La época tecnológica actual nos lleva trabajar en un mundo donde la información es un territorio muy extenso por explorar, los buscadores actuales están en constante mejoramiento, con el fin de ofrecer mejores resultados a sus clientes, de aquí nace la idea de desarrolla un software inteligente, este agente tiene como finalidad el acelerar el proceso de búsqueda actual y que los resultados que presenta sean los más adecuados y los esperados. En este entorno actual surge el presente trabajo, que tiene como finalidad abordar el estudio del desarrollo y diseño de un agente de búsquedas, basado en la recuperación y manejo de la información, aplicado en la búsqueda de plantas medicinales, donde el usuario ingresa la enfermedad para la cual necesita una planta medicinal y el agente responde a esta consulta, además cada búsqueda será valorada y sumará un peso a cada planta. Los temas a analizar en el desarrollo de este trabajo son: el área de aplicación del proyecto, el planteamiento del problema, solución al problema, evaluación de resultados, trabajos futuros, conclusiones y recomendaciones, todo esto se describe a continuación.

1. INTELIGENCIA ARTIFICIAL AGENTE INTELIGENTE “BÚSQUEDA DE PLANTAS MEDICINALES” AUTORA: Raquel Luzuriaga

2. INTRODUCCIÓN La era Tecnológica actual a generado un océano de información, entorno en el que operan grandes motores de búsqueda como YAHOO, GOOGLE, ALTA VISTA. Los agentes inteligentes están formados por (C, A, O, R) Creencias, Acciones, Objetivos y Resultados. Los resultados que presentan pueden ser positivos o negativos. Se trabajará en el desarrollo del Agente Inteligente: “Búsqueda de Plantas Medicinales”, para lo cual se escogerá un algoritmo clasificador, el cual organizará adecuadamente la información para la búsqueda y devolverá un resultado, en este caso será el nombre de una planta medicinal.

3. OBJETIVOS 1/3 OBJETIVO GENERAL Investigar y desarrollar un agente de búsqueda de plantas medicinales, tomando como entrada o percepción los datos ingresados por el usuario, esto es una determinada enfermedad.

4. OBJETIVOS 2/3 OBJETIVOS ESPECÍFICOS Encontrar una planta medicinal que sirva para curar una enfermedad, esta tiene que ser ingresada por parte del usuario. Que el agente sea capaz de analizar, entender, clasificar la información que recibe de su sensor. Logar que el agente asigne un valor o peso a cada planta medicinal.

5. OBJETIVOS 3/3 OBJETIVOS ESPECÍFICOS Determinar los algoritmos de clasificación con los que trabajara el agente. Trabajar en la implementación de dichos algoritmos y evaluar los resultados Desarrollar un informe final que resuma los resultados del presente trabajo..

6. ÁREAS DE APLICACIÓN Plantas Medicinales Agente Inteligente de Búsqueda Precisión, se encarga de medir la relación existente entre los datos relevantes para la consulta y el total devueltos en la misma. Recall, el cual mide la relación entre el total de datos relevantes devueltos y el total de datos existentes en la Base de datos. Recuperación y manejo de información

7. DESCRIPCIÓN DEL PROBLEMA La salud es una de las aspiraciones máximas del hombre. Estudios: “HERBAL MEDICINE RESEARCH IN TAIWAN” “DATABASE OF TRADITIONALCHINESE MEDICINE AND ITSAPPLICATIONTOSTUDIES OF MECHANISM AND TOPRESCRIPTIONVALIDATION” “METADATADESIGNFORCHINESE MEDICINE DIGITAL LIBRARY USING XML”. Encontrar un algoritmo clasificador eficiente y .

8. TRABAJOS SIMILARES APLICACIÓN DE REDES NEURONALES AL FILTRADO DE DOCUMENTOS AGENTES INTELIGENTES PARA BÚSQUEDA DE INFORMACIÓN ( Razonamiento basado en casos) A MULTI-AGENT INTELLIGENT ENVIRONMENT FOR MEDICAL KNOWLEDGE (AMPLIA) ANEMPIRICALCOMPARISON OF SUPERVISED LEARNING ALGORITHMS (BST-DT, RF, BAG-DT, SVM, ANN, KNN, BST-STMP, DT, LOGREG y NB)

9. JUSTIFICACIÓN Los algoritmos clasificadores o de aprendizaje supervisado son en los agentes de búsqueda y recuperación de información. Luego de un estudio de comparación de algoritmos los que resultaron más eficientes, fueron: BST-DT, RF, BAG-DT y el SVM. El algoritmo SVM es uno de los más utilizados en el área de la medicina. Por lo que se puede decir que el presente trabajo se seleccionará el algoritmo SVM.

10. EL ALGORITMO SVM- algoritmo máquinas de vector de soporte Trabaja con el principio de minimización de riesgo estructural, lo que ayuda a construir modelos confiables. Las clases se dividen en base al parámetro que se está evaluando, para lo cual utiliza una función de kernel o hiperplano. Un problema que presenta este algoritmo es el sobrentrenamiento.

11. HERRAMIENTAS JAVA Java es un lenguaje de programación de la estructura del agente, que determinan funcionalidades básicas del agente tales como: procesos de envío y recepción de mensajes. WEKA Weka es una gran colección de algoritmos de Máquinas de conocimiento desarrollados por la universidad de WAIKATO (Nueva Zelanda) implementados en Java.

12. METODOLOGÍA

13. ARQUITECTURA DEL AGENTE 1/2 Control de entrada o Sensores: Ingreso de valores de búsqueda por parte del usuario: Nombre de la enfermedad (principal o dependiente) Contraindicaciones (Opcional o independiente) Peso (opcional o independiente) Organización de datos: Identificar la clasificación de los datos de entrada Almacenamiento de información aprendida en la base de datos.

14. ARQUITECTURA DEL AGENTE 2/2 Comunicación y Procesamiento: Atender peticiones de usuario Resolver demandas de información Informar de errores Control: Gestión de errores

15. ESCENARIOS DEL AGENTE 1/3 Escenario 1: “Búsqueda de la planta medicinal”

16. ESCENARIOS DEL AGENTE 2/3 Escenario 2: “Clasificación de la entrada de la información”

17. ESCENARIOS DEL AGENTE 3/3 Escenario 3: “Asignación de pesos”

18. BASE DE DATOS HISTÓRICA

19. PANTALLA INICIAL

20. OPCIONES DEL AGENTE

21. BÚSQUEDA DE LA PLANTA MEDICINAL

22. TOXICIDAD DE LA PLANTA MEDICINAL

23. COMPONENTES QUÍMICOS DE LA PLANTA MEDICINAL

24. CLASIFICACIÓN DE LA INFORMACIÓN

25. ASIGNACIÓN DE PESOS

27. El algoritmo dio un mejor rendimiento cuando evaluó los datos de la variable mercado

29. CONCLUSIONES 2/2 En este trabajo, se evaluaron los datos de tres variables predictorias, las cuales fueron mercado, endémica y silvestre, y los resultados obtenidos fueron, que la combinación de los resultados de las variables mercado y silvestre, pueden ayudar a determinar que planta medicinal puede ser la que el usuario necesita. Realizar una investigación minuciosa de la cual se prueben los resultados obtenidos, garantiza el éxito del desarrollo de agentes inteligentes, por ser esta área nueva para nuestro grupo social.

30. RECOMENDACIONES 1/2 Tener en cuenta que para la selección del algoritmo a utilizar en proyecto de desarrollo de agentes inteligentes, se depende exclusivamente del problema a tratar, en el caso de un agente de búsqueda de información se trabaja para la clasificación con máquinas de vector de soporte por su rapidez, aunque esto no impide que se utilicen otras técnicas como el clustering, redes neuronales o árboles de decisión. Para seleccionar la herramienta con la que se va a trabajar, se deben considerar los criterios de funcionalidad y disponibilidad de información existentes.

31. RECOMENDACIONES 2/2 Considerar todas las opciones posibles para la solución del problema y valorar cada una para determinar cuál es la más óptima. Realizar algunas revisiones de lo que se está realizando para evitar incoherencias y pérdida del alcance del proyecto.

32. TRABAJOS FUTUROS 1/2 Ampliar la implementación del agente, ya que el presente se desarrolló en forma documental, llegando a ser implementado en un porcentaje limitado. Considerar la utilización de funciones de kernel no lineales para el algoritmo máquina de vector de soporte, para que el rendimiento sea mejor.

33. TRABAJOS FUTUROS 2/2 Evaluar el desempeño del agente con otros algoritmos como los ya descritos anteriormente, para encontrar una forma nueva de solución, que sea más eficiente. Ampliar la base de datos con la que se trabajó el presente proyecto para garantizar, mejores resultados en el área de salud, y que además esta sea validada por personal médico conocedor del tema.

34. REFERENCIAS 1/6 [1] Gerardo Colmenares 2009. MÁQUINAS DE VECTOR DE SOPORTE. Pág 1, 11. http://www.webdelprofesor.ula.ve/economia/gcolmen/programa/economia/maquinas_vectores_soporte.pdf [2] Terry Payne. 2008. WEB SERVICES FROM AN AGENT PERSPECTIVE, IEEE Intelligence System, Volumen 23, No. 2 Pág. 3. [3]M.C. Luis Ernesto Mancilla Espinosa, 2008. ¿QUÉ SON LOS AGENTES INTELIGENTES DE SOFTWARE? [4]Carlos E. Cerón Martínez. 2007. PLANTAS MEDICINALES DE LOS ANDES ECUATORIANOS. Herbario Alfredo Paredes (QAP), Escuela de Biología de la Universidad Central del Ecuador. Quito, Ecuador. Pág. 1-7.

35. REFERENCIAS 2/6 [5]Basilio Sierra Araujo. 2006. APRENDIZAJEAUTOMÁTICO: CONCEPTOSBÁSICOS Y AVANZADOS “MÉTODOS KÉRNEL Y MÁQUINAS DE VECTORES SOPORTE”Pág. 175 [6]Ing. Juan Angel Resendiz Trejo. 2006. LAS MAQUINAS DE VECTORES DE SOPORTE PARA IDENTIFICACIÓN EN LÍNEA. Pág 13-15. [7] X Chen1, H Zhou2, YBLiu1, JFWang2, H Li2, CY Ung2, LY Han2, ZWCao3 and YZChen2. 2006. DATABASE OF TRADITIONAL CHINESE MEDICINE AND ITS APPLICATION TO STUDIES OF MECHANISMAND TO PRESCRIPTION VALIDATION. Pág 1- 12 [8] Krishna Kaphle1, Leang-Shin Wu, Nai-Yen Jack Yang and Jen-Hsou Lin. 2006. Comentary“HERBAL MEDICINE RESEARCH IN TAIWAN”Pág 1 – 7

36. REFERENCIAS 3/6 9] L. Lhotská, Member, IEEE, L. Prieto. 2006 INTELLIGENT AGENTS IN MEDICINE, Pág.3, http://medlab.cs.uoi.gr/itab2006/proceedings/Intelligent%20Systems/21.pdf [10]Alberto Téllez Valero. 2005. EXTRACCIÓN DE INFORMACIÓN CON ALGORITMOS DE CLASIFICACIÓN. Pág 20 [11]Ioan Alfred Letia1 ,2005. GRADUALLY INTRUSIVE ARGUMENTATIVE AGENTS FOR DIAGNOSIS, Romania, Pág. 59, ArtículoIncluido en: First International Workshop on Multi-Agent Systems for Medicine, Computational Biology, and Bioinformatics (2005), http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.76.9164&rep=rep1&type=pdf#page=24

37. [12] Rosa M. Vicari, Cecilia D. Flores, Andre´ M. Silvestre, Louise J. Seixas, Marcelo Ladeira, Helder Coelho, 2003, A MULTI-AGENT INTELLIGENT ENVIRONMENT FOR MEDICAL KNOWLEDGE, Pág.335, 339,343. Published by Elsevier Science B.V. [13]Vicente Julián, Miguel Rebollo y Carlos Carrascosa. 2002. AGENTES DE INFORMACIÓN [14]Daniela Godoy, AnalíaAmandi, 2001. AGENTES INTELIGENTES PARA BÚSQUEDA DE INFORMACIÓN http://users.exa.unicen.edu.ar/~amandi/papers/godwicc2000.pdf, Argentina. [15]A.C. Sergio A. Gómez, Lic. Laura Lanzarini , 2001. APLICACIONES DE REDES NEURONALES AL FILTRADO DE DOCUMENTOS. REFERENCIAS 4/6

38. [16] Christopher C. Yang and Winter W.M. Chan. 2000. METADATA DESIGN FOR CHINESE MEDICINE DIGITAL LIBRARY USING XML. Pág. 1-10. [17]Carlos A. Iglesias F. 1998. DEFINICIÓN DE UNA METODOLOGÍA PARA EL DESARROLLO DE SISTEMAS MULTIAGENTES, Pág. 52-53, 87, 90, 243. http://www.gsi.dit.upm.es/tesis/pdf/tecisiscif.pdf [18] John Platt 1998. SEQUENTIALMINIMAL OPTIMIZATION: A FAST ALGORITHM FOR TRAINING SUPPORT VECTOR MACHINES JOHN C. PLATT. Pág. 1-21. REFERENCIAS 5/6

39. REFERENCIAS 6/6 [19] Rich Caruana,AlexandruNiculescu-Mizil. ANEMPIRICAL COMPARISON OF SUPERVISED LEARNING ALGORITHMS, Pág. 1-8. http://www.cs.cornell.edu/~caruana/ctp/ct.papers/caruana.icml06.pdf [20]BIBLIOTECA DIGITAL DE LA MEDICINA MEXICANAhttp://www.medicinatradicionalmexicana.unam.mx [21]BOTANICAL ONLINEhttp://www.botanical-online.com [22]CARACTERÍSTICAS Y APLICACIONES DE LAS PLANTAShttp://www.zonaverde.net . 1998-2008 José Murcia e Isabel Hoyos.

40. GRACIAS