Issuu on Google+

Sistemas de Representación y Procesamiento Automático del Conocimiento 5º curso. Licenciatura en Documentación Facultad de Informática

Profesores:

Carlos Carrascosa - d. 221 Edificio DSIC (carrasco@dsic.upv.es) Vicente Julián - d. 230 Edificio DSIC (vinglada@dsic.upv.es)


Temario (I) (1ª Parte) La Inteligencia Artificial (IA): Tema 1: Introducción a la IA Tema 2: Represent. del Conocimiento en IA Problemática. Lógica de Predicados. Sistemas Basados en Reglas. Sistemas de Representación Estructurados: Redes Semánticas y Frames.


Temario (II) (1ª Parte) La Inteligencia Artificial (IA): Tema 3: La Web Semántica Tecnología Aplicaciones

Tema 4: Áreas de la IA: Ejemplos de Investigación Actual


Temario (III) Bibliografía RICH, E., KNIGHT, K.: Inteligencia Artificial, McGrawHill, (1994). RUSSELL, S: Inteligencia Artificial : un enfoque moderno, Prentice - Hall. México, (1996). FROST, R: Bases de datos y Sistemas Expertos, Díaz de Santos. Madrid, 1989. ELLIS, D: Progress & problems in Information Retrieval, Library Association Publishing, (1996). LUCAS, P., VAN DER GAAG, L.: Principles of Expert Systems, Addison-Wesley, (1991).


Prácticas: Práctica 1: Introducción a Protégé. Práctica 2: Frames. Sesión de Evaluación.

Práctica 3: Creación de un Sistema Experto aplicado a la documentación. Sesión de Evaluación.

Grupos de máximo 2.


Trabajo: Trabajo obligatorio. Grupos de máximo 5 personas. El trabajo se presentará en formato HTML. Habrá una exposición de 15 minutos. Calendario: Presentación Temas Posibles: 10 de marzo Fecha límite Elección de Trabajo: 13 de marzo Gestión de Índices: 3 de abril Presentación de Trabajos: 19 de mayo


Evaluación: Nota Final = (Nota Teoría) * 0.8 + (Nota Práctica) * 0.2 , donde: Nota Teoría = (Nota examen + Nota trabajo) / 2 Mínima Nota en el Examen: 4 Nota Práctica = 0.3 * (Nota Práctica 1) + 0.7 * (Nota Práctica 2).


Conference:

“The OpenTaste Preference Profile Specification” Dr. Marc Torrens Chief Innovation Officer, MyStrands

In this presentation we describe the OpenTaste specification for compact exchangeable descriptions of user preferences .! The OpenTaste profile is specifically designed to retain the conceptual simplicity of simpler profiles like APML. In addition to the attention information marked up in APML profiles, however, OpenTaste profiles include features for communicating preference information that is not well-reflected solely in attention acts.!The most significant of these are profiles of enduring preferences, analysis models for attention and preferences, semantic relationships between items in different profiles, and arbitrary attribute information.!

14 de Febrero de 2008 Salón de Actos de Informática 12:30 Organiza Cátedra TISSAT UPV


Carlos Somelier