OntoEnrich: Una plataforma para el análisis léxico de ontologías orientado a su enriquecimiento axiomático

  1. Manuel Quesada Martínez
  2. Dagoberto Castellanos Nieves
  3. Jesualdo T. Fernández Breis
Aldizkaria:
Procesamiento del lenguaje natural

ISSN: 1135-5948

Argitalpen urtea: 2017

Zenbakia: 59

Orrialdeak: 171-174

Mota: Artikulua

DIALNET GOOGLE SCHOLAR lock_openRUA editor

Beste argitalpen batzuk: Procesamiento del lenguaje natural

Laburpena

OntoEnrich es una plataforma online para la detección automática y análisis de regularidades léxicas encontradas en las etiquetas asociadas a los conceptos de una ontología. Un análisis guiado por estas regularidades permite explorar diferentes aspectos léxico/semánticos, como puede ser la aplicación de los principios del OBO Foundry en el caso de ontologías biomédicas. El objetivo de esta demostración es presentar casos de uso obtenidos al aplicar la herramienta en ontologías relevantes como Gene Ontology o SNOMED CT. Mostraremos cómo dicho análisis permite identificar semántica oculta a partir de contenido descrito en lenguaje natural (apto para humanos), y cómo podría ser usado para enriquecer la ontología creando nuevos axiomas lógicos (aptos para máquinas).

€ Ikusi finantzaketa

Finantzaketari buruzko informazioa

Este trabajo ha sido posible gracias al Mi-nisterio de Economía y Competitividad y el Fondo Europeo de Desarrollo Regional (FE-DER), a través del proyecto TIN2014-53749-C2-2-R, y a la Fundación Séneca a través del proyecto 19371/PI/14.

Finantzatzaile

Erreferentzia bibliografikoak

  • Aguilar, C. A., O. Acosta, G. Sierra, S. Juárez y T. Infante. 2016. Extracción de contextos definitorios en el área de biomedicina. Procesamiento del Lenguaje Natural, 57:167–170.
  • Brewster, C., S. Jupp, J. Luciano, D. Shotton, R. D. Stevens y Z. Zhang. 2009. Issues in learning an ontology from text. BMC bioinformatics, 10(5):S1.
  • Buitelaar, P., P. Cimiano y B. Magnini. 2005. Ontology learning from text: methods, evaluation and applications, volumen 123. IOS press.
  • Fernandez-Breis, J., L. Iannone, I. Palmisano, A. Rector y R. Stevens. 2010. Enriching the Gene Ontology via the dissection of labels using the ontology pre-processor language. Know. Engineering and Management by Masses,páginas 59–73. Springer.
  • Golbreich, C., J. Grosjean y S. J. Darmoni. 2013. The Foundational Model of Anatomy in OWL 2 and its use. Artificial Intelligence in Medicine, 57(2):119–132.
  • Guarino, N. 1998. Formal Ontology in Information Systems: Proceedings of the 1st International Conference June 6-8, 1998, Trento, Italy, páginas 3-15. IOS Press.
  • Mungall, C. J., M. Bada, T. Z. Berardini, J. Deegan, A. Ireland, M. A. Harris, D. P. Hill y J. Lomax. 2011. Cross-product extensions of the Gene Ontology. Journal of Biomedical Informatics, 44(1):80–86.
  • Quesada-Martínez M. 2015. Methodology for the enrichment of biomedical knowledge resources. Ph.D. tesis, Depto. de Informática y Sistemas. Univ. de Murcia.
  • Rector, A. y L. Iannone. 2012. Lexically suggest, logically define: Quality assurance of the use of qualifiers and expected results of post-coordination in SNOMED. Journal of Biomedical Informatics, 45:199–209.
  • Smith, B., M. Ashburner, C. Rosse, J. Bard, W. Bug y others. 2007. The OBO Foundry: coordinated evolution of ontologies to support biomedical data integration. Nature biotechnology, 25(11):1251-1255.
  • Third, A. 2012. “Hidden Semantics”: What Can We Learn from the Names in an Ontology? En Proceedings of the 7th International Natural Language Generation Conference INLG '12 páginas 67–75. ACL.
Datuen iturria: Dialnet