casos del KDTree que representa en memoria a la BASE DE CASOS
cuyos TITULO y RESUMEN sea más similares a los
del caso a resolver. Los valores de a usar serán mayores o iguales a 15.
Se seguirá el esquema de los sistemas CBR para auxiliar a los usuarios en las tareas de identificar la temática de las noticias y asignarles una serie de palabras clave que las describan.
No es necesario hacer pruebas para estudiar y ajustar los distintos parámetros posibles. Sí se pide realizar una evaluación sencilla para ver como evoluciona el porcentaje de aciertos y errores a medida que se van procesando los nuevos casos.
Dado que se trata de un prototipo para mostrar el desarrollo de sistemas CBR, se harán una serie de simplificaciones.
Cada caso está almacenado en un fichero XML (se aporta código para su lectura y escritura).
El funcionamiento de cada una de las fases del esquema CBR se describe en las siguientes secciones.
Pseudocódigo del ciclo CBR:
BaseCasos baseCasos = new BaseCasos();
baseCasos.inicializar(".../base_casos");
bucle:
CasoCBR casoResolver = new CasoCBR();
casoResolver.cargaXML(fichero);
casosSimilares = RECUPERAR(baseCasos, casoResolver);
CasoCBR casoResuelto = REUTILIZAR(casoResolver, casosSimilares);
CasoSBR casoRevisado = REVISAR(casoResuelto, temaReal);
RETENER(casoRevisado, baseCasos);
fin_bucle;
TITULO y RESUMEN.
Antes de iniciar el ciclo de CBR se deberá construir la representación en memoria de la base de casos a partir del directorio ''base_casos''.
ID, TITULO y RESUMEN
ID será necesario en la fase de RECUPERACIÓN para identificar
el fichero XML de cada caso.
TITULO y RESUMEN en vectores de atributos numéricos.
ID.
Eso se hace con el método setSelectedRange(String) indicando cúales son los índices (comenzando en 1) de los atributos de tipo String a partir de los cuales se construyen los vectores de palabras.
ID del cálculo de la distancia, configurando un
objeto weka.core.EuclideanDistance
(método void setAttributeIndices(java.lang.String value))
para que sea usado en el KDTree
Información sobre KDTree en WEKA: weka.core.neighboursearch.KDTree
Instances kNearestNeighbours(Instance target, int k)
Returns the k nearest neighbours of the supplied instance.
void setDistanceFunction(DistanceFunction df)
sets the distance function to use for nearest neighbour search.
void setInstances(Instances instances)
Builds the KDTree on the given set of instances.
void update(Instance instance)
Adds one instance to the KDTree.
Se recuperarán los casos del KDTree que representa en memoria a la BASE DE CASOS
cuyos TITULO y RESUMEN sea más similares a los
del caso a resolver. Los valores de a usar serán mayores o iguales a 15.
ID, TITULO y RESUMEN
y crear con ellos un objeto Instance.
instancias más similares
al Instance filtrado.
ID se podrán identificar los ficheros XML correspondientes
a los casos similares localizados.
Los casos similares recuperados se utilizarán para identificar la temática del caso a resolver y para
asignarle sus palabras clave.
Se usará el TEXTO COMPLETO de los casos similares para entrenar un clasificador
maquina de vectores de soporte (SVM)
(clase weka.classifiers.functions.SMO
en WEKA). El atributo clase se construirá a partir del campo TEMA de cada uno de esos casos.
TEXTO y un atributo TEMA de tipo Nominal
que se marcará como atributo clase.
TEXTO en vectores de atributos numéricos.
TEMA.
Con el TEXTO COMPLETO del caso a resolver se crea un objeto Instance.
La salida que ofrezca el clasificador para esa instancia se usará para asignar el tema del caso a resolver.
Para implementar la asignación de palabras clave a la noticia se empleará un selector de atributos (weka.attributeSelection.AttributeSelection).
casos similares (ambos creados en el paso previo).
Se simulará la revisión por parte de un usuario humano empleando la información sobre el tema del caso a resolver presente en su fichero XML.
casos similares con
el ''tema real'' del caso a resolver (presente en el fichero XML).
No se contempla el proceso de revisión sobre las palabras clave propuestas, la lista propuesta se aceptará siempre como correcta.
Se implementará una aproximación inspirada en los métodos crecientes de selección de ejemplos.
TEMA
del fichero XML.
casos similares recuperados.
En el directorio ''base_casos'' se guardará una copia del fichero XML del caso revisado con la información definitiva que se ha generado.
Los casos recordados se introducirán también en el KDTree que representa a la BASE DE CASOS en memoria.
Los filtros StringToWordVector se usan en las fases de Recuperación (con TITULO y RESUMEN) y en la Reutilización (con TEXTO COMPLETO).
Esta clase tiene varios parámetros para controlar la forma de transformar un texto en un vector de palabras y el modo de asignar valores a los atributos (palabras) resultantes.
Mas información: StringToWordVector
Práctica individual o en parejas.
Debe entregarse una memoria en papel (8-10 págs máximo) junto con el código fuente en CD o enviado por e-mail.
Memoria: Se trata de una memoria descriptiva de la implementación. No es necesario documentar aspectos teóricos. Un esquema posible es:
Fecha límite de entrega: (07/05/2013)