G R U P O I B E R M Á T I C A

Sistemas “inteligentes” para la

gestión de información en la red

Mayo 2009 / 1

Del “Control” al “Caos”

Mayo 2009 / 2

Minería de Datos

•Extracción automática de información relevante = co nocimiento•Identificación Automática de relaciones no evidente s entre datos.

Mayo 2009 / 3

EjemplosSupermercados Wal-Mart. Proyecto de basket analysis. Correlación estadísticamente

significativa entre la compra de pañales y cerveza.Compradores de cerveza y pañales eran varones de entre 25 y 35 años, que solían comprar estos productos conjuntamente los viernes por la tarde.

Mayo 2009 / 4

Anotación Multimedia

•Detección e Identificación•Tracking•Catalogación Automática

Mayo 2009 / 5

Sentiment AnalisysClasificar texto usando técnicas de lenguaje natura l, para analizar opiniones sobre un determinado tema en int ernet (“revelar el sentimiento”)

Mayo 2009 / 6

Ontologías – Web semánticaFacilitando la comprensión de las máquinas

WWWResource

WWWResource

Humans Machines

<RDF>http://www.amazon.com/4344533

Mayo 2009 / 7

Ejemplo de Ontología

E-CommerceHealthcare

Disease

Medicine

Product

Price

Customer

Doctor

Supplier

RFID

PatientIs a

Is atreats

takes

Is treated by

supplies

has

buys

has

Mayo 2009 / 8

Búsquedas semánticas¿Qué es una tortilla?

En los inicios:

Nacen los buscadores:

Mayo 2009 / 9

Búsquedas semánticas

Mayo 2009 / 10

Linked Data

Mayo 2009 / 11

Linked Data

¿Dime todos los jugadores de fútbol, que han jugado como porteros en un estadio de más de 40.000 asientos y que han n acido en un país con más de 10 millones de habitantes?

Es posible encontrar la respuesta en Internet?