Navegación

Búsqueda

Búsqueda avanzada

El autor Maria Del Mar Roldan-Garcia ha publicado 7 artículo(s):

1 - Actualización incremental de grafos RDF a partir de bases de datos relacionales

El modelo de datos relacional constituye el paradigma utilizado con mayor frecuencia por los sistemas operacionales que actualmente utilizan las empresas para gestionar sus procesos. Por otra parte, las tecnologías de la web semántica han logrado un importante impulso en los últimos años. Se han desarrollado estándares tales como Resource Description Framework (RDF) y Web Ontology Language (OWL). RDF constituye el modelo de datos utilizado para la publicación y enlazado de datos estructurados en la Web, un enfoque denominado datos vinculados (Linked Data) y que constituye la base sobre la que se sustenta la Web Semántica. Estudios recientes demuestran que es posible trasladar el modelo de datos relacional al modelo de datos basado en grafos RDF. Por tal motivo es posible realizar operaciones de inserción, actualización y eliminación en ambos sentidos relacional-grafo y grafo-relacional. Aproximaciones existentes solo se suscriben a la actualización total de los grafos RDF, es decir, un cambio generado en la base de datos relacional implica que sea necesario generar nuevamente el grafo RDF en su totalidad, incurriendo en altos costos de tiempo y recursos computaciones. Es por tanto necesario la definición de nuevos métodos que detecten estas actualizaciones y luego las trasladen al modelo de datos RDF. En este artículo se propone un modelo para la actualización incremental de grafos RDF a partir de la detección de cambios en las bases de datos relacionales, evitando así la generación total del grafo RDF.

Autores: Liudmila Reyes-Álvarez / Yusniel Hidalgo-Delgado / Katerín Martínez-Rojas / María del Mar Roldán-García / José F. Aldana-Montes / 
Palabras Clave: actualización incremental - modelo RDF - modelo relacional - Web Semántica

3 - Enhancing semantic consistency in anti-fraud rule-based expert systems

En este estudio, se propone un servicio guiado por ontología para la detección y clasificación de problemas de incoherencia semántica en sistemas expertos con bases de reglas de decisión. Se centra en el caso crítico de repositorios de reglas antifraude para la inspección de transacciones en entornos de comercio electrónico. La motivación principal consiste en examinar y seleccionar los conjuntos de datos de reglas antifraude para evitar conflictos semánticos que podrían llevar al sistema experto subyacente a funcionar incorrectamente, e. g., al aceptar transacciones fraudulentas y/o descartando las inofensivas. Se ha desarrollado una ontología OWL específica y una serie de reglas semánticas (SWRL) de razonamiento para evaluar dichas bases de reglas antifraude. Las tres principales contribuciones de este trabajo son: primero, la creación de un modelo de conocimiento conceptual para describir las reglas antifraude y sus relaciones; segundo, el desarrollo de reglas semánticas como métodos de detección de conflictos para sistemas expertos contra el fraude; en tercer lugar, se recopilan datos experimentales para evaluar y validar el modelo propuesto. Se utiliza un caso de uso real de la industria de comercio electrónico (e-Turismo) para explicar el diseño de la ontología y su uso. Los experimentos muestran que los enfoques ontológicos pueden descubrir y clasificar efectivamente conflictos en sistemas expertos basados en reglas para detección de fraude. La propuesta también se puede aplicar en otros dominios donde se trabaje con bases de reglas de conocimiento.Este trabajo se presenta como artículo relevante, con referencia: María del Mar Roldán-García, José García-Nieto, José F. Aldana-Montes. Enhancing semantic consistency in anti-fraud rule-based expert systems. Expert Systems with Applications, Volume 90, 2017, Pages 332-343, ISSN 0957-4174, https://doi.org/10.1016/j.eswa.2017.08.036.La revista Expert Systems with Applications está indexada en JCR-ISI en categorías: COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE – SCIE; ENGINEERING, ELECTRICAL & ELECTRONIC – SCIE; OPERATIONS RESEARCH & MANAGEMENT SCIENCE – SCIE; con ranking Q1 en todas ellas y cuenta con un factor de impacto 2016 de 3.928.

Autores: Maria Del Mar Roldan-Garcia / José Manuel García-Nieto / Jose F Aldana Montes / 
Palabras Clave: Modelo Semántico - Ontología - Razonamiento - Reglas Antifraude - Reglas SWRL - Sistemas Expertos de Base de Reglas

4 - Un Repositorio RDF para la Integración y Consulta de Datos de Pacientes Hepáticos

Los casos médicos pasados, y por lo tanto, la experiencia clínica, son recursos de valor incalculable para apoyar la práctica clínica, la investigación y la formación. Los profesionales médicos deben poder intercambiar información sobre casos médicos de pacientes y explorarlos desde distintas perspectivas subjetivas. Esto requiere de una metodología sistemática y flexible para la representación de los casos médicos que soporte el intercambio de información procesable del paciente. En este artículo presentamos un enfoque basado en ontologías para modelar casos médicos de pacientes que utiliza pacientes con enfermedades hepáticas como ejemplo. Para este fin, se propone una nueva ontología, LiCO, que utiliza estándares médicos bien conocidos para representar casos de pacientes con enfermedades hepáticas. La utilidad del enfoque propuesto se demuestra con consultas semánticas y razonamiento utilizando datos recopilados de pacientes reales. Los resultados preliminares son prometedores con respecto al potencial de la representación de casos médicos basada en ontologías para la construcción de sistemas de búsqueda y recuperación de información de casos médicos, allanando el camino hacia una plataforma de intercambio de experiencias clínicas para comparar diagnósticos, para investigación y para formación.

Autores: Maria Del Mar Roldan-Garcia / Jose F. Aldana-Montes / 
Palabras Clave: Integración de datos - Ontologías - RDF - Representación de casos médicos

5 - Enriquecimiento Automático de Ontologías Biomédicas mediante el uso de Mappings

Dione es una representación en OWL del ICD-10-CM, consistente lógicamente, cuyos axiomas definen las inclusiones y exclusiones del ICD-10-CM mediante una metodología basada en los mappings ICD-10-CM/SNOMED-CT, proporcionados por UMLS y BioPortal, y que han sido validados por una comunidad de expertos en el ámbito biomédico. En este artículo se presenta una metodología automática que permite la población con axiomas en Dione a partir de los mappings establecidos entre ICD-10-CM y otra ontología biomédica que hayan sido proporcionados por BioPortal. Para mostrar el funcionamiento de esta metodología, se han utilizado los mappings entre Dione y ORDO. Esta última es una ontología que incluye el conjunto de enfermedades raras, genes y otras características para la población de nuevos axiomas en Dione. Una vez que estos axiomas se incluyeron en Dione, se comprobó su consistencia utilizando el razonador ELK y se mostró con un caso de uso que las clases equivalentes entre las ontologías DIONE-ORDO permitían la inferencia de axiomas que definen una clase ICD-10-CM en DIONE a una clase que representa una enfermedad rara en ORDO y, viceversa. Esta nueva metodología se puede aplicar a dos ontologías biomédicas cualquiera cuyos mappings estén previamente definidos en BioPortal.

Autores: María Jesús García Godoy / Esteban López-Camacho / María Del Mar Roldán-García / Jose F Aldana Montes / 
Palabras Clave: Enfermedades Raras - ICD-10-CM - Mappings - Ontologías Biomédicas - Razonamiento

6 - BIGOWL: Knowledge Centered Big Data Analytics

En las últimas décadas el aumento de fuentes de información en diferentes campos de la sociedad desde la salud hasta las redes sociales ha puesto de manifiesto la necesidad de nuevas técnicas para su análisis, lo que se ha venido a llamar el Big Data. Los problemas clásicos de optimización no son ajenos a este cambio de paradigma, como por ejemplo el problema del viajante de comercio (TSP), ya que se puede beneficiar de los datos que proporciona los diferentes sensores que se encuentran en las ciudades y que podemos acceder a ellos gracias a los portales de Open Data. Cuando estamos realizando análisis, ya sea de optimización o machine learning en Big Data, una de las formas más usada de abordarlo es mediante workflows de análisis. Estos están formados por componentes que hacen cada paso del análisis. El flujo de información en workflows puede ser anotada y almacenada usando herramientas de la Web Semántica para facilitar la reutilización de dichos componentes o incluso el workflow completo en futuros análisis, facilitando as+AO0, su reutilización y a su vez, mejorando el proceso de creación de estos. Para ello se ha creado la ontología BIGOWL, que permite trazar la cadena de valor de los datos de los workflows mediante semántica y además ayuda al analista en la creación de workflow gracias a que va guiando su composición con la información que contiene por la anotación de algoritmos, datos, componentes y workflows. La problemática que ha abordado y resuelto BIGOWL se encuentra en dar estructura a esta información para poder ser integrada en los componentes. Para para validar el modelo semántico, se presentan una serie de consultas SPARQL y reglas de razonamiento para guiar el proceso de creación y validación de dos casos de estudio, que consisten en: primero, el procesamiento en streaming de datos de tráfico real con Spark para la optimización de rutas en el entorno urbano de la ciudad de Nueva York+ADs y segundo, clasificación usando algoritmos de minería de datos de un conjunto de datos académicos como son los de la flor de Iris.

Autores: Cristóbal Barba-González / José García-Nieto / Maria Del Mar Roldan-Garcia / Ismael Navas-Delgado / Antonio J. Nebro / Jose F Aldana Montes / 
Palabras Clave: big data - Machine Learning - Optimización - Web Semantic

7 - Tool for materializing OWL ontologies in a column-oriented database

El término Linked Data, o Datos Vinculados, hace referencia a conjuntos de datos interconectados y estructurados semánticamente, que están descritos con el lenguaje RDF (Resource Description Framework). Sobre los datos RDF se suelen construir vocabularios y ontologías con lenguajes como OWL (Web Ontology Language), que ayudan a estructurar el dominio de conocimiento de los datos. El éxito de los Linked Data es tal, que la Linked data cloud, o la Nube de Datos Vinculados, es actualmente la fuente de datos estructurada más grande de la historia y, por tanto, ofrece un entorno muy interesante tanto para realizar consultas, como para realizar razonamiento formal sobre los datos, aprovechando las capacidades de las ontologías.Debido al tamaño de los Linked Data, estas técnicas de razonamiento deben ser altamente escalables, y basadas en algoritmos paralelos y distribuidos. Además, la rapidez con la que evolucionan los Linked Data insinúa que estas técnicas de razonamiento deben ser incrementales para ofrecer resultados en tiempo real. Desde nuestro punto de vista, el primer paso para cumplir con estos desafíos es diseñar un modelo de almacenamiento de OWL/RDF optimizado, distribuido y masivo, que permita la implementación de algoritmos de razonamiento altamente escalables.En este contexto, han surgido las bases de datos NoSQL (Not Only SQL) como la infraestructura más utilizada para gestionar Big RDF Data. Además, las bases de datos NoSQL ofrecen la posibilidad de materializar de manera eficiente los resultados del razonamiento, abriendo as+AO0 el camino hacia el razonamiento incremental. Finalmente, las bases de datos NoSQL se han diseñado específicamente para proporcionar almacenamiento distribuido y escalable de grandes conjuntos de datos.En este artículo presentamos nuestra propuesta para materializar ontologías OWL, previamente clasificadas, en una base de datos NoSQL. Este proceso de materialización permite el almacenamiento distribuido de datos RDF aprovechando la distribución inherente de los nodos de la base de datos NoSQL. Además, esta propuesta supone el primer paso hacia un enfoque novedoso para el razonamiento OWL escalable, que permite, por tanto, el razonamiento escalable sobre Linked Data. Para validar nuestra propuesta, hemos desarrollado un prototipo de una herramienta que almacena una ontología OWL en una base de datos Cassandra siguiendo nuestro enfoque. Finalmente, presentamos nuestra estrategia de razonamiento para computar el cierre transitivo de la ontología OWL utilizando esta base de datos Cassandra.

Autores: Liudmila Reyes-Álvarez / Maria del Mar Roldán-García / Jose F. Aldana-Montes / 
Palabras Clave: Linked Data - MapReduce Framework - NoSQL Databases - OWL ontologies - Scalable reasoning