciones en el tiempo total de ejecución medido en milisegundos bajo trescombinaciones diferentes de variables temporales. ......................................................... 121Gráfica 6.2: Variaciones en la cantidad de recomendaciones inferidas bajo trescombinaciones diferentes de variables temporales .......................................................... 121Gráfica 6.3: Variaciones en el tiempo total de ejecución del Módulo generador derecomendaciones medido en milisegundos bajo tres combinaciones diferentes devariables temporales. ......................................................................................................... 122Gráfica 6.4: Frecuencia de repetición de los ítems de acuerdo a los tres escenariosdefinidos ............................................................................................................................. 123Gráfica 6.5: Frecuencia de repetición porcentual de un ítem de acuerdo a los tipos deusuario ................................................................................................................................ 124 xi
  18. 18. CAPÍTULO 1 INTRODUCCIÓNEn este capítulo se explica el contexto del trabajo de tesis desarrollado, elproblema a abordar, el objetivo y los alcances del mismo, además de laorganización en general del documento. 1
  19. 19. 1.1 IntroducciónEn años recientes, ha crecido la tendencia hacia el desarrollo de aplicaciones quebuscan ofrecer a los usuarios altos niveles de comodidad, de tal forma que en laactualidad se pone gran interés en capturar la información del entorno en el que elusuario se desenvuelve [Sadeh, 2006]. Es por esto que los Sistemas deRecomendación Conscientes del Contexto (SRCC) han adquirido una enormeimportancia en las áreas de investigación y desarrollo vigentes hoy en día.Los SRCC filtran información para presentar al usuario aquella que resulte de suinterés, utilizando para ello el perfil del usuario y su contexto. Cuando lainformación sobre la que opera el SRCC está descrita en ontologías se le llamaSistema de Recomendación Semántico Consciente del Contexto (en adelante,SRSCC). En un SRSCC pueden usarse reglas de inferencia para realizar elproceso de filtrado.De acuerdo a los enfoques actuales, el contexto es cualquier información quepueda ser usada para caracterizar la situación de una entidad, donde una entidadpuede ser una persona, lugar u objeto físico o computacional, por lo que puedeverse como un espacio multidimensional donde cada dimensión es representadapor una ontología especifica [Bouzeghoub, 2009].Bajo esta idea, los datos del contexto pueden incluir diversos aspectos, talescomo: dispositivo de usuario, red de acceso, ubicación espacial, ubicacióntemporal, situación del usuario, patrones de comportamiento, consideracionessociales, entre otros. En cuanto al perfil del usuario se incluyen características quedescriben aspectos económicos, de ocupación, sus preferencias, gustos y otrosgrupos de datos que sean necesarios para el correcto funcionamiento del sistema.Para modelar el contexto como un espacio multidimensional puede implementarseuna red de ontologías, en la que se utilizan ontologías específicas relacionadasentre sí de acuerdo a las dimensiones requeridas, formando un conjunto queadquiere el nombre de ontología de contexto multidimensional. Mientras másdimensiones se consideran, el SRSCC tiene una mayor variedad de información aconsiderar en su proceso de inferencia, pudiendo generar recomendaciones cadavez más adecuadas.Un SRSCC implementado en una organización pode recomendarle a un usuario,por ejemplo, personas, instalaciones, libros, servicios, trámites y cualquierinformación que sea afín a sus intereses. 2
  20. 20. En este trabajo de tesis se presenta un SRSCC que utiliza diversas ontologíasdesarrolladas a partir de estándares internacionales, las cuales se interconectanpara modelar un gran número de dimensiones contextuales relacionadas conambientes organizacionales. Dichas dimensiones consideran múltiples dominiosde conocimiento, como la contabilidad y las ciencias de la computación, elmodelado de comercio electrónico, el manejo de recursos humanos y laadministración empresarial.El conjunto final de ontologías que permite modelar información de Institucionesde Educación Superior (IES), empresas y dependencias de gobierno, además,mediante el uso de reglas de inferencia, es posible identificar varios atributos deestas organizaciones, como son servicios, objetos de conocimiento, personas yproductos que pueden ser de interés para un usuario.1.2 AntecedentesLa Web Semántica y los servicios de recomendación contextual semánticos sondos de los temas que más atención han recibido en los últimos años en elCENIDET, resaltando la relevancia que han adquirido específicamente en la líneade investigación de Sistemas Distribuidos, dentro de la cual se han realizadodiversos trabajos relacionados con la creación y uso de ontologías, además deldesarrollo de servicios de recomendación para ambientes organizacionales.Debido a esto, varios trabajos, incluidos algunos que aún se encuentran endesarrollo al momento de redactar este documento de tesis, impactan de maneraimportante en la investigación realizada, por lo que se describen en las seccionessiguientes.1.2.1 T-Guide [Arjona, 2009]Este trabajo desarrolla servicios conscientes del contexto para la localización depersonas mediante tecnologías de posicionamiento heterogéneas. Estos serviciospermiten a un usuario realizar las actividades que tiene programadas en suagenda personal, las cuales están relacionadas con una ubicación específica, esdecir, se define una relación espacio-tiempo. 3
  21. 21. En este proyecto se utilizan tecnologías de auto-identificación, como RFID yQRCode, además de teléfonos celulares para la localización de usuarios, loscuales se pueden encontrar dentro de edificios multinivel y en áreas tipo campus,es decir con varios edificios.El sistema desarrollado en este trabajo de investigación consta de 3 aplicaciones:el cliente montado en el dispositivo celular, el servidor que atiende las peticionesdel cliente y la aplicación Web que gestiona la información de tareas, ubicaciones,usuarios y recursos.1.2.2 Generador semiautomático de perfiles de usuario medianteOWL [Rojas, 2009]Este trabajo de investigación define una ontología que permite modelar a unusuario, así como sus costumbres, roles cotidianos y características. Estaontología es poblada mediante una interfaz gráfica de un ambiente de desarrollopara poder instanciarla y explotarla. La ontología comprende el conjunto de todaslas clases mostradas en la Figura 1.1.Figura 1.1: Clases de la ontología de usuarios del Generador semiautomático de perfiles de usuariomediante OWL 4
  22. 22. 1.2.3 Modelo colaborativo para la integración de sistemas[Vargas, 2011]Dentro de este trabajo de investigación, aun en desarrollo, se realiza el modeladoorganizacional semántico para caracterizar competencias organizacionales,competencias individuales, objetos de conocimiento, infraestructura y servicios. Elmodelo contempla la definición de un perfil organizacional formado por losatributos generales, los atributos financieros y las competencias de unaorganización, la descripción de su capital intelectual a partir del capital humano, elcapital estructural y el capital relacional, y la definición de un perfil individualdependiente del dominio de conocimiento para caracterizar competenciasindividuales de los miembros de la organización.De manera adicional, se busca el desarrollo de servicios de recomendación parala conformación de grupos de trabajo sinérgicos basado en modelos semánticosde competencias, tanto organizacionales como individuales.1.3 Descripción del problemaEn la actualidad, es habitual el desarrollo de sistemas de información que buscanproporcionar al usuario altos niveles de comodidad y facilidad de uso,proporcionando toda la información necesaria justo en el momento para apoyar elproceso de toma de decisión, estos sistemas requieren información de laubicación del usuario [Sadeh, 2006]; esto se logra mediante servicios deinformación contextuales que explotan el perfil del usuario y los datos de suubicación actual. Algunas de estas aplicaciones son los sistemas derecomendación sensibles al contexto y existen algunos de ellos que poseencaracterísticas semánticas, a los que se les denomina Sistema de RecomendaciónSemántico Consciente del Contexto (SRSCC).Los SRSCC consideran el contexto de un usuario analizando diferentes factores,y en base a ello, adaptan las recomendaciones de modo que satisfagan losintereses del usuario. Adicionalmente, algunos SRSCC recurren al uso de lasontologías para generar ―descripciones semánticas de servicios, lo cual facilita alos agentes software su descubrimiento‖ [Peis, 2008]. 5
  23. 23. Hoy en día los SRSCC consideran como información de contexto diversosaspectos, tales como las características del dispositivo móvil de un usuario, losservicios de conexión disponibles en el lugar que permitan acceder a una red deárea local, la ubicación espacial de personas y objetos, además de la ubicacióntemporal, situación del usuario, patrones de comportamiento y consideracionessociales.Esto implica que los SRSCC deben ser capaces de ubicar a un usuario eidentificar sus requerimientos o necesidades no explicitas, con la intención deofrecerle al usuario recomendaciones eficientes en la satisfacción de susnecesidades.Para que los SRSCC que se implementan actualmente en organizaciones infieranlas necesidades de un usuario, los edificios deben contar con mecanismos quepermitan monitorear su entorno, identificando personas, objetos y lugares(instalaciones) propias de la organización o evento.Sin embargo, en el diseño de SRSCC para organizaciones, normalmente no seconsideran aspectos relacionados con los servicios proporcionados al usuario ylos objetos de conocimiento asociados a las personas que pertenecen a unaorganización.Al no considerar estos elementos, se descuidan aspectos importantes relativos ala naturaleza de la organización, haciendo que las recomendaciones no sean tanprecisas como deberían serlo.Para desarrollar un SRSCC que considere los servicios ofrecidos por unaorganización y los objetos de conocimiento asociados a ésta, se requiere de unamáquina de inferencia que opere con un conjunto de reglas definidas paradominios específicos, es decir, reglas agrupadas según el tipo de organización enla que se implemente el sistema.En este trabajo de investigación se pretende desarrollar un mecanismo quepermita procesar reglas de inferencia para, asociar personas, actividades,capacidades, objetos de conocimiento, instalaciones, localización geoespacial yubicación temporal, de manera que se infieran recomendaciones para un usuario,extrayendo sus atributos de una ontología de perfiles, para asociarlos a losconceptos de una ontología de dominio, de tal manera que sea posible identificarlos servicios que sean de su interés.Utilizando este tipo de asociación en un SRSCC para una IES, se podrá, porejemplo, recomendar objetos de conocimiento a los usuarios que ingresen, talescomo: tesis, artículos técnicos, libros, prototipos de software, también se pueden 6
  24. 24. recomendar equipo de laboratorio especializado y personas; todas estasrecomendaciones dependen de las áreas de interés que define el usuario en superfil y que mediante modelos semánticos se pueden inferir.De manera similar, si un usuario ingresa a un edificio de gobierno, el SRSCCdebe recomendar, por ejemplo: lugar para realizar ciertos trámites, pago deservicios, las personas responsables de estos servicios o formatos requeridospara realizar trámites. Otro escenario puede presentarse en un congreso, endonde se identifica de manera automática al usuario y se le hacenrecomendaciones de conferencias relacionadas con su área de interés paraplanificar el horario de las mismas, en este mismo escenario se puede conformartambién redes académicas identificando a conferencistas o asistentes al congresocon quienes comparte área de conocimiento o líneas de investigación comunes.1.4 ObjetivoEsta tesis es realizada con el objetivo de desarrollar servicios de recomendacióncontextuales para usuarios móviles de un SRSCC organizacional, mediante laexplotación de ontologías organizacionales y ontologías de perfil de usuario, parainferir recomendaciones de servicios, personas, lugares y objetos asociados a unaorganización.Las recomendaciones ofrecidas son visualizadas mediante el dispositivo móvil deun usuario, aplicando técnicas avanzadas de interacción basadas en texto yutilizando el potencial de los dispositivos móviles de última generación.Para el cumplimiento del objetivo general, se manejan los objetivos específicosque se describen a continuación:  Crear un conjunto de reglas de inferencia basadas en el perfil del usuario y el contexto de organizaciones.  Diseñar e implementar en un dispositivo móvil un módulo para explotar las recomendaciones de la máquina de inferencia.  Diseñar e implementar una interfaz de usuario en el dispositivo móvil para mostrar las recomendaciones además de las técnicas para poder interactuar con éstas.  Diseñar e implementar una red de ontologías multidimensional que represente dimensiones de un ambiente organizacional. 7
  25. 25. 1.5 Justificación y beneficiosRefiriéndose a ambientes organizacionales, a pesar del coste que representareestructurar la información existente para adaptarla a un modelo semántico, eluso de un SRSCC en una organización en vez de uno tradicional permiteincorporar relaciones y contenido semántico a dicha información, lo cual se reflejaen la aplicación de procesos de inferencia en base a su significado. Para ello, senecesita un conjunto de reglas de inferencia adecuadas para dicha organización,además de un conjunto de ontologías apropiado para describir sus serviciosofrecidos, las preferencias de sus usuarios y su contexto.Actualmente, para realizar el proceso de inferencia, la mayoría de SRSCC paraorganizaciones no considera objetos de conocimiento, ni las capacidadestecnológicas y científicas de las personas que laboran en ella, específicamente enlas IES. Al considerar objetos de conocimiento y capacidades en un SRSCC, esposible incrementar la eficiencia de las recomendaciones que se infieren en unambiente organizacional.Este trabajo de tesis desarrolla un conjunto de reglas que operan sobre el perfilde los usuarios y el contexto de diferentes tipos de instituciones, con el fin deincrementar los alcances de los SRSCC para ambientes organizacionales.Con el desarrollo de este tipo de SRSCC se obtienen los siguientes beneficios:  Se tiene un conjunto de reglas de inferencia que consideran la información que describe a una organización y las preferencias de un usuario, que se pueden reutilizar en trabajos futuros.  Se identificaron subconjuntos de reglas específicos para cada tipo de organización, por lo cual es posible implementar sólo aquellos subconjuntos que sean apropiados al tipo de institución para el que se desarrolle un SRSCC.  La información contenida en las ontologías organizacionales considera objetos de conocimiento y competencias individuales.  Se tiene un servicio de recomendación adaptable a diversos tipos de organizaciones, el cual es capaz de ofrecer distintos resultados considerando el entorno en el que se desenvuelve un usuario.  Las funciones del cliente del sistema de recomendación se pueden colocar en diversos dispositivos móviles.  El trabajo realizado permite que otros desarrolladores hagan uso de una o más funciones que requieran en futuras investigaciones. 8
  26. 26. 1.6 Organización del documentoEste documento de tesis se encuentra organizado en siete capítulos, los cualesdescriben el trabajo de investigación en sus diversas etapas como se indica acontinuación:Capítulo 2 Marco Teórico. En este capítulo se describe la etapa relacionada conla Investigación de conceptos claves de los SRSCCs, por lo que se presenta unmarco teórico al respecto, donde se incluyen conceptos y principios técnicos sobrelos sistemas de recomendación contextuales semánticos, redes de ontologías ymétodos de inferencia semánticos.Capítulo 3 Estado del Arte. En este capítulo se presenta información obtenida dela actividad de Investigación de los enfoques actuales en el desarrollo deSRSCCs, describiendo brevemente sistemas de recomendación contextualessemánticos y las ontologías usadas en ellos para la representación del contexto.Capítulo 4 Definición de una arquitectura genérica para un SRSCCorganizacional. Como su nombre lo indica, en este capítulo se describe unaarquitectura capaz de permitirle a un SRSCC realizar las tareas involucradas consu funcionamiento, las cuales se han asociado a módulos específicos queconsideran los enfoques analizados en el estado del arte.Capítulo 5 Desarrollo del SRSCC organizacional T-Guía. En este capítulo sedescriben la forma en que la arquitectura propuesta fue usada en el desarrollo deun SRSCC organizacional, llamado T-Guía, el cual está diseñado para funcionarde forma proactiva con clientes móviles en entornos de tipo campus.Capítulo 6 Pruebas y caso de estudio. En este capítulo se detalla la etapa dePruebas al SRSCC organizacional T-Guía, especificando los resultadosobservados y las hipótesis que se buscaron comprobar. Además, se describe unescenario de uso del T-Guía en el que se analiza el comportamiento del sistemabajo distintas variaciones contextuales.Capítulo 7 Conclusiones. En este capítulo se plantean las conclusionesobtenidas con la realización de este trabajo, además de sugerir áreas deoportunidad y posibles trabajos futuros que pueden ampliar esta investigación.Por último, se incluye una sección de anexos que aportan información de soportea la investigación realizada, la cual no se incorpora en el contenido principal deldocumento debido a su extensión o por ser material redactado explícitamentecomo complemento a aspectos claves del trabajo de tesis. 9
  27. 27. CAPÍTULO 2 MARCO TEÓRICOLos contenidos de este capítulo explican conceptos necesarios para la realizacióndel trabajo de tesis, abarcando temas relacionados a sistemas de recomendacióncontextuales semánticos, redes de ontologías y métodos de inferencia semánticos. 10
  28. 28. 2.1 Sistema de recomendación semántico adaptable al contextoLos sistemas de recomendación semánticos basan su proceso de recomendaciónsobre una base de conocimiento, normalmente definida a través de un esquemade conceptos (como una taxonomía o un tesauro) o una ontología, y además, paraser considerados como adaptables al contexto, estos tipos de sistemas debentomar en consideración diferentes factores (temporales, de lugar, nivel deexperiencia del usuario, dispositivo que se está utilizando en el momento de recibirla recomendación, entre otros.) para inferir el contexto en que se encuentra elusuario y adaptar las recomendación a esas circunstancias, facilitando el accesode los usuarios a la información que necesitan [Peis, 2008].Para realizar este proceso de inferencia, las técnicas utilizadas por los sistemas derecomendación adaptables al contexto usan lo que se considera comoconocimiento funcional, es decir, se tiene conocimiento acerca de cómo unelemento en particular responde a una necesidad particular del usuario, y por lotanto se puede razonar sobre la relación entre una necesidad y una posiblerecomendación [Burke, 2002].2.2 Ontología de contexto multidimensionalEl contexto es cualquier información que puede ser usada para caracterizar lasituación de una entidad, donde una entidad puede ser una persona, lugar uobjeto físico o computacional, por lo que puede verse como un espaciomultidimensional donde cada dimensión es representada por una ontologíaespecifica [Bouzeghoub, 2009]. Para ello, se maneja una red de ontologías,relacionadas entre sí, las cuales en conjunto contienen la información quedescribe el contexto y adquieren el nombre de ontología de contextomultidimensional. 11
  29. 29. 2.3 Clasificaciones de sistemas de recomendaciónExisten dos clasificaciones de sistemas de recomendación manejadas en laliteratura, la primera de ellas define las siguientes categorías [Balabanovi, 1997]:  Basados en contenido: al usuario se le recomiendan ítems basados en lo que le ha gustado previamente.  Colaborativos: al usuario se le recomiendan ítems que han sido del agrado de usuarios con preferencias similares.  Híbridos: estos sistemas combinan el enfoque basado en contenidos con el enfoque colaborativo.La segunda clasificación agrupa a los sistemas de recomendación en basados enreglas, de filtrado colaborativo y de personalización basada en contenidos[Shipman, 1995], [Chen, 1998].2.4 Algoritmos de recomendación contextualEn los enfoques analizados para el desarrollo de sistemas de recomendación, seencontró que existen diferencias significativas entre las técnicas de filtrado basadoen contenidos, entre las técnicas de filtrado colaborativo y entre las técnicas defiltrado híbrido, pues cada una de éstas tiene características bien definidas que sedescriben en los apartados siguientes:2.4.1 Técnicas de filtrado basado en contenidosLos sistemas de recomendación basados en contenidos utilizan algoritmos queanalizan la descripción de los ítems, con el objetivo de identificar aquellos queresulten de interés para el usuario [Balabanović, 1997]. En este tipo de algoritmosse tiene un perfil de usuario que describe sus preferencias en base a lascaracterísticas de los objetos que ha calificado, lo que en la literatura se conocecomo ―correlación ítem-a-ítem‖ [Burke, 2002]. 12
  30. 30. Existen diferentes formas de representar los ítems; una técnica para crearestructuras que representen el contenido de los ítems es el stemming, cuya metaes determinar un término que refleje el significado común existente entrediferentes palabras [Balabanović, 1997]. El valor de una palabra (variable)asociada a un término es un número real que representa su relevancia.Dentro de los algoritmos de recomendación sobre contenidos se distinguen lossiguientes enfoques:  Árboles de decisión y reglas de inducción.  Redes neuronales.  Vecino más cercano.  Algoritmo de Rocchio.  Clasificadores lineales.  Métodos probabilísticos y Naïve Bayes.2.4.2 Técnicas de filtrado colaborativoLos algoritmos de filtrado colaborativo proporcionan recomendaciones opredicciones de ítems basándose en la opinión de usuarios con característicassimilares, siendo que esta opinión puede ser obtenida de manera explícita oimplícita.En otras palabras, la meta de los algoritmos de filtrado colaborativo es sugerirnuevos ítems o predecir la utilidad de cierto ítem para un usuario particular,basándose en los gustos y opiniones definidos previamente por usuarios similares[Sarwar, 2001].Para un escenario típico de filtrado colaborativo se tiene una lista de m usuariosU = {𝑢1 ; 𝑢2 ; … ; 𝑢 𝑚 } y una lista de n ítems I= {𝑖1 ; 𝑖2 ; … ; 𝑖 𝑛 }. Cada usuario 𝑢 𝑖 tieneuna lista de ítems 𝐼 𝑢 𝑖 para los cuales expresa opiniones que pueden ser explicitasal asignarles una puntuación (normalmente dentro de una escala establecida), oimplícita obtenida a partir de los registros.El usuario específico para el cual se desarrolla el proceso de filtrado se le llamausuario activo, y se distingue como 𝑢 𝑎 , y se han establecido dos formas de definirsi un ítem es aceptable para un usuario, una de ellas es la predicción y la segundaes la recomendación: 13
  31. 31.  Predicción: es un valor numérico 𝑃 𝑎,𝑗 que expresa el grado de satisfacción calculado para un ítem 𝐼𝑗 ∈ 𝐼 𝑢 𝑎 con respecto a un usuario activo 𝑢 𝑎 .  Recomendación: es una lista de N ítems 𝐼 𝑟 ⊂ 𝐼, que podrían ser del agrado de un usuario activo.Los algoritmos de filtrado colaborativo manejan una matriz de valoraciones A dem×n para representar la puntuación aginada por un usuario para un ítem.2.4.3 Técnicas de filtrado híbridoLos sistemas de recomendación híbridos combinan dos o más técnicas derecomendación para tener un mejor desempeño. A continuación se describenalgunas de las combinaciones más comunes [Burke, 2002].  Ponderación o Weighted: en este enfoque se calcula un puntaje para un ítem a partir de todas las técnicas de recomendación disponibles en el sistema.  Conmutación o Switching: en este enfoque el sistema utiliza algún criterio para cambiar entre distintas técnicas de recomendación dependiendo de la situación presente al momento de efectuar la recomendación.  Mixta: en este enfoque se utilizan más de una técnica de recomendación que pueden ser ejecutadas simultáneamente, lo cual es útil cuando se necesita generar múltiples recomendaciones al mismo tiempo.  Función de combinación: en este enfoque se realiza una mezcla entre algoritmos colaborativos y basados en contenido al tratar la información colaborativa simplemente como datos adicionales, y usar técnicas basadas en contenidos sobre el conjunto de datos extendido. De este modo, se pueden considerar datos colaborativos sin tener que depender exclusivamente de ellos, lo que reduce la sensibilidad del sistema a la cantidad de usuarios que han calificado un ítem. Otra particularidad es que permite tener una apreciación de la similitud entre los ítems que no sería visible usando únicamente técnicas colaborativas. 14
  32. 32.  Cascada: la hibridación cascada implica un proceso por etapas, primeramente se emplea una técnica para producir un conjunto de ítems candidatos, a partir de éste se aplica una segunda técnica que refina la recomendación de ítems. Su eficiencia radica en que la segunda técnica se aplica sólo a los elementos que requieren un segundo filtrado, mientras que en otros enfoques cada técnica se aplica a todos los elementos.  Función de incremento: en este enfoque, se emplea una técnica para producir la clasificación de un ítem incorporando esta información denle el proceso de la siguiente técnica de recomendación.  Meta-nivel: en este enfoque se usa el modelo generado por una técnica como entrada de otra. El meta-nivel hibrido se enfoca exclusivamente en la recomendación conocida como "colaboración vía contenido" y tiene la ventaja de que el modelo es una versión comprimida de los intereses del usuario y un mecanismo colaborativo que puede operar fácilmente sobre su representación de densidad de información.2.5 Lenguaje de Reglas de la Web Semántica (SWRL)El Lenguaje de Reglas de la Web Semántica (SWRL, o Semantic Web RuleLanguage e inglés), se basa en una combinación de los sub-lenguajes OWL DL,OWL Lite y RuleML y usa una notación similar a la EBNF [Horrocks, 2004]. SWRLextiende el conjunto de axiomas de OWL para incluir clausulas de Horn1. Estohace posible combinar clausulas de Horn con una base de conocimientos enOWL. Además, posee una sintaxis abstracta de alto nivel, con la que se puededescribir una ontología de OWL como una secuencia de axiomas y hechos.Las reglas definidas con SWRL se definen como cláusulas de Horn, estableciendouna relación entre un antecedente y un consecuente, es decir, cuando se cumplenlas condiciones definidas en el antecedente, las condiciones establecidas en el1 Clausula de Horn: De acuerdo a [Nielson, 2002], una cláusula de Horn es un conjunto finito deimplicaciones. Cada implicación r es de la forma h ⇐ α donde h y α son la cabeza (antecedente) yla condición previa de r, respectivamente. En otras palabras, en una clausula se puede expresaruna disyunción de literales con al menos una literal positiva, por ejemplo: p q tu 15
  33. 33. consecuente deberán cumplirse también. Estas reglas se definen de la formaAntecedente (body) -> Consecuente (head).Cada consecuente puede estar formado por un conjunto de átomos (incluso elconjunto vacío) y se pueden utilizar referencias URI, que sirven para identificaruna regla y las variables son marcadas con un signo ‗?‘ como prefijo. Un ejemplode regla en SWRL es: la afirmación de que las propiedades hasParent yhasBrother implican hasUncle. hasParent(?x1,?x2) ^ hasBrother(?x2,?x3) => hasUncle(?x1,?x3) 16
  34. 34. CAPÍTULO 3 ESTADO DEL ARTEEste capítulo presenta tópicos relacionados con las tendencias y enfoquesactuales en los sistemas de recomendación contextuales semánticos, los cualesimpactaron en el desarrollo de éste trabajo de tesis. 17
  35. 35. 3.1 Categorización de trabajosLos trabajos relacionados que se describen a continuación corresponden aproyectos de investigación recientes (2008-2010), relacionadas con el tema detesis. En estos trabajos se presentan Sistemas de Recomendación SemánticosConscientes del Contexto (SRSCCs) que usan bases de conocimientos de dostipos, las que utilizan redes de ontologías y las que se basan en ontologíastradicionales y recursos no ontológicos. En el primer tipo de base deconocimientos se busca modelar toda la información que engloba a un SRSCC,mientras que en el segundo caso, la mayoría de los enfoques se centran enmodelar las preferencias e intereses de los usuarios en una ontología y losaspectos relacionados con la información contextual son obtenidos de otrasfuentes. Posteriormente se analizan tres trabajos que abordan el uso de redesontológicas y seis trabajos en los que se explotan ontologías tradicionales.Finalmente, se incluye la descripción de una red de ontologías para el modeladosemántico de recursos humanos, cuyos módulos ontológicos se encuentranestrechamente relacionados con las dimensiones contextuales manejadas en estetrabajo de tesis.3.2 Propuesta de Bouzeghoub [Bouzeghoub, 2009]El trabajo desarrollado por Bouzeghoub se enfoca a SRSCC que realizanrecomendaciones sobre personas, edificios, eventos y recursos disponibles[Bouzeghoub, 2009]. Además, considera usuarios con dispositivos móviles en unentorno de tipo campus, a los que de forma proactiva y según la situación delusuario, se les muestra información sobre los edificios e individuos másrelevantes que se encuentran cerca de él.Dentro de este enfoque, se sugiere que ―el contexto es un espaciomultidimensional donde cada dimensión es representada por una ontologíaespecifica‖, además, el concepto de situación es manejado bajo la siguientedefinición: ―una situación describe la información contextual durante un instante detiempo‖ [Bouzeghoub, 2009]. Esto corresponde a un conjunto de relacionessemánticas, las cuales son validas en un instante dado o que son estables en unintervalo de tiempo. Una situación combina todas o algunas dimensiones 18
  36. 36. (contextuales) al mismo tiempo‖. Además, se define un evento como ―un cambiode situación‖.La red de ontologías manejada está formada por cinco ontologías, las cuales sedescriben a continuación: 1. Domain ontology: está ontología permite crear instancias de competencias y recursos, (equipos y documentos), que se manejan en el sistema. 2. User ontology: incluye una lista de las competencias del usuario (conceptos que trabaja u ofrece, así como un nivel de conocimiento, ponderado de menos a más, que está asociado a cada concepto), una lista de sus intereses, y una lista de recursos que ha aprendido, visto o recomendado. 3. Activity ontology: diseñada para modelar las actividades que realizan los usuarios. 4. Location ontology: se basa en las ontologías de [Chen, 2003]. Maneja conceptos relacionados a la localización geográfica (ejemplo, ‗inDoor‘, ‗out- Door‘, ‗room‘, ‗school‘, ‗class‘, ‗street‘, ‗office‘, ‗train‘...), entidades geopolíticas (‗Country‘, ‗Home‘, ‗City‘, ‗Company‘, ‗University‘, ‗State‘, ‗Department‘…) y sus relaciones. 5. Time information ontology: usan la ontología OWL-Time2 [W3C, 2006] como modelo de tiempo, la cual es extendida para los fines del proyecto e implementada en F-Logic. Los conceptos básicos de esta ontología son: ‗instant‘, ‗interval‘, ‗instant event‘, y ‗interval event‘ y las relaciones básicas son ‗before‘, ‗after‘, ‗inside‘. Además del contexto y perfil de usuario, en el proceso de inferencia seconsidera el historial de recomendaciones, el cual almacena las recomendacionesaceptadas previamente por los usuarios, para determinar cuáles son lasrecomendaciones más novedosas.2 http://www.w3.org/TR/owl-time 19
  37. 37. 3.3 Proyecto mIO! [Cadenas, 2009]El proyecto mIO! está orientado al sector turismo, considerando usuarios finalescon dispositivos móviles en un ambiente urbano, para quienes se ofrecenrecomendaciones sobre puntos de interés, servicios y ofertas comerciales,permitiendo también mantener una interfaz adaptable a los clientes.La base de conocimientos usada consiste en una red de ontologías para ladescripción del contexto, llamada mIO!, la cual fue creada usando la metodologíapara la creación de redes de ontologías NeOn [Cadenas, 2009]. Esta red deontologías, mostrada en la Figura 3.1: Red de ontologías mIO! está formada porlas ontologías siguientes: 1. User ontology: esta ontología es usada para modelar información sobre personas, grupos y organizaciones. Es definida reutilizando las ontologías CoDAMoS3 y FOAF4. 2. Role ontology: esta ontología es usada para modelar roles, perfiles y preferencias. 3. Environment ontology: esta ontología modela la información relacionada con el ambiente, como humedad, luminosidad, ruido, etc. Esta ontología reutiliza la ontología CoDAMoS. 4. Location ontology: esta ontología es usada para modelar información relacionada a la localización, como lo son edificios, entidades espaciales, coordenadas, distancia, etc. En su diseño se reutilizó la ontología SOUPA5. 5. Time ontology: en esta ontología se modela información sobre el tiempo, tal como unidades temporales, entidades temporales, instantes, intervalos, etc. Esta ontología es obtenida por la reutilización de la ontología OWL-Time. 6. Service ontology: esta ontología modela el conocimiento sobre los servicios. 7. Provider ontology: esta ontología modela la información sobre el proveedor de servicios. 8. Device ontology: esta ontología reutiliza la ontología CoDAMoS , y modela información sobre el hardware, el software y la plataforma de los dispositivos. 9. Interface ontology: esta ontología modela información sobre las diferentes interfaces de usuario que un dispositivo puede proporcionar. 10. Network ontology: esta ontología modela el conocimiento sobre las redes de comunicación.3 http://www2.cs.kuleuven.be/~distrinet/projects/CoDAMoS/ontology/context.owl4 http://xmlns.com/foaf/spec/5 http://cobra.umbc.edu/ont/soupa-ont.tar.gz 20
  38. 38. Figura 3.1: Red de ontologías mIO! De manera adicional, en este proyecto se propone el uso de un historial delcontexto, el cual deberá ser considerado en el proceso de inferencia para deducirmejores recomendaciones.3.4 Proyecto ICAS [Sousa, 2009]El proyecto ICAS presenta una arquitectura que permite la creación de serviciossensibles al contexto y describe un modelo semántico para representar el contextollamado SeCoM [Sousa, 2009].El modelo SeCoM se compone de seis ontologías principales y seis ontologías desoporte, describiéndose las primeras de la siguiente forma: 1. Actor ontology: en esta ontología se modela la información correspondiente al perfil de entidades como personas, grupos y organizaciones. 2. Time ontology: en esta ontología se modela información temporal en términos de instantes de tiempo e intervalos de tiempo, las relaciones entre ellos e información sobre calendarios y horarios. 3. Temporal Event ontology: en esta ontología se modelan los eventos con extensiones de la Time ontology, de modo que se tienen instantes o intervalos de los eventos, además de información relacionado con su frecuencia y duración. 21
  39. 39. 4. Space ontology: en esta ontología se modela información relacionada con la ubicación de los actores. Para ello, se consideran lugares virtuales y reales, tanto en interiores como exteriores, y relaciones entre lugares y partes de ellos, y conceptos referentes a la orientación, entre otros. 5. Spatial Event ontology: en esta ontología se modelan los eventos con extensiones de la Space ontology; se pueden representar eventos físicos (que ocurren en una localización física) y eventos virtuales (que ocurren en una localización virtual). 6. Device ontology: esta ontología describe los dispositivos en términos de hardware y software, relaciones entre sus componentes y aspectos del cómputo móvil. 7. Activity ontology: en esta ontología se describen las actividades como un conjunto de eventos espaciotemporales, incluyendo a los actores y dispositivos involucrados en ellos. Se manejan dos tipos de actividades, las planeadas y las improvisadas.Las ontologías secundarias son: Contact ontology, Relationship ontology, Roleontology, Project ontology, Document ontology y Knowledge ontology. La Figura3.2: Modelo SeCoM corresponde al modelo presentado en esta propuesta:Figura 3.2: Modelo SeCoM 22
  40. 40. El proceso de inferencia en ICAS se basa en la consideración de las preferencias,el contexto, los parámetros y los intereses de los usuarios para identificar losservicios que les sean relevantes. En este enfoque, los servicios se clasifican encategorías, y se marcan precondiciones y poscondiciones para cada uno de ellos,de tal forma que en el proceso de filtrado de información, se realiza una búsquedapor tipos de servicios, y después, se hace un enlace de los servicios compatibles,en base a sus entradas y salidas. Por último se realiza una puntuación de lascombinaciones, utilizando las ponderaciones de los parámetros de evaluacióndefinidos por los autores y evaluando las políticas particulares de cada usuario, elresultado se entrega al cliente en forma de lista.De acuerdo al enfoque seguido en el proyecto, también se mantiene un historial delas acciones de los usuarios en una base de datos. Estas acciones intervienen enla recomendación de servicios determinando frecuencias de uso. Estas accionesse almacenan en el formato: Action + target Triplet (e.g. update: Bob isMemberOfthe Sciences Students Group). 23
  41. 41. 3.5 Proyecto SeMoDesk [Woerndl, 2009]Este proyecto desarrolla un sistema de recomendación semántico que sigue unenfoque para el manejo de información personal usando dispositivos PDA´s, elcual realiza recomendaciones de artículos basándose en el contexto y la ontologíapersonal de un usuario. Para ello, se maneja un algoritmo que utiliza una funciónde evaluación para recorrer el grafo de los recursos y ranquear sus nodos[Woerndl, 2009]. Los recursos y otros elementos relevantes, tales como puntos deinterés, se señalan en un mapa desplegado en el dispositivo móvil.La idea básica del algoritmo de recomendación es encontrar recursos relevantes yrecomendarlos junto con ítems adicionales. Las recomendaciones se obtienen apartir de la selección de un tema o documento que es del interés del usuario, y elsistema le muestra, en forma de lista, recursos relacionados con su selección,para lo cual considera la agenda y localización de dicho usuario. Cuando elusuario selecciona un elemento de la lista se le recomiendan recursos adicionales.En este proceso el algoritmo sólo evalúa las entidades que el usuario ha definidoen el SeMoDesk.Para identificar los ítems relevantes para el usuario, se recorre el grafo de laontología, usando una función de evaluación para determinar si un nodo esrecomendable; los vecinos de un nodo no recomendable son ignorados en elrecorrido. La función de evaluación considera la distancia entre el nodorecomendable al nodo raíz, su peso dependiendo del tipo de concepto o recurso alque corresponde, y el peso de sus relaciones con otros conceptos, considerandoque se pueden asignar distintos pesos de importancia a distintos tipos derelaciones. La recomendación de ítems adicionales es posible por la extensión dela ontología PIMO [Sauermann, 2007], realizada con la adición de puntos deinterés (POIs), los cuales se relacionan a los conceptos y recursos. Los objetos detipo POI pueden referirse, por ejemplo, a restaurantes, cines o tiendas, entre otros. 24
  42. 42. 3.6 Propuesta de Rasanen [Rasanen , 2009]Rasanen busca representar información referente al ambiente en que seencuentra el usuario de un SRSCC, como condiciones de luminosidad, humedad,temperatura y condiciones climáticas, además de esto, se consideran elementosque describen los dispositivos que usa y la manera en que se desplaza unusuario, como su medio de transporte y la velocidad con que se mueve [Rasanen ,2009].Dentro del proceso de inferencia, se propone considerar el contexto, políticas deprivacidad y preferencias de los usuarios, y también se maneja una clasificaciónde actividades a las que corresponden un conjunto específico de preferencias,teniendo, por ejemplo, que para las actividades de tipo ―viajes‖ en el proceso deinferencia se consideran únicamente el conjunto de preferencias formadas por elpronóstico del tiempo, las aerolíneas, los hoteles y servicios de renta de autos.De manera adicional, el proceso de inferencia considera un historial de los lugaresque visita un usuario como factor para determinar las recomendaciones. Estehistorial almacena datos referentes a la actividad y el contexto en que se realizó,las recomendaciones que se le hicieron y los servicios que utilizó.Para los datos de actividad y contexto se almacena el rango de tiempo en que serealizó dicha actividad, la ubicación, el nivel de luminosidad (definidos en día,tarde, noche, entre otros), la temperatura ambiental y la velocidad y aceleracióncon que se desplazaba el usuario.Además, para los datos de recomendaciones realizadas, se almacena la lista derecomendaciones efectuadas con el peso de cada una de ellas, y para los datosde los servicios usados se almacena el nombre de la recomendación y lavaloración otorgada por el usuario. 25
  43. 43. 3.7 SMARTMUSEUM [Liiv, 2009]La plataforma SMARTMUSEUM es utilizada para realizar recomendaciones parael dominio del patrimonio cultural en un museo, por medio de un sistema quecombina los enfoques basado en reglas, colaborativo y personalización basada encontenidos, siendo que estos contenidos están descritos semánticamente en unaontología [Liiv, 2009].La propuesta considera dos escenarios para el uso de un SRSCC, uno parainteriores y otro para exteriores, el primero de ellos está orientado a usuarios quevisitan las instalaciones del museo, mientras que el segundo se centra en usuariosque pasean por la ciudad buscando lugares interesantes para visitar. Para lalocalización, en exteriores se maneja GPS y en interiores tags RFID.En ambos escenarios el funcionamiento es el siguiente: 1. Localizar al usuario. 2. Enviar el perfil del usuario del PDA al servidor de recomendaciones y calcular los intereses del usuario. 3. Presentar los lugares sugeridos para visitar. 4. Presentar información detallada de los lugares que el usuario seleccione. 5. Almacenar los intereses y comentarios del usuario en su perfil. La información que se almacena es un indicador si al usuario le gusta o no el ítem y un comentario sobre él. 6. Permitir al usuario modificar su perfil manualmente. 7. Ofrecer a los administradores herramientas para administrar los museos y lugares de interés de la ciudad.Específicamente, el SMARTMUSEUM recomienda objetos que se encuentran enel museo, considerados como los ítems registrados en el sistema, pero además setiene un segundo tipo de recomendación, en el que se recomienda contenidorelacionado a un objeto en particular que el usuario visita dentro del museo.Uno de los mecanismos para determinar la popularidad de los ítems entre losusuarios es medir el tiempo que permanecen en las páginas web de los puntos deinterés (incluidas como ligas dentro de la información detallada de los lugares quese recomiendan a los usuarios), y usarlo para tener un ranqueo de ellos. 26
  44. 44. El perfil de usuario que se maneja en SMARTMUSEUM incluye información de lashabilidades e intereses del usuario, además de un historial de los lugares quevisita. Para los dos primeros grupos de información se utilizan las ontologíasGUMO[Heckmann,2005] y Getty6, mientras que el historial se maneja como unalista de registros que contienen el identificador del objeto, el contexto de la visita,la URL correspondiente y la valoración asignada por el usuario para el objeto y elcontenido.La calificación que se almacena para cada ítem es calculada por una combinaciónde la entrada manual con un monitoreo implícito, en el cual se registran lasacciones que el usuario realiza para identificar si un ítem recomendado es de suagrado, asignándose valores de la siguiente forma:  1: si el usuario indica manualmente que un ítem le gusta.  0.7: el usuario consulta información detallada sobre el ítem.  0.3: el usuario consulta sólo la información básica del ítem.  -0.01: el usuario visita el lugar donde se encuentra el objeto pero no se muestra interesado.  -1: el usuario indica manualmente que el ítem no le agrada.El sistema de reglas planteado para el componente de recomendación delSMARTMUSEUM se basa en dos consideraciones:  Las capacidades y preferencias del usuario, identificadas a partir de su perfil.  La información contextual del entorno del usuario, especificada al comenzar el recorrido por un museo.La primera consideración es la base del proceso de recomendación, mientras quela información contextual es usada para optimizar las recomendaciones.Para proporcionar recomendaciones basadas en los intereses de los usuarios y elcontexto se utiliza un componente basado en ontologías. Estos intereses sondeterminados basándose en metadatos que describen los ítems que el usuario haetiquetado en diferentes contextos, para lo cual se utilizan anotaciones, definidasen RDF, que describen los objetos en términos de ontologías y esquemas demetadatos. Estas anotaciones están estructuradas utilizando una extensión delesquema de metadatos Dublin Core7, el cual, contiene descriptores pararepresentar diferentes aspectos de los objetos, tales como: el tipo de objeto, sulugar de fabricación, su creador y el material del cual está hecho, entre otros.6 http://www.getty.edu/research/conducting_research/vocabularies/7 http://dublincore.org/documents/1998/09/dces/ 27
  45. 45. El perfil de usuario es obtenido mediante una aplicación web en la que se ofrece alos usuarios una lista de palabras para definir sus intereses, la cual es obtenida apartir del vocabulario Getty6, y después, el perfil del usuario es actualizadocontinuamente mediante las anotaciones que va realizando a través de la interfazdel PDA, en la cual indica si un ítem le agrada o no. Cada tripleta del perfil deusuario es ligada al contexto en el que el usuario efectuó la anotación.Además, el perfil de usuario es definido por los autores como un conjunto de ítemsde perfil, que representan tripletas individuales de la forma pi =< t, ct, w >, donde tes una tripleta, ct el contexto de la tripleta y w es el peso de la tripleta t en ct. Elpeso del ítem de perfil puede ser determinado a partir de una probabilidadmáxima, que es el número de veces que una tripleta ha sido etiquetada entre elnúmero total de tripletas que existen. Para evitar tener una probabilidad igual acero cuando no se tienen anotaciones para un objeto en cierto contexto se utilizael suavizado de Laplace [Field, 1988].El perfil de contexto representa el contexto de un usuario al momento de efectuaruna recomendación, manejando información de su localización que definerestricciones espaciales para la recomendación de ítems, las cuales pueden seruna tripleta indicando que un usuario está dentro de cierto museo, o bien, puedenser coordenadas del World Geodetic System 84 (WGS84)8, indicando que elusuario se encuentra en el exterior. En un tercer escenario, se utiliza la lectura deetiquetas RFID colocadas en objetos cercanos al usuario y cuyos identificadoresse almacenan en el perfil de usuario, lo que es útil para realizar recomendacionesreferentes a ese ítem. Para el proceso de recomendación se calcula el cociente desimilitud entre el perfil de usuario y las tripletas que describen a los objetos.8 El World Geodetic System 84 (que significa Sistema Geodésico Mundial 1984), es un sistema dereferencia terrestre único para referenciar las posiciones y vectores. Se estableció este sistemautilizando observaciones Doppler al sistema de satélites de navegación NNSS o Transit, de talforma que se adaptara lo mejor posible a toda la Tierra. Se define como un sistema cartesianogeocéntrico del siguiente modo: - Origen, centro de masas de la Tierra, incluyendo océanos y atmósfera. - Eje Z paralelo a la dirección del polo CIO o polo medio definido por el BIH, época 1984.0 con una precisión de 0,005". - El eje X la intersección del meridiano origen, Greenwich, y el plano que pasa por el origen y es perpendicular al eje Z, el meridiano de referencia coincide con el meridiano cero del BIH en la época 1984.0 con una precisión de 0,005". Realmente el meridiano origen se define como el IERS Reference Meridian (IRM). - El eje Y ortogonal a los anteriores, pasando por el origen. - Terna rectangular dextrosum.Fuente: Department of defense world geodetic system 1984—its definition and relationships withlocal geodetic systems. Technical Report TR8350.2, National Imagery and Mapping Agency,Bethesda, USA 28
  46. 46. Finalmente, la retroalimentación del recomendador se basa en el perfil de usuarioy el perfil de contexto, teniéndose un conjunto de tripletas para definirlos, cada unacon un peso calculado para determinar su probabilidad de ocurrencia en uncontexto dado, además, pueden usarse consultas para expandir cada tripleta,identificando relaciones de inclusión entre ellas.3.8 El proyecto MyMose [Zubizarreta, 2009], [Zubizarreta, 2008],[Arias, 2008] y [Zubizarreta, 2005]El consorcio MORFEO9 a impulsado un proyecto de investigación sobre búsquedacontextual aplicado al entorno de Web Móvil denominado MyMose, el cual incluyeun sistema de recomendación consciente del contexto que realiza sugerencias alos usuarios sobre servicios que pudiesen interesarle en base a sus solicitudes, ycuya base de conocimientos está basada en ontologías y tesauros. MyMose buscarecabar los datos y preferencias de un usuario para definir su perfil y en base aello realizar las recomendaciones [Zubizarreta, 2009], [Zubizarreta, 2008], [Arias,2008] y [Zubizarreta, 2005].Dentro de este proyecto, se maneja un modelo para la obtención del contextousando ontologías, en el cual se incluyen todas las propiedades del ambiente delusuario y de sus intereses, para lo cual se utiliza una taxonomía de clases ypropiedades, que se ligan a conceptos similares y si se llegasen a necesitarnuevos conceptos estos pueden ser creados por un especialista. Una vez que laspropiedades han sido identificadas y definidas, no pueden ser removidas delmodelo, ya que esto podría producir rupturas en las dependencias entrepropiedades.En este proyecto se propone un modelo contextual extensible dividido en tresniveles, que corresponde a la Figura 3.3: Niveles del modelo contextual y cuyadescripción se presenta a continuación:  Propiedades recuperadas directamente: Estas son propiedades que pueden ser reunidas automáticamente de las fuentes de información contextual.  Propiedades derivadas: Son propiedades implícitas que pueden ser inferidas a partir de las propiedades recuperadas directamente9 http://uwa.morfeo-proyect.org 29
  47. 47.  Propiedades de aplicación específica: Son propiedades adicionales definidas o redefinidas para una aplicación específica.Figura 3.3: Niveles del modelo contextualDe manera adicional, se propone la creación automática de propiedades a partirde la aplicación de reglas a propiedades ya existentes, y se enfatiza el hecho deque es posible redefinir cualquier propiedad en el modelo, igualmente que lasreglas pueden ser modificadas del registro, las cuales han sido definidas conSWRL.Las ontologías definidas para el modelo contextual propuesto, consideran lassiguientes dimensiones:  Perfil de usuario: Contiene propiedades explicitas e implícitas relacionadas al usuario y sus circunstancias, así como sus preferencias. Esta ontología es definida usando una extensión de FOAF.  Dispositivo y navegador: Este conjunto de propiedades describen las características del dispositivo y del navegador usados por un usuario, con el objeto de proporcionar una fuente de información que permita la personalización de interfaces de usuario de funciones de autocompletado y características de búsqueda entre otras.  Contexto geoespacial: La información sobre la localización de un usuario incluye coordenadas geográficas, tipos de lugares, entidades políticas y adicionalmente, se ha incluido en el modelo el concepto de alcance espacia. La localización puede ser obtenida a través de GPS o triangulación GPRS, de acuerdo a las características tecnológicas dispositivos de usuario.  Condiciones ambientales: estas propiedades buscan modelar el ambiente alrededor del usuario. 30
  48. 48.  Fecha y hora: como parte de una dimensión temporal, se manejan los elementos fecha y hora para modelar momentos asociados a los usuarios y a los servicios recomendados por MyMose, como el instante en que se efectúa la recomendación u horarios de atención, por ejemplo.  Otras: esta dimensión del modelo permite la inclusión de cualquier elemento interesante que no haya sido considerado en la ontología, que pueden ser culturales, sobre redes, contexto social, intensiones del usuario, contexto de las actividades, entre otras.Otro aspecto interesante en este proyecto es la definición de una clasificación dedispositivos, además de la clasificación de contenidos Web, propone un métodopara desarrollar estas clasificaciones.La arquitectura manejada en MyMose se compone de seis módulos, los cualescorresponden a la Figura 3.4: Arquitectura de MyMose y se explican acontinuación:  Modelo del Contexto provee una representación del usuario el ambiente y el mecanismo de acceso, permitiendo la personalización y la conciencia del contexto.  Tesauros: modela semánticamente entre conceptos específicos manejados por el sistema de búsqueda.  Ontología: Describe propiedades adicionales que cada concepto del tesauro puede tener.  Asistente para la construcción de consultas semánticas: Busca recomendar opciones más adecuadas dentro de un contexto para evitar escritura del usuario y personalizar el proceso de búsqueda.  Motor de búsqueda personalizada: Utiliza toda la información disponible para encontrar resultados relevantes.  Interface usuario: En [Arias 2008] Se presenta un prototipo adaptable a los dispositivos móviles, el cual utiliza los módulos previos para interactuar con el usuario. 31
  49. 49. Figura 3.4: Arquitectura de MyMoseEl sistema de recomendación semántico consciente del contexto manejado eneste proyecto para la construcción de consultas, opera sobre un tesauro definido apartir del vocabulario SKOS10 e implementado en RDF, en el que para cadaconcepto se incluyen sinónimos que reflejan la misma idea y se permite el uso depalabras en diferentes idiomas.Otro punto a resaltar es la definición de las propiedades isSuitableInContext eisNotSuitableInContext, que permiten identificar si un concepto es adecuado o nopara un contexto específico y de esta forma aumentar la eficiencia del filtrado deinformación. Una de las reglas aplicables al tesauro para identificar el valor deestas propiedades se define de la forma: concept(?c) ^context(?t)^{conditions(?t)} isSuitableInContext(?c,?t)Usando esta regla y un conjunto de condiciones especificadas por un experto, elMotor de Inferencia es el encargado de identificar bajo qué condiciones unconcepto es deseable.3.9 Proyecto SEEMP [Gómez-Pérez, 2010]El proyecto SEEMP tiene el objetivo de facilitar la administración de empleos enEuropa, y con ese objetivo, se ha desarrollado una red de ontologías capaz dedescribir las características de empleos y empleados en términos de recursoshumanos [Gómez-Pérez, 2010].10 http://www.w3.org/TR/2008/WD-skos-primer-20080221/ 32

×