La similitud semántica se utiliza para conocer si dos conceptos son semejantes en cuanto a su significado en una ontología de dominio. En esta investigación, se propone un algoritmo para evaluar las relaciones taxonómicas existentes en una ontología de Inteligencia Artificial (IA), a través de la medida de exactitud. En este caso, para evaluar las relaciones, se emplearon tres medidas de similitud semántica basadas en conocimiento: Path, Wu y Palmer y Li. Los resultados experimentales indican que de acuerdo a la medida Path la ontología tiene el 88 % de relaciones taxonómicas correctas, la medida de Wu y Palmer indica que solo el 85 % son correctas y Li indica que el 84 % son correctas. Adicionalmente, definimos una similitud promedio, a partir de estas medidas, logrando un 92 % de exactitud para este tipo de relaciones semánticas. Comparando los resultados experimentales con las respuestas de validación de un experto de dominio el sistema concuerda en un 85 %.
Recognizing Textual Entailment (RTE) is a Natural Language Processing task. It is very important in tasks as Semantic Search and Text Summarization. There are many approaches to RTE, for example, methods based on machine learning, linear programming, probabilistic calculus, optimization, and logic. Unfortunately, no one of them can explain why the entailment is carried on. We can make reasonings, with Natural Logic, from the syntactic part of a natural language expression, and very little semantic information. This paper presents an Automatic Theorem Prover for Natural Logic that allows to know precisely the relationships needed in order to reach the entailment in a class of natural language expressions.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.