PDF de programación - Modelos Computacionales - Actividad 3

Modelos Computacionales 

Actividad 3 

José Alberto Benítez Andrades
71454586A
Modelos Computacionales
Máster en Lenguajes y Sistemas Informáticos ‐ Tecnologías del Lenguaje en la Web
UNED
15/02/2011

Modelos Computacionales ‐ Actividad 3                                             José Alberto Benítez Andrades 

15 de febrero de 2011 

(Verdejo,  García‐Serrano,  2009)  Este 

 
0. Enunciado
Tema 3.‐ La web semántica (Web 3.0) 
 
3.1 Estándares 
 
3.2 Ontologías y su población 
 
3.3 Modelos para recuperación de información 
 
o El Tema 3 incluye los conceptos básicos y algunos de los estándares de la web semántica. 
Además  se  estudiarán  recursos  existentes  y  aspectos  candentes  como  la  población  de 
ontologías. Finalmente se estudiarán algunos modelos de recuperación de información basada 
en ontologías. 
o  Bibliografía  básica: 
libro  contiene  capítulos 
independientes sobre temas de actualidad. En concreto para este tema del curso han de leerse 
los capítulos: 2 y 4. 
 
 
Ejercicio  T3.1:  Visitar  la  dirección  http://wordnet.princeton.edu/  y  resumir  los  aspectos  mas 
relevantes del recurso WordNet (WN) (en opinión del estudiante). 
 
Ejercicio T3.2: Describir un recurso léxico semántico y multilingüe de los que aparecen en el 
capítulo  2:  qué  tipo  de  información  semántica  incorpora,  cómo  la  organiza,  ventajas  y 
desventajas de su uso potencial en aplicaciones. 
 
Ejercicio T3.3: 
 
3.3.1 Definición de rol semántico. 
 
3.3.2 Describir brevemente una arquitectura de tres capas potencialmente adecuada para la 
identificación de roles semánticos (apartado tercero del capítulo 4). 
 
Ejercicio T3.4: 
 
3.4.1  Describir  detalladamente 
http://www.w3.org/TR/owl‐features/ ) 
 
3.4.2 Encontrar en algún repositorio de ontologías, una ontología de dominio. Puede visitar: 
 
http://olp.dfki.de/ontoselect/ 
 
http://www.gnoss.com/comunidad/Interoperabilidadsemantica/recurso/Finding‐Ontologies‐
some‐help‐to‐find‐existing‐ont/a47e9be8‐0ab0‐4a71‐bd61‐b22a2c8b3 
 

lo  que  es  el  OWL 

lite 

(por  ejemplo  en 

 


Página 2

Modelos Computacionales ‐ Actividad 3                                             José Alberto Benítez Andrades 

15 de febrero de 2011 

 
1. Resolución. 

 



Ejercicio T3.1: Visitar la dirección http://wordnet.princeton.edu/ y
resumir los aspectos mas relevantes del recurso WordNet (WN) (en
opinión del estudiante).
 
WordNet  es  una  base  de  datos  léxica  estructurada  a  partir  de  las  principales  relaciones 
conceptuales  que  vinculan  entre  sí  a  los  lexemas  intra‐  y  trans‐categorialmente;  algunas  
relaciones,  como  la  hiponimia,  tienen  como  consecuencia  la  formación  de  un  sistema 
jerárquico  en  el  que  cada  lexema  ocupa  una  posición  que  le  es  propia  y  que  además  tiene 
consecuencias directas en la atribución de sentido 
 
En  WordNet,  el  léxico  está  dividido  en  cinco  categorías  gramaticales:  sustantivos,  verbos, 
adjetivos, adverbios y palabras funcionales; sin embargo, por el momento, sólo están incluidos 
los sustantivos, los verbos, los adjetivos y los adverbios. 
 
WordNet  trata  de  dar  respuesta  práctica  a  algunas  de  las  preguntas  planteadas  por  la 
semántica  léxica,  la  cual  postula  que  debe  existir  una  asociación  convencional  entre  un 
concepto 
lexicalizado  y  una  expresión  que  cumple  una  función  sintáctica.  Dichos 
planteamientos se refieren al tipo de expresiones que participan en esas asociaciones, a cuál 
es la naturaleza y organización de los conceptos lexicalizados que las palabras pueden expresar 
y al tipo de funciones sintácticas que las palabras tienen.  
 
Una forma de concebir la base de datos de WordNet es a través de una matriz léxica en la que 
se asocian las formas léxicas con los sentidos.  
 
WordNet, constituye una base de datos léxico relacional que simula, parcialmente, la memoria 
humana. Es muy tentador referirse a las posibles aplicaciones de este instrumento. Entre las 
más  obvias,  tenemos  la  creación  de  diccionarios  electrónicos  multilingües,  lo  que  sin  duda 
sería una herramienta de primera mano en el aprendizaje de lenguas extranjeras. Sin embargo, 
no hay que dejar de lado que también es posible explotar el conjunto de relaciones dentro de 
la base datos misma y luego generalizarlas a otros idiomas.  
 
Las aplicaciones en este caso, serían múltiples y sin duda aún no hemos alcanzado a imaginar 
todo lo que sería posible con WordNet. Entre las primeras posibilidades que se han previsto, se 
encuentra  la  desambiguación  automática  de  textos,  como  una  herramienta  que  posee 
información  semántica  pertinente  sobre  los  sintagmas.  Otras  opciones  no  deben  dejarse  de 
lado, como por ejemplo, el hecho de que WordNet ya ofrece una taxonomía del conocimiento, 
la  cual  puede  utilizarse  como  referencia  para  labores  de  indexación,  por  ejemplo.  Tampoco 
hay  que  olvidar  las  posibles  aplicaciones  en  la  educación  y  el  aprendizaje  de  lenguas 
extranjeras.  

 


Página 3

Mode

elos Comput

tacionales ‐ A

José Alberto 

Benítez And

drades 

Actividad 3   
15 de

                      
e febrero de

                    J
 2011 

 
Ejer
los q
inco
en a
 
selec
un te
En lo
cont
utiliz

rcicio T3.2
que apar
orpora, có
aplicacion
En  gener
ccionar un se
exto o discur
os últimos a
tinuación se 
zan (Figura 1

2: Describ
ecen en e
ómo la org
nes.
ral,  la  desa
entido de un
rso.  
ños se han 
describe la c
1). 

bir un re
el capítul
ganiza, ve

curso léx
lo 2: qué
entajas y

xico semá
tipo de in
desventaj

ntico y m
nformació
jas de su

multilingü
ón semán
uso poten

üe de
ntica
ncial

ambiguación 
n conjunto de

  del  sentid
e posibilidad

do  de  las  p
des predefini

palabras  es 
idas para un

el  problem
a palabra da

ma  de 
ada en 

incrementad
clasificación 

do las invest
para métod

tigaciones pa
os de WSD d

ara crear mé
de acuerdo a

étodos de W
a los recurso

WSD. A 
os que 

ra 1. Clasifica

ación de los 

métodos pa

ra WSD de a

acuerdo a los

s recursos qu

 
ue utilizan. 

Figu
 
Mét
Los 
dicci
‐ Los
Los d
Los d
méto
para
ejem
sent
entr
Adem
sino 
‐ Los
Los c

todos para W
métodos pa
ionarios, los 
s que utilizan
diccionarios 
diccionarios 
odos que ut
a cada palabr
mplo,  Lesk  (1
idos de pala
e sí, más coh
más existen 
también otr
s que utilizan
corpus pued

WSD  
ra desambig
que utilizan 
n diccionario
pueden ser d
proporciona
tilizan sólo  
ra en un text
1986)  propo
abras relacio
herente será
variantes de
ro tipo de dic
n corpus:  
en ser no ma

guación de s
corpus, y los
s:  
de sentidos y
an una lista d
diccionarios 
to dado, tom
one  utilizar 
onadas en el
 el texto. 
el algoritmo 
ccionarios co

sentidos de 
s que no util

palabras se 
izan ningún 

clasifican en
recurso léxic

n: los que u
co.  

tilizan 

y otros como
de glosas (de
de sentidos
mando en cu
la  coherenc
 texto: mien

o WordNet.
efinición de s
s, buscan ele
enta el cont
ia  global  de
ntras más re

sentido) para
egir un sent
exto en el qu
el  texto,  es 
elacionadas e

a las palabra
ido (de esta
ue aparece. 
decir,  el  tot
estén las pa

as. Los 
a lista) 
Como 
tal  de 
labras 

de Lesk que
omo WordNe

e utilizan no 
et.   

sólo diccion

narios de sen

ntidos, 

arcados y ma

arcados.  

 


Página 4

Modelos Computacionales ‐ Actividad 3                                             José Alberto Benítez Andrades 

15 de febrero de 2011 

 

Los  métodos  que  utilizan  corpus    no  marcados  son  los    no  supervisados,  estos  métodos 
también utilizan otros recursos como WordNet para poder asignar un sentido a cada palabra 
que  aparece  en  los  textos  no  marcados.  Como  ejemplo  de  éstos  tenemos  el  método  de 
McCarthy et al. (2004), el cual elige de un diccionario (tesauro) las palabras relacionadas con 
la  palabra  a  desambiguar.  Cada  palabra  relacionada  tiene  un  peso,  éstas  y  la  palabra  a 
desambiguar tienen sentidos en un diccionario. Para elegir el sentido correcto, las palabras 
relacionadas votan por un sentido de la palabra a desambiguar con cierto peso. Se elige el 
sentido con más peso. 
Los  métodos  que  utilizan  corpus  marcados  son  los  métodos  supervisados.  Éstos  reducen  la 
desambiguación de sentidos de palabras a un problema de clasificación, donde a una palabra 
dada  se  le  asigna  el  sentido  más  apropiado  de  acuerdo  a  un  conjunto  de  posibilidades, 
basadas en el contexto en el que ocurre. Hay muchos algoritmos de aprendizaje supervisado 
utilizados  para  WSD,  como  ejemplo  tenemos  los  clasificadores  bayesianos,  máquinas  de 
soporte vectorial, árboles y listas de decisión, etc.   
Hay métodos que utilizan una gran cantidad de corpus no marcados y muy pocos marcados 
llamados    mínimamente  supervisados.  Como  ejemplo  de  éstos  tenemos  el  método  de 
Yarowsky (1995), el cual identifica todas las ocurrencias de una palabra a desambiguar en un 
corpus  no  marcado.  Después  identifica  un  número  pequeño  de  colocaciones  semilla 
representativos de cada sentido de la palabra y etiqueta todos los ejemplos que contienen la 
colocación semilla con la palabra de dicha colocación (así tenemos los conjuntos etiquetados 
con cada sentido representativo y el conjunto residuo).   
El algoritmo utiliza los conjuntos etiquetados para entrenar una lista de decisión y encontrar 
nuevas colocaciones, para después etiquetar sobre el conjunto residuo. El algoritmo termina 
cuando el conjunto residuo se estabiliza 

‐ Los que utilizan programación directa:  
Estos métodos se basan en reglas (muchas) que especifican el sentido de una palabra 
de  acuerdo  al  contexto  en  el  que  aparece.  Un  ejemplo  son  las  restricciones  de 
selección  (selectional  restrictions),  definen  reglas  de  acuerdo  a 
la  palabra  a 
desambiguar y su argumento. Ejemplo: el ve