Ramón Álvarez Tapia, Patricia Martín-Rodilla and Miguel Sanchéz-arcos
Chocosoft http://www.chocosoft.net
Instituto de Ciencias del Patrimonio CSIC http://www.incipit.csic.es
conceptualisation leads to better clarity while doing research . It provides road map to progress and verify the outcome of research . Research questions , objectives , gaps and hypothesis can be mapped on the conceptual framework . It also helps in operationalisation of the variables.
conceptualisation leads to better clarity while doing research . It provides road map to progress and verify the outcome of research . Research questions , objectives , gaps and hypothesis can be mapped on the conceptual framework . It also helps in operationalisation of the variables.
Metodologías para el Diseño de Sistemas por Isidro González. Se otorga crédito a los respectivos autores dando referencias bibliográficas a ellos dentro del informe.
Web search engines are constantly being developed in order to answer to user needs. This development process focuses not only on lexical pattern matching, but also on processing the sense of the query. There are two ways of doing this. The first is to extract content through Natural Language Processing (NLP); the second is to assign semantic descriptors from controlled languages. Therefore, the technological options available are either free text analysis, or semantic annotation. In the first case human interaction is essential; in the second one the quality of semantic retrieval by means of NLP is still under discussion. Although these solutions represent contrasting positions in the traditional debate on this matter, these methodologies are now mixing. In fact, semantic Web search engines need many pages to be annotated (which requires an enormous effort), so NLP represents an important help for automatic or semi-automatic annotation. At the same time, the precision of text analysis can be optimized by techniques of assignment applied by users and professionals. In conclusion, the trend is the development of collective knowledge systems that improve as more people participate, as they are based on human contributions. All of this will possibly be integrated by chunking, clustering, parsing, spell-checker and other NLP algorithms.
introducciones del tema complementadas por los alumnos del I.E.S.T.P "24 DE JULIO" - ZARUMILLA.
ESPERO LES SIRVA DE GRAN AYUDA PARA AMPLIAR SUS CONOCIMIENTOS E INVESTIGACIONES REFERENTE A SUS ESTUDIOS.
Descripcion de los Patrones GRASP usados para el diseño orientado a objetos pare definir responsailidades y ayudara tener bienas practicas en el diseño de sistemas mediante UML
Track 4. New publishing and scientific communication ways: Electronic edition, Information metrics and digital educational resources
Authors: Antonio Jose Rodrigues Neto, Maria Manuel Borges and Licinio Roque
Track 15. Communication, Education and Social Media
Authors: Rafael Galán-Arribas, Francisco-Javier Herrero-Gutiérrez, Cruz-Alberto Martínez-Arcos and Sonia Casillas-Martín
Más contenido relacionado
Similar a Agreement management in conceptualization of new terms in dictionaries: a semantic approach
Metodologías para el Diseño de Sistemas por Isidro González. Se otorga crédito a los respectivos autores dando referencias bibliográficas a ellos dentro del informe.
Web search engines are constantly being developed in order to answer to user needs. This development process focuses not only on lexical pattern matching, but also on processing the sense of the query. There are two ways of doing this. The first is to extract content through Natural Language Processing (NLP); the second is to assign semantic descriptors from controlled languages. Therefore, the technological options available are either free text analysis, or semantic annotation. In the first case human interaction is essential; in the second one the quality of semantic retrieval by means of NLP is still under discussion. Although these solutions represent contrasting positions in the traditional debate on this matter, these methodologies are now mixing. In fact, semantic Web search engines need many pages to be annotated (which requires an enormous effort), so NLP represents an important help for automatic or semi-automatic annotation. At the same time, the precision of text analysis can be optimized by techniques of assignment applied by users and professionals. In conclusion, the trend is the development of collective knowledge systems that improve as more people participate, as they are based on human contributions. All of this will possibly be integrated by chunking, clustering, parsing, spell-checker and other NLP algorithms.
introducciones del tema complementadas por los alumnos del I.E.S.T.P "24 DE JULIO" - ZARUMILLA.
ESPERO LES SIRVA DE GRAN AYUDA PARA AMPLIAR SUS CONOCIMIENTOS E INVESTIGACIONES REFERENTE A SUS ESTUDIOS.
Descripcion de los Patrones GRASP usados para el diseño orientado a objetos pare definir responsailidades y ayudara tener bienas practicas en el diseño de sistemas mediante UML
Similar a Agreement management in conceptualization of new terms in dictionaries: a semantic approach (20)
Track 4. New publishing and scientific communication ways: Electronic edition, Information metrics and digital educational resources
Authors: Antonio Jose Rodrigues Neto, Maria Manuel Borges and Licinio Roque
Track 15. Communication, Education and Social Media
Authors: Rafael Galán-Arribas, Francisco-Javier Herrero-Gutiérrez, Cruz-Alberto Martínez-Arcos and Sonia Casillas-Martín
Track 15. Communication, Education and Social Media
Authors: Diego Cachón, Juan José Igartua, Magdalena Wojcieszak, Iñigo Guerrero and Isabel Rodríguez-de-Dios
Track 14. 9th International Workshop on Software Engineering for E-learning (ISELEAR’18)
Authors: Andrea Vázquez-Ingelmo, Francisco José
García-Peñalvo and Roberto Theron
https://youtu.be/4T87QwwQSgQ
Track 14. 9th International Workshop on Software Engineering for E-learning (ISELEAR’18)
Authors: Alicia García-Holgado and Francisco José García Peñalvo
https://youtu.be/e1etRHqIjCo
Track 14. 9th International Workshop on Software Engineering for E-learning (ISELEAR’18)
Authors: Joaquín Gayoso-Cabada, Mercedes Gómez-Albarrán and José-Luis Sierra
https://youtu.be/Um3MxZP79_s
Track 14. 9th International Workshop on Software Engineering for E-learning (ISELEAR’18)
Authors: Mary Sánchez-Gordón and Ricardo Colomo-Palacios
https://youtu.be/W6oAObExar8
Track 14. 9th International Workshop on Software Engineering for E-learning (ISELEAR’18)
Authors: Joaquín Gayoso-Cabada, Antonio Sarasa-Cabezuelo and José-Luis Sierra
https://youtu.be/_-kkPLGPPPI
Track 13. Uncertainty in Digital Humanities
Author: Amelie Dorn, Eveline Wandl-Vogt, Thomas Palfinger, Jose Luis Preza Diaz, Barbara Piringer, Alexander Schatek and Rainer Zoubek
Más de Technological Ecosystems for Enhancing Multiculturality (20)
LA PEDAGOGIA AUTOGESTONARIA EN EL PROCESO DE ENSEÑANZA APRENDIZAJEjecgjv
La Pedagogía Autogestionaria es un enfoque educativo que busca transformar la educación mediante la participación directa de estudiantes, profesores y padres en la gestión de todas las esferas de la vida escolar.
Documento sobre las diferentes fuentes que han servido para transmitir la cultura griega, y que supone la primera parte del tema 4 de "Descubriendo nuestras raíces clásicas", optativa de bachillerato en la Comunitat Valenciana.
Agreement management in conceptualization of new terms in dictionaries: a semantic approach
1. Agreement
management
in
conceptualiza1on
of
new
terms
in
dic1onaries:
a
seman1c
approach
Ges1ón
de
acuerdos
para
conceptualización
de
nuevos
términos
en
diccionarios:
un
enfoque
semán1co
Ramón
Álvarez
Tapia
Patricia
Mar4n-‐Rodilla
Miguel
Sánchez-‐Marcos
patricia.mar?n-‐rodilla@i ramon@chocosoA.net
ncipit.csic.es
miguel@chocosoA.net
2. Índice
Introducción
Problema
y
trabajos
relacionados
Solución
propuesta:
Iden?ficación
de
problema
abordados
Funcionamiento
algorítmico
y
enfoque
semán?co
Caso
de
estudio:
Diccionario
de
nuevas
formas
de
lectura
Conclusiones
y
líneas
futuras
3. Introducción
Ges?ón
de
acuerdos
entre
personas
Perspec?vas
desde
diferentes
disciplinas:
psicología,
análisis
de
la
comunicación,
ingeniería
soAware,
tecnología
mul?agente,
etc.
Dis?ntos
grados
de
automa?zación:
automa?zación
(agentes
soAware
llega
a
acuerdos
sencillos
entre
sí)
semi-‐automa?zación
(sistemas
soAware
basados
en
reglas…)
asistencia
so>ware
(la
tecnología
ayuda
al
humano
a
alcanzar
acuerdos
o
ges?onar
consensos)
-‐>
MÁS
REALISTA,
CON
MAYOR
EFICACIA
(Uso
en
proyectos
colabora?vos,
wikis,
creación
de
ontologías
y
tesauros,
etc.)
4. Introducción
Casos
de
ejemplo
en
los
que
necesitamos
ges?ón
de
acuerdos
en
diccionarios:
-‐ Conceptos
emergentes:
“selfie”:
concepto
nuevo
de
auto-‐retrato,
generalmente
vía
móvil.
-‐ Nuevos
términos
para
conceptos
existentes:
“captcha”
es
un
término
para
designar
un
mecanismo
de
seguridad
web.
-‐ Términos
existentes
para
designar
un
nuevo
concepto:
“cloud”,
no
es
sólo
el
fenómeno
meteorológico,
también
un
almacenamiento
de
información
Obje?vo
Asis?r
vía
soAware
a
la
ges?ón
de
acuerdos
y
alcance
de
consenso
terminológico
en
la
creación
de
nuevos
diccionarios
5. Problema
Para
asis?r
en
la
ges?ón
de
acuerdos
vía
soAware
en
diccionarios…
• Soluciones
muy
automá?cas,
sin
asistencia
(Sistemas
expertos,
mul?-‐agentes,
etc.)
• Soluciones
de
asistencia
con
limitaciones,
como:
– Ausencia
de
visualización
dinámica
de
los
conceptos
que
se
añaden
– Ausencia
de
visualización
y
ges?ón
de
relaciones
entre
conceptos.
– Ausencia
de
enfoque
semán?co
(Communica)on
analysis,
etc.)
Los
problemas
derivados
de
un
enfoque
no
semán?co
los
iden?ficaremos
a
con?nuación.
6. Iden?ficación
de
problemas
a
abordar
PROBLEMA
1:
Definición
del
concepto
Hay
que
diferenciar:
CONCEPTOS
B:
conceptos
base,
existentes
en
versiones
previas
del
diccionario,
o
corpus
previo
a
usar.
Pueden
ser
redefinidos,
pero
una
vez
alcanzado
un
estado
estable
el
algoritmo
los
usa
de
base.
CONCEPTOS
N:
Conceptos
emergentes
que
necesitan
de
una
definición
consensuadas
y
sus
relaciones
con
el
resto
de
conceptos
existentes.
Para
cada
definición
de
conceptos
encontramos
estos
sub-‐
problemas:
P1-‐A
Reconocimiento
del
término:
Existentes
diferentes
términos
para
el
mismo
concepto,
especialmente
problemá?cas
son
las
variaciones
plurales
o
de
conjugación.
P1-‐B
Significado:
Un
término
puede
tener
varios
significados,
que
refieren
a
conceptos
dis?ntos.
P1-‐C
Volumen
de
datos:
Para
iden?ficar
correctamente
y
relacionar
conceptos
es
necesario
tener
un
volumen
de
datos
suficiente.
7. SOLUCIÓN
1:
•
P1-‐A
–
Reconocimiento
de
términos
&
P1-‐B
–
Significado:
Sería
necesario
el
empleo
de
técnicas
de
análisis
del
discurso
para
reconocer
el
texto
introducido
por
los
usuarios
(Línea
futura).
En
una
primera
aproximación
y
teniendo
en
cuenta
que
el
obje?vo
del
sistema
no
es
la
total
automa?zación
sino
la
asistencia
al
usuario,
el
usuario
provee
al
sistema
de:
DEFINICIÓN
DEL
NUEVO
CONCEPTO
+
AL
MENOS
UNA
RELACIÓN
CON
OTRO
EXISTENTE
O
CREADO
POR
ÉL.
Esta
solución
mi?ga
los
problemas
P1-‐A
y
P1-‐B,
ya
que
ofrece
desambiguación.
•
P1-‐C
–
Volumen
de
datos:
Para
mi?gar
el
problema
de
volumen
de
datos,
se
debe
contar
con
un
?empo
de
ejecución
del
algoritmo
donde
todos
los
par?cipantes
aporten
conceptos
y
relaciones
entre
ellos.
Este
?empo
de
ejecución
del
algoritmo
permi?rá
que
las
capacidades
analí?cas
del
sistema
se
ac?ven
después
de
tener
un
volumen
de
datos
aceptable
y
suficiente
para
el
análisis.
8. Iden?ficación
de
problemas
a
abordar
PROBLEMA
2:
Mul?plicidad
de
términos
Podemos
encontrar
términos
que
referencien
a
un
mismo
concepto,
o
conceptos
con
un
mapa
de
relaciones
con
otros
muy
similar.
Esta
situación
afecta
al
algoritmo,
ya
que
dificulta
la
creación
de
los
mapas
de
conceptos
y
hace
que
tengamos
que
determinar
si
varios
términos
se
refieren
al
mismo
concepto
o
no.
9. SOLUCIÓN
2:
• El
propio
algoritmo
detecta
conceptos
con
el
mismo
mapa
de
relaciones
con
otros
o
con
una
semejanza
alta
entre
ellos
(CONFIGURABLE).
• Informa
a
los
autores
y
par?cipantes
involucrados
en
los
conceptos
en
duda
sobre
su
semejanza
y
les
pide
una
resolución
¿Son
el
mismo
concepto?
• Internamente,
el
sistema
tratará
el
concepto
como
único
o
como
dos
separados
en
función
del
criterio
experto.
10. Iden?ficación
de
problemas
a
abordar
PROBLEMA
3:
Integración
de
datos
externos
Necesidad
de
obtener
información
no
directamente
relacionada
con
un
concepto,
pero
también
importante
en
la
ges?ón
de
acuerdos,
como
referencias
cronológicas
o
información
de
autores
y
organizaciones
involucradas
en
el
diccionario
y
su
uso
del
sistema.
SOLUCIÓN
3:
• El
propio
uso
de
un
sistema
soAware
para
asis?r
el
proceso
de
acuerdo
y
consenso
terminológico
a
la
hora
de
crear
el
diccionario
soluciona
el
PROBLEMA
3,
ya
que
con
el
sistema
soAware
podemos:
-‐ Iden?ficar
y
almacenar
información
relevante
sobre
fechas
de
creación
y
modificación
de
conceptos
-‐ Iden?ficar
y
almacenar
metadatos
en
relación
a
las
autoridades
(autores
y
organizaciones)
que
crean,
ex?enden
contenido,
editan
contenido
existente
o
relacionan
conceptos
en
el
diccionario.
• Toda
esta
meta-‐información
puede
ser
usada
para
evaluar
la
ges?ón
de
acuerdos
y
la
propia
influencia
de
un
autor
o
autoridad
en
el
diccionario.
11. Implementando
soluciones:
algoritmo
semán?co
1
• Para
cada
nuevo
concepto
creado:
1.
Almacenar
la
información
(concepto,
autor
y
relaciones
con
otros
conceptos).
2.
Pedir
al
autor
términos
relacionados:
2.
• Para
cada
término
relacionado:
1.
Asociarlo
al
concepto
previo.
2.
Si
ya
existe
en
el
sistema,
el
algoritmo
actualiza
la
información
de
relaciones
entre
términos,
emergiendo
otros
términos
relacionados.
Si
no
es
así,
el
término
solo
se
relaciona
con
el
nuevo
concepto
introducido.
3.
• Buscar
en
el
sistema
si
existen
conceptos
con
un
mapa
similar
de
relaciones.
Esto
podría
indicar
una
posible
mul?plicidad
de
términos.
Este
paso
es
configurable,
podemos
decidir,
por
ejemplo
,
que
el
sistema
sólo
busque
a
par?r
de
un
75%
de
similitud
en
el
mapa
de
relaciones
entre
el
nuevo
concepto
y
los
existentes.
• Si
se
detecta
mul?plicidad
de
términos,
avisar
a
los
autores
asociados
a
los
conceptos
involucrados
y
pedir
que
confirmen
o
desmientan
la
mul?plicidad.
Al
confirmar:
sólo
quedará
un
concepto;
Al
desmen?r,
el
sistema
contará
con
2
conceptos
dis?ntos
referenciados
entre
sí,
pero
manteniendo
su
independencia
en
el
diccionario
(Típicamente
son
conceptos
muy
próximos
en
definición)
4.
• Tras
un
?empo
de
funcionamiento
del
sistema
con
aportaciones
de
todos
los
par?cipantes,
el
algoritmo
puede:
1.
Obtener
para
cada
concepto,
una
definición
y
sus
conceptos
y
términos
relacionados.
2.
Almacenar
información
externa
y
metadatos
acerca
de
autores,
número
de
ediciones
por
concepto
y
aportaciones,
cambios
etc.
3.
Comparar
los
datos
acerca
del
uso
del
concepto,
el
grado
de
acuerdo
al
que
hemos
llegado,
si
todos
los
par?cipantes
que
lo
usan
pertenecen
a
una
misma
ins?tución
o
no,
etc.
12. Caso
de
estudio
• La
red
de
universidades
lectoras
(a
la
que
pertenece
la
Universidad
de
Salamanca)
iden?ficó
la
necesidad
de
crear
un
diccionario
con
términos
emergentes
en
el
dominio
de
las
nuevas
formas
de
lectura.
• Queremos
soportar
tecnológicamente
la
asistencia
a
este
proceso,
especialmente
a
los
acuerdos
terminológicos
entre
los
profesionales
del
dominio,
y
hacerlo
vía
web.
• El
algoritmo
propuesto
se
implementó
en
una
plataforma
web
(hxp://www.dinle.usal.es
)
13. Caso
de
estudio
• Concepto=
“Voz”
en
DINLE
• Cada
Voz
=
definición
+
análisis
+
implicaciones
para
el
dominio
+
referencias
• Cada
par?cipante
en
la
conceptualización
cuenta
con
un
usuario
y
puede:
– Consultar
y
editar
contenido
existente
– Crear
nuevo
contenido
– Crear
nuevos
conceptos.
– Añadir
relaciones
entre
conceptos
14. Caso
de
estudio
Definición
de
un
concepto
en
la
plataforma
DINLE
15. Caso
de
estudio
Extendiendo
o
ma1zando
la
definición
de
un
concepto
en
la
plataforma
DINLE
16. Caso
de
estudio
Lista
de
autores
y
par1cipantes
con
cuenta
de
usuario
en
DINLE
17. Conclusiones
Presentamos
una
aproximación
semán?ca
para
asis?r
a
par?cipantes
en
la
ges?ón
de
acuerdos
al
conceptualizar
nuevos
términos
en
diccionarios
en
línea.
Se
ha
aplicado
el
algoritmo
propuesto
a
un
caso
de
estudio
real
(DINLE),
iden?ficando
los
problemas
surgidos
y
proponiendo
una
solución
por
problema.
El
algoritmo
está
completamente
descrito
en
el
trabajo
e
implementado
en
la
plataforma
web.
Se
ha
mostrado
la
plataforma
implementada
para
soportar
el
caso
real.
En
el
futuro…
Esperamos
tener
un
volumen
mayor
de
datos
para
ofrecer
resultados
de
testeo
del
algoritmo
más
ajustados.
Planeamos
extraer
información
estadís?ca
sobre
el
funcionamiento
del
algoritmo,
así
como
del
nivel
de
sa?sfacción
de
los
par?cipantes
en
lo
que
al
algoritmo
y
a
la
plataforma
web
se
refiere:
¿Qué
grado
de
asistencia
hemos
conseguido?
¿Se
alcanza
de
forma
ágil
el
consenso
en
la
definición
de
términos?
Necesitamos
incluir
algunas
aproximaciones
existentes
en
el
algoritmo,
especialmente
relacionadas
con
análisis
del
discurso,
para
el
mejor
tratamiento
del
problema
P1
y
para
alcanzar
un
grado
mayor
de
análisis
de
las
contribuciones
y
definiciones
textuales
añadidas
a
un
diccionario
dado.
18. Referencias
• Iaquinto,
A.
L.,
and
Fredrickson,
J.W.
1997.
Top
management
team
agreement
about
the
strategic
decision
process:
a
test
of
some
of
its
determinants
and
consequences.
Strategic
Management
Journal
18,1,
63–75.
DOI=10.1002/(SICI)1097-‐0266(199701)18:1<63::AID-‐
SMJ835>3.0.CO;2-‐N.
• Lin,
P.,
and
Jia,
Y.
2008.
Average
consensus
in
networks
of
mul?-‐agents
with
both
switching
topology
and
coupling
?me-‐delay.
Physica
A:
Sta)s)cal
Mechanics
and
its
Applica)ons
387:1,
pp.
303-‐313.
• Molina-‐Jiménez,
C.,
Pruyne,
J.,
and
van
Moorsel,
A.
2005.
The
Role
of
Agreements
in
IT
Management
SoAware.
In
Architec)ng
Dependable
Systems
III.
Lemos,
Rogério
de,
Gacek,
Cris)na,
Romanovsky,
Alexander
(Eds).
Lecture
Notes
in
Computer
Science
3549,
36-‐58.
• España,
S.,
González,
A.,and
Pastor,
O.
2009.
Communica?on
Analysis:
A
Requirements
Engineering
Method
for
Informa?on
Systems.
In
Advanced
Informa)on
Systems
Engineering,
Pascal
Eck,
Jaap
Gordijn
and
Roel
Wieringa
(Eds).
Lecture
Notes
in
Computer
Science,
pp.
530-‐545:
Springer
Berlin
Heidelberg.
• Insa-‐Cabrera,
J.,
Dowe,
D.
L.,
España-‐Cubillo,
S.,
Hernández-‐Lloreda,
M.
V.,
and
Hernández-‐Orallo,
J.
2011.
Comparing
humans
and
AI
agents.
In
AGI'11
Proceedings
of
the
4th
interna)onal
conference
on
Ar)ficial
General
Intelligence,
122-‐132.
Springer
Berlin
Heidelberg.
• Kraus,
S.
1997.
Nego?a?on
and
coopera?on
in
mul?-‐agent
environments.
Ar)ficial
Intelligence,
94,
1–2,
79-‐97.
DOI=10.1016/
S0004-‐3702(97)00025-‐8.
• Liu,
X.,
Chen,
T.,
and
Lu,
W.
2009.
Consensus
problem
in
directed
networks
of
mul?-‐agents
via
nonlinear
protocols.
Physics
LeQers
A.
373,
35,
3122-‐3127.
DOI=10.1016/j.physleta.2009.06.054
• Chodorow,
M.
S.,
Byrd,
R.
J.,
and
Heidorn,
G.
E.
1985.
Extrac?ng
seman?c
hierarchies
from
a
large
on-‐line
dic?onary.
In
ACL
'85
Proceedings
of
the
23rd
annual
mee)ng
on
Associa)on
for
Computa)onal
Linguis)cs.
pp
299-‐304.
Chicago,
USA.
DOI=
10.3115/981210.981247.
• Jensen,
K.,
and
Binot,
J-‐L..
1987.
Disambigua?ng
Preposi?onal
Phrase
Axachments
by
Using
On-‐line
Dic?onary
Defini?ons.
Computa)onal
Linguis)cs
13,
3-‐4,
251-‐260.
• Ampornaramveth
V.,
Aizawa
A.,
and
Oyama
K.
2000.
An
Internet-‐based
Collabora?ve
Dic?onary
Development
Project:
SAIKAM.
In
Proceedings
of
7th
Interna)onal
Workshop
on
Academic
Informa)on
Networks
and
Systems
(WAINS'7),
Bangkok,
7-‐8
December
2000,
Kasetsart
University.
• Boitet,
C.,
Mangeot,
M.
and
Sérasset,
G.
2002.
The
PAPILLON
Project:
Coopera?vely
Building
a
Mul?lingual
Lexical
Data-‐base
to
Derive
Open
Source
Dic?onaries
&
Lexicons.
In
Proceedings
of
the
2nd
Workshop
on
NLP
and
XML
17,
pp.
1-‐3.
DOI=10.3115/1118808.1118813
• Meyer,
C.
M.,
and
Gurevych,
I.
2012.
OntoWik?onary:
Construc?ng
an
Ontology
from
the
Collabora?ve
Online
Dic?onary
Wik?onary.
In
Semi-‐
Automa)c
Ontology
Development:
Processes
and
Resources,
Maria
Teresa
Pazienza
and
Armando
Stellato
(Eds).
131-‐161.
DOI=10.4018/978-‐1-‐4666-‐0188-‐8.ch006
• Chong,
M.
L.,
Tan,
B.
H.,
and
Abdullah,
M.
H.
(2011).Wiki
for
co-‐wri?ng
a
science
dic?onary.
GEMA:
Online
Journal
of
Language
Studies,
11,
3,
109-‐128.
• Torres
Moreno,
J.M.
2010.
Reagrupamiento
en
familias
y
lexema?zación
automá?ca
independientes
del
idioma.
Revista
Iberoamericana
de
Inteligencia
Ar?ficial
14,
47,
38-‐53.
• Torres
Moreno,
J.M.
2012.
Beyond
Stemming
and
Lemma?za?on:
Ultra-‐stemming
to
Improve
Automa?c
Text
Summariza?on.
CoRR
abs/
1209.3126.
• Park,
J.,
and
Hun?ng,
S.
2002.
XML
Topic
Maps:
Crea)ng
and
Using
Topic
Maps
for
the
Web.
Addison-‐Wesley.
ISBN
978-‐0201749601.
• ISO/IEC
13250:2007
Topic
Maps:
Informa?on
Technology
-‐
Document
Descrip?on
and
Markup
Languages.
Patrick
Durusau,
Steve
Newcomb,
Robert
Barta.
(Eds).
hxp://www.isotopicmaps.org/TMRM/TMRM-‐7.0/tmrm7.pdf
• Mar4n-‐Rodilla,
P.,
and
González-‐Pérez,
C.
:
An
ISO/IEC
24744-‐Derived
Modelling
Language
for
Discourse
Analysis.
In
IEEE
8th
Interna?onal
Conference
on
Research
Challenges
in
Informa?on
Science,
RCIS
2014,
Marrakech,
Morocco,
May
28-‐30,
2014.
In
press.
• Martos
Núñez,
E.,
and
Campos
Fernández-‐Figares,
M.
2013.
Diccionario
de
Nuevas
Formas
de
Lectura
y
Escritura.
RIUL-‐San?llana
(Eds.).
Madrid,
Spain.
ISBN:
978-‐84-‐680-‐0970-‐4
• DINLE:
Diccionario
Digital
de
Nuevas
Formas
de
Lectura
y
Escritura:
Overview,
2014.
Retrieved
June
27,
2014:
hxp://www.dinle.usal.es
19. Agreement
management
in
conceptualiza1on
of
new
terms
in
dic1onaries:
a
seman1c
approach
Ges1ón
de
acuerdos
para
conceptualización
de
nuevos
términos
en
diccionarios:
un
enfoque
semán1co
Ramón
Álvarez
Tapia
Patricia
Mar4n-‐Rodilla
Miguel
Sánchez-‐Marcos
patricia.mar?n-‐rodilla@i ramon@chocosoA.net
ncipit.csic.es
miguel@chocosoA.net