Proyecto Fin de Carrera

Ingeniería Informática

Interfaz Avanzada de Consulta al Multilingual

Central Repository (MCR)

María Eguimendia

Director: Germán Rigau

Indice

Introducción

Objetivos del proyecto

Antecedentes

Elección tecnológica

Pruebas

Gestión

Conclusiones

Demostración

Introducción

Se enmarca dentro del área de investigación de

la Inteligencia Artificial y más concretamente,

dentro de la semántica del Lenguaje Natural.

MCR: Multilingual Central Repository.

WEI: Web Eurowordnet Interface.

Objetivo: modificar la interfaz gráfica (WEI) al

MCR de modo que no se requiera pre-instalar

ningún componente en el navegador.

Objetivos del proyecto

Seleccionar una tecnología que no requiera de la

máquina virtual de Java (JVM) para ser visualizada en

el navegador.

Se implementa un solo caso de uso “Consultar al

MCR”.

Se han realizado varias iteraciones donde al final de

cada una se ha obtenido un prototipo.

A priori, se desconocían el número de iteraciones.

Antecedentes

Redes semánticas

Wordnet

EuroWordNet

Proyecto Meaning

Multilingual Central Repository

Interfaces Web

Redes Semánticas

La semántica léxica es un área de la lingüistica que

cubre las teorías de la clasificación y la

descomposición del significado de las palabras, las

diferencias y las semejanzas en estructura semántica

léxica entre diversos idiomas y las relaciones de las

mismas.

Una forma comúnmente utilizada para representar la

semántica léxica es mediante redes semánticas.

Redes semánticas

Ejemplo de red semántica:

Redes semánticas

Diversos tipos de relaciones semánticas como

la sinonimia, antonimia, hiponimia, hiperonimia,

meronimia, holonimia, entre otras.

Muy utilizadas en Lenguaje Natural para

representar el conocimiento.

WordNet

Base de datos léxica creada por un grupo de

psicólogos y lingüistas del Cognitive Science

Laboratory de la Universidad de Princeton.

Está estructurada como una red semántica

cuyos nodos se denominan synsets (synomym

sets o conjunto de sinónimos).

WordNet

WordNet

PoS 1.5 1.6 1.7 1.7.1 2,0 2.1 3,0

91591 99642 109377 111223 115424 117597 117659

Noun

Verb

Adjetive

Adverb

60557

11363

13231

3243

66025

12127

17915

3575

74488

12754

18523

3612

75804

13214

21460

3629

79689

13508

18563

3664

81426

13650

18877

3664

82115

13767

18156

3621

Total Synset

EuroWordNet

Extensión multilingüe de Wordnet, compuesta

por bases de datos léxicas para 8 idiomas

(inglés, holandés, español, italiano, franceś,

alemán, checo y estonio).

Cada Wordnet se construyó de forma separada

y la conexión entre los distintos Wordnets se

hizo a través del ILI (InterLingua Index).

EuroWordNet

Proyecto Meaning

Objetivo: adquisición automática del

conocimiento lingüistico a partir de la Web y

construcción de recursos léxicos multilingües

que sirvan para una desambiguación semántica

automática más eficiente.

Se centró en los wordnets para 5 idiomas

europeos: inglés, italiano, español, catalán y

euskera.

Multilingual Central Repository

(MCR)

Resultado de la fusión de distintos recursos,

distintas versiones de WordNet, ontologías y

bases de conocimiento.

La versión final está integrada por Wordnets

para 5 idiomas diferentes (inglés, italiano,

español, catalán y euskera).

Multilingual Central Repository

(MCR)

Está enriquecido por 3 ontologías: WordNet

Domains, Top Concept Ontology y SUMO.

Para poder interactuar con el MCR se

desarrollo WEI.

Interfaces WebWordNet

http://wordnet.princeton.edu/perl/webwn

Visual Thesaurus

http://www.visualthesaurus.com/

Treebolic

http://treebolic.sourceforge.net/en/home.htm

WEI

http://garraf.epsevg.upc.es/cgi-bin/wei4/public/wei.consult.perl

Interfaces Web DEB http://deb.fi.muni.cz/index.php

Otros:

http://www.cozyenglish.com/dictionary

http://grokitbetter.com/

http://nalanda.nitc.ac.in/reference/general/wordnet/wordnet.html

http://poets.notredame.ac.jp/cgi-bin/wn

http://www.golovchenco.org/cgi-bin/wnsearch

Elección tecnológica

Google Web Toolkit (GWT)

Librerías Ajax: Dojo Toolkit

PHP

Perl

Google Web Toolkit

Framework creado por Google.

Compatible con todos los navegadores.

Se crea el código en Java y el compilador lo

traduce a HTML y JavaScript.

Google Web Toolkit

Componentes de GWT:

Google Web Toolkit (GWT)

A favor

No hace falta saber

HTML ni JavaScript.

Se pueden usar

clases complejas de

Java.

Libros disponibles.

En contra

Solo para proyectos

Java.

Mayor tiempo de

aprendizaje que otras

librerías.

/home/maria/gwt-linux-1.1.10/Proyecto GWT/www/com.mycompany.MiAplicacion/MiAplicacion.html

Librerías Ajax: Dojo Toolkit

Ajax (Asynchronous Javascript And Xml)

Combinación de 3 tecnologías existentes:

- XHTML y CSS

- DOM

- XMLHttpRequest

Librería Ajax: Dojo Toolkit

Librería de código abierto.

Acepta PHP, Perl, ASP, JSP y ColdFusion

como lenguajes de servidor.

Dispone de un paquete (dojo.io.bind) con la

implementación de XMLHttpRequest.

Librerías Ajax: Dojo Toolkit

A favor

Comunicación

asíncrona con el

servidor.

En contra

JavaScript activado.

Conocimientos de 3

tecnologías.

http://localhost/interfazMCRPtodoWei.html

PHP

Acrónimo de PHP Hypertext Pre-processor

(inicialmente PHP tools o Personal Home Page

tools).

Lenguaje de programación usado para la

creación de páginas web dinámicas.

PHP

A favor

Existen extensiones

para añadir

funcionalidades.

Existe amplia

documentación.

Fácil de aprender.

En contra

Manejo de errores.

http://localhost/InterfazConsultaE.php

Perl

Acrónimo de Practical Extraction and Report

Language.

Se usa para escribir guiones (scripts) CGI.

Es uno de los lenguajes más populares para la

creación de aplicaciones web junto con PHP y

Python.

Perl

A favor

Gran número de

librerías.

Fácil de usar.

Existe amplia

documentación.

En contra

Manejo de errores.

http://localhost/cgi-bin/wei4/public/wei.interfazconsulta.perl

Solución tecnológica

Interfaz desarrollada en Perl.

Servidor desarrollado en Perl.

Ningún problema de comunicación.

Pruebas

Pruebas unitarias

Pruebas de integración

Proceso de implantación

Pruebas unitarias

Comprobar:

- Página bien construída.

- Página accesible.

Para ello:

- Subir página al servidor.

- Intentar acceder a la página.

- Si error, solucionarlo.

Pruebas de Integración

Conectar interfaz con servidor.

Comprobar resultado de la consulta.

Comparar resultados de las interfaces.

Proceso de Implantación

Instalar el proyecto en un servidor.

Comprobar su funcionamiento.

GestiónHoras planificadas totales Horas reales totales

Desarrollo del DOP 10h 12,75h

Reuniones ordinarias 14h 26,25h

Reuniones extraordinarias 0h 13,75h

Búsqueda de información 40h 116,5h

Formación 40h 81,75h

Elección tecnológica 20h 35h

Captura de requisitos 4h 2,5h

Análisis 4h 4,5h

Diseño 4h 4h

Implementación 100h 167,75h

Pruebas 10h 7h

Preparar entregables 2h 0,5h

Elaborar memoria 60h 98,75h

Instalación 2h 0h

Horas totales 350h 571h

Gestión

Gestión Análisis del entornoDesarrollo técnico Cierre de iteración0

50

100

150

200

250

Horas planificadas

Horas reales

Conclusiones

Es muy importante la elección de las

herramientas a la hora de desarrollar un

proyecto.

Si no es correcta, se corre el riesgo de invertir

un número de horas sin conseguir el resultado

esperado.

La facilidad para aprender a utilizar una

herramienta incrementa su uso frente a otras.

Conclusiones

Unificar los conocimientos adquiridos a lo largo

de la carrera en un proyecto.

Adquirir conocimientos sobre linux y sobre

lenguajes de programación.

Existen distintas alternativas a la hora de

abordar un proyecto.

Demostración

http://adimen.si.ehu.es/cgi-bin/wei6/public/wei.consult.perl