book

Modelado semántico de datos

by Panos Alexopoulos

September 2024

Intermediate to advanced

330 pages

10h 27m

Spanish

O'Reilly Media, Inc.

Book available

Read now

Unlock full access

Quién debería leer este libroQué esperar de este libroEsquema del libroConvenciones utilizadas en este libroAprendizaje en línea O'ReillyCómo contactar con nosotrosAgradecimientos
¿Qué es el modelado semántico de datos?¿Por qué desarrollar y utilizar un modelo de datos semántico?Mal modelado semánticoEvitar ErroresRompiendo Dilemas
Elementos generalesEntidadesRelacionesClases e IndividuosAtributosAxiomas, restricciones y reglas complejasTérminosElementos comunes y normalizadosLexicalización y sinonimiaInstanciaciónInclusión de significado y subsunción de clase/relaciónRelación parte-todoRelación semánticaCartografía y relaciones entrelazadasElementos de documentaciónResumen
AmbigüedadIncertidumbreVaguedadRigidez, Identidad, Unidad y DependenciaSimetría, inversión y transitividadSupuestos de mundo cerrado y abiertoCambio semánticoResumen
Precisión semánticaIntegridadCoherenciaConcisiónPuntualidadRelevanciaComprensibilidadFiabilidadDisponibilidad, versatilidad y rendimientoResumen
Actividades de desarrolloPreparar el escenarioDecidir qué construirConstruirloAsegurarse de que es buenoHacerlo útilHacer que dureVocabularios, patrones y modelos ejemplaresOntologías superioresPatrones de diseñoModelos estándar y de referenciaModelos y conjuntos de datos públicosMinería de modelos semánticosTareas de mineríaMétodos y técnicas de mineríaResumen
Dar malos nombresDar mal ejemploPor qué ponemos malos nombresEmpujando hacia la claridadOmitir definiciones o darlas malCuando necesitas definicionesPor qué omitimos las definicionesDefiniciones buenas y malasCómo conseguir las definicionesIgnorar la vaguedadLa vaguedad es una característica, no un errorDetectar y describir la vaguedadNo documentar los prejuicios y las suposicionesMantener a tus enemigos cercaResumen
Mala identidadMala sinonimiaMapeo e interrelación incorrectosSubclases malasInstanciación como subclasePartes como subclasesClases rígidas como subclases de clases no rígidasSuperclases comunes con criterios de identidad incompatiblesAxiomas y Reglas MalasDefinir las relaciones jerárquicas como transitivasDefinir las relaciones vagas como transitivasClases Vagas ComplementariasConfundir reglas de inferencia con restriccionesResumen

Construir lo equivocadoPor qué tenemos malas especificacionesCómo conseguir las especificaciones adecuadasMala adquisición de conocimientosFuentes de conocimiento erróneasMétodos y herramientas de adquisición erróneosUna historia de especificación y adquisición de conocimientosEspecificación y diseño del modeloPoblación modeloResumen
No tratar la calidad como un conjunto de contrapartidasPrecisión semántica frente a exhaustividadConcisión frente a exhaustividadConcisión frente a comprensibilidadRelevancia para el Contexto A Versus Relevancia para el Contexto BNo vincular la calidad a los riesgos y beneficiosNo utilizar las métricas adecuadasUtilizar métricas con interpretaciones engañosasUtilizar métricas con escaso valor comparativoUtilizar métricas con umbrales de valor arbitrariosUtilizar métricas que sean realmente señales de calidadMedir la exactitud de las afirmaciones vagas de forma nítidaEquiparar la calidad del modelo con la calidad de la extracción de informaciónResumen
Resolución de entidades defectuosasCómo utilizan los modelos semánticos los sistemas de resolución de entidadesCuando el conocimiento puede perjudicarteCómo seleccionar conocimientos útiles para la desambiguaciónDos historias de resolución de entidadesMala relación semánticaPor qué la relación semántica es complicadaCómo conseguir la relación semántica que realmente necesitasUna historia de relación semánticaResumen
Mala estrategia¿En qué consiste una estrategia de modelo semántico?Creer mitos y medias verdadesSubestimar la complejidad y el costeNo conocer o aplicar tu contextoMala organizaciónNo formar el equipo adecuadoSubestimar la necesidad de gobernanzaResumen
¿Clase o individuo?¿Subclasificar o no subclasificar?¿Atributo o relación?¿Fuzzificar o nouzzificar?En qué consiste la fuzzificaciónCuándo FuzzificarDos Historias de FuzzificaciónResumen
¿Qué lexicalizaciones tener?¿Cómo de granular?¿Cómo ser general?¿Cómo ser negativo?¿Cuántas verdades hay que manejar?¿Cómo estar interrelacionado?Resumen
Evolución del modelo¿Recordar u olvidar?¿Correr o seguir el ritmo?¿Reaccionar o prevenir?Conocer tu deriva semántica y actuar en consecuenciaModelo de gobernanza¿Democracia, oligarquía o dictadura?Una historia de centralizaciónResumen
El mapa no es el territorioSer optimista, pero no ingenuoEvitar la visión de túnelEvitar debates que distraiganMarcos semánticos frente a marcos no semánticosRepresentación simbólica del conocimiento frente al aprendizaje automáticoNo hacer dañoColmar la brecha semántica

Content preview from Modelado semántico de datos

Capítulo 14. Evolución y dilemas de gobernanza

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com

No sobrevivirán los más fuertes ni los más inteligentes, sino los que sepan gestionar mejor el cambio.

Leon C. Megginson

Los modelos semánticos son artefactos dinámicos que necesitan evolucionar con el tiempo si quieren mantener y mejorar su calidad y utilidad. Las tareas típicas de evolución de un modelo incluyen solucionar problemas de calidad, añadir estructura y contenido para cubrir dominios o aplicaciones adicionales, o eliminar elementos que ya no son válidos debido a un cambio semántico.

Además, como vimos en el Capítulo 11, es muy importante que esta evolución se haga de forma controlada y compatible con la estrategia, lo que significa que debe existir un sistema eficaz de gobierno del modelo. En este capítulo describo algunos dilemas clave relacionados con estas dos grandes tareas y analizo formas de abordarlos.

Evolución del modelo

La evolución es un aspecto muy importante en el ciclo de vida de un modelo semántico del que sólo puedes despreocuparte si:

La primera versión del modelo tiene la calidad que necesitas/deseas en todas las dimensiones relevantes: Si esta primera versión tiene problemas de calidad en una o más dimensiones relevantes (precisión, exhaustividad, etc.), tendrás que solucionar estos problemas en las versiones posteriores.
No hay fuerzas externas que puedan deteriorar esta calidad ...