$BlogRSDUrl$>
Guardado por meses.
Los siguientes listados son una referencia a partir de la cual ampliar la búsqueda de sitios relacionados (i).
Búsqueda simple en varios de los motores más conocidos. Para mayor precisión, entrar en la página correspondiente e ir al apartado de búsqueda avanzada.
Esta página traducida:
Traducción al catalán, internostrum; traducción al portugués, universia.
Agregue este sitio a su lector de "feeds" (sindicación mediante el sistema Atom).
Espacio dedicado a la programación lógica y la recuperación de información, con una atención especial al lenguaje Prolog y otros lenguajes afines, pertenecientes al paradigma lógico y declarativo. También se tratará de hablar de estos temas desde la perspectiva de la Biblioteconomía y la Documentación.
Uno de los artículos incluidos en el último número de Biblos (Revista Electrónica de Ciencias de la Información; nº 20, octubre - diciembre 2004), lleva por título "Ensayo de un sistema de extracción de información (técnica de inteligencia artificial) en un centro de información especializado en sanidad vegetal." (el artículo en sí está en formato PDF). Escrito por Ingrid Paz García (Cuba), en él se detalla un sistema experto aplicado a la extracción de información de artículos de carácter científico, cuya temática versa en este caso sobre la sanidad vegetal. La extracción de información -una de las tareas más relevantes dentro de lo que se ha dado en conocer como minería de datos [1 -PDF-] [2] [3] [4] [5] o data mining-, añade complementariamente, a las técnicas clásicas de la recuperación de información, otras propias del ámbito de la inteligencia artificial, que permiten obtener hechos (datos relevantes) a partir de los documentos recuperados.
Por cierto, y en relación con el data mining, hay muchos expertos en la materia a los que no les gusta la traducción literal "minería de datos"; prefieren expresiones más ajustadas al sentido y uso original del término anglosajón tales como "explotación de datos" o "descubrimiento de datos", por ejemplo.
El sistema experto descrito en el artículo, utilizado para la extracción de información relevante de artículos de contenido científico-técnico, recibe la denominación SEISAV (Sistema de Extracción de Información en Sanidad Vegetal), y está basado en el sistema CRYSTAL (Universidad de Massachussets), orientado al tratamiento de textos exclusivamente en inglés, por lo que ha sido convenientemente adaptado para trabajar con las particularidades lingüísticas del idioma castellano, y dotado de mayores posibilidades de uso. Induce (construye) automáticamente reglas de análisis de los textos a partir de un entrenamiento previo (método de "Entrenamiento automático"), si bien estas reglas pueden ser construidas manualmente por un experto familiarizado en este tipo de sistemas, y en el dominio específico de aplicación (método de "Ingeniería por Conocimiento").
El sistema CRYSTAL es un shell (entorno de desarrollo) diseñado originalmente para trabajar bajo MS-DOS, comercializado en Europa por Intelligent Environments. Sin embargo, nuevos entornos (AM para Windows) relegaron el desarrollo de CRYSTAL como producto comercial en los años 90 del siglo pasado.
El funcionamiento del sistema, y varios ejemplos de uso, están perfectamente explicados en el artículo, de forma bastante amena, con un nivel de complejidad muy asequible incluso para las personas sin conocimientos previos en relación con los sistemas expertos [1] [2] [3] [4] [5] [6] [7], que hace que sea una lectura más que recomendable para toda persona interesada en la puesta en marcha de estos sistemas aplicados al tratamiento documental y la gestión de la información de carácter significativo (en contraposición a la recuperación y tratamiento de información en "bruto").