Recuperación y ponderación de información geográfica desde repositorios no estructurados conducidas por ontología

Abstract

En esta investigación se muestra una metodología integral para la recuperación de información geográfica (iGIR) y un método para ponderar los resultados de la recuperación (iRank). La metodología considera consultas espaciales que contengan tres elementos, los cuales son objetos o lugares geográficos y una relación espacial entre estos objetos. El resultado de la búsqueda es el conjunto de documentos con datos geográficos, que tiene la mayor similitud, de acuerdo a las características evaluadas. El éxito de la recuperación se basa en la integración de tres criterios de búsqueda para tres fuentes de datos geográficas heterogéneas: Ontologías Geográficas (GeoOntologías), diccionarios de datos y archivos vectoriales. Las cuales describen a los objetos geográficos utilizando la topología, los atributos geográficos y la semántica espacial. Los resultados obtenidos demuestran que al combinar las diferentes fuentes de información y los criterios de búsqueda, se puede obtener información relevante que podría ser omitida al recuperarse de forma independiente en cada fuente. Sin embargo, el nivel de precisión en la recuperación se determina con el perfil del usuario, debido a que la experiencia de éste, determina el grado de formalidad en efectuar una consulta. El apropiado procesamiento de la intención de búsqueda y el perfil resulta en una mejor recuperación y ponderación. Los documentos recuperados se ponderan con el método iRank, el cual integra tres métodos de ponderación geográfica. El proceso de integración se basa en el método de confusión. Nuevamente, la ponderación integral resulto mejor que la ponderación aislada y ofreció mayor certidumbre de la relevancia. Finalmente, lo novedoso de esta tesis, es el enfoque integrador que procesa la semántica espacial y la intención del usuario basada en su perfil. // This research presents an integral methodology for geographic information retrieval (iGIR) and a method to rank the retrieved results (iRank). The approach processes spatial queries that contain geographical objects and spatial relationships between these objects. The search results are a set of the highest similarity documents, which contain geographic data, according to the query characteristics. The retrieval is based on the integration of three search criteria, according to three different heterogeneous sources of geographic data: Geographical Ontologies (GeoOntologies), geographic dictionaries and vector files. They represent the geographical objects, taking into account the essence and nature of spatial data. In particular, we use the topology, the geographic properties, and the spatial semantics. The results show that integrating different information sources and search criteria, it is possible to obtain relevant geographic information, which is usually omitted when this is retrieved independently on each source. The level of accuracy in the recovery is determined by the user's profile, because the user’s experience determines the degree of formality in a query expression. The adequate processing of query according to the user’s intention and his/her profile results in a better retrieval and ranking. The retrieved documents are ranked using iRank, which integrates three geographical ranking methods. The integration process is based on the previously developed theory of confusion. The results of integral ranking are better than those obtained separately. In addition, iRank offers higher precision of relevance. Finally, the novelty of this thesis is the approach that processes the spatial semantics and the intention of search based on the user’s profile.