| Summary: | Actualmente existe una tendencia que recupera los enfoques más tradicionales de la IA e investiga sobre su combinación con otras técnicas ligadas a la Ciencia de Datos, generando una simbiosis entre métodos simbólicos y probabilistas que ha despertado el interés de investigadores y profesionales de la IA. Mediante esta investigación profundizamos en este campo planteando y estudiando un sistema RBC combinado con minería de textos, aplicando de manera novedosa un enfoque ontológico en ambas tareas, todo ello aplicado a la medición de impacto social. En concreto, de_nimos un modelo de sistema RBC, proponemos una ontología para el campo de conocimiento de la medición de impacto social y funciones de similitud semántica originales para la recuperación de casos. En este artículo reportamos los resultados de nuestra experimentación con SIAMES (Social Impact Advisor and Measurement System), un sistema recomendador de indicadores de impacto social. El sistema cuenta con dos fases: en primer lugar, extrae información estructurada de un corpus de informes de medición de impacto mediante Minería de Textos Semántica basada en ontologías. En segundo lugar, inspirándonos en el Razonamiento Basado en Casos, recupera los indicadores más adecuados para cada empresa social.
|
|---|
