Una aproximación a la representación semántica de documentos basada en medidas de similitud entre conceptos

Abstract

En el presente trabajo se presenta un modelo de representación conceptual de documentos fundamentado en el reajuste semántico de los vectores que representan cada documento. La semántica necesaria para llevar a cabo el proceso se encuentra expresada en forma de funciones de similitud entre conceptos, definidas a partir de tesauros y bases de conocimiento tanto de propósito general como de propósito específico. El objetivo de este nuevo modelo de representación de documentos es la mejora de los procesos de gestión de documentos (clasificación, filtrado, clustering) en entornos altamente dinámicos como Internet o la generación de informes clínicos. Para comprobar la validez de la aproximación propuesta en este último contexto se ha realizado un experimento sobre una colección de notas radiológicas de libre disposición. Los resultados obtenidos demuestran la viabilidad de la propuesta realizada.