Modelo basado en tecnologías semánticas y contenidos multimodales para sistemas sensibles al contexto

En la actualidad los seres humanos cuentan con dispositivos electrónicos que les permiten generar datos acerca de las actividades que realizan y el estado del entorno que los rodea. Por ejemplo, mediante un teléfono móvil, un usuario representa las situaciones que vive por medio de una fotografía capturada de forma instantánea y este almacena la ubicación en que se realizó la captura. Sin embargo, para las máquinas comprender el significado de las situaciones que vive un usuario es una tarea difícil, ya que requiere un amplio conocimiento de la realidad que este experimenta. La sensibilidad al contexto permite, por medio del uso de diferentes fuentes de información, caracterizar entidades de acuerdo a los datos de su entorno y generar nueva información con el objetivo de entregar servicios de valor de forma automática. La implementación clásica de un sistema de sensibilidad al contexto usa como fuente de información exclusiva los datos de sensor de los dispositivos que usan los usuarios. Este trabajo explora el uso de información semántica, obtenida por medio del análisis de contenidos digitales y datos de sensor, en los sistemas sensibles al contexto. Los contenidos digitales son relevantes porque su captura almacena información acerca de factores como los lugares en los que se encuentra el usuario, sus acompañantes, la actividad que realiza y las emociones que siente al realizarlas. El aporte principal de este trabajo es la propuesta de un modelo de contexto llamada MCAS. Este modelo usa la representación del contexto por medio de ontologías, la adquisición de contexto desde diferentes fuentes y el razonamiento de contexto por medio del uso de reglas implementadas en el lenguaje SPARQL. También se propone una ontología de alto nivel llamada mContext, la cual representa entidades relevantes para la definición del contexto como lo son persona, actividad, lugar, contenido multimedia, dispositivos y sensores. Se realiza una validación que busca verificar la viabilidad tecnológica y operacional de los componentes del modelo. Para ello, se implementa en el lenguaje Java, bases de datos de grafos y el lenguaje de consulta SPARQL; del modelo MCAS. Como datos de entrada se crean flujos de datos simulados, los cuales reflejan las actividades realizadas por cuatro usuarios con capacidades y necesidades variadas, y un grupo de reglas, que define las condiciones para la generación automática de actividades de alto nivel contextual. Los resultados permiten concluir que se puede generan un 100% de las actividades representadas por los expertos en las reglas. Sin embargo, se comprueba una de las limitaciones conocidas del razonamiento por medio de reglas en donde aquellas relaciones que no fueron creadas explícitamente por medio de reglas son ignoradas por el sistema haciendo necesario el desarrollo de estratégias de creación y eliminación de reglas en próximas etapas de la investigación.

• Autores: Narvaez Alarcon, Cristian Andres
• Fecha de publicación: 2019
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/76418
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/76418; http://bdigital.unal.edu.co/72787/
• Palabra clave: Sensibilidad al Contexto; Multimedia; Semántica Computacional; Razonamiento Semántico; Grafos de Conocimiento; Ontologías; Context Awareness; Multimedia; Computational Semantics; Semantic Reasoning; Knowledge Graphs; Ontologies
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional