Prototipo para la diagnosis de enfermedades utilizando fuentes de Linked Open Data (LOD)

Autores
Lacuesta, Gastón Axel; Rondan, Ignacio Ezequiel; Martínez, Roxana
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Las tecnologías Linked Open Data (LOD), también llamadas grafos de conocimiento (KG-Knowledge Graph) aplicados en un contexto específico, se encuentra con dificultades al aplicarse a proyectos de dominios específicos. Algunas de estas se deben a la alta curva de aprendizaje que deben superar los expertos del dominio respecto a las tecnologías subyacentes de LOD para poder llevar a cabo una implementación exitosa de sus proyectos. Este trabajo apunta a eliminar dicha curva de aprendizaje a través de la aplicación de técnicas de Exploración Visual (VE-Visual Exploration), generando un prototipo para el diagnóstico de enfermedades a través de su sintomatología utilizando fuentes LOD del dominio específico de la medicina, lo cual a diferencia de las tradicionales bases de datos cerradas que se pueden encontrar en múltiples productos del dominio, posee múltiples ventajas tales como la retroalimentación y actualización continua y abierta por parte de una comunidad de expertos en el dominio.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Linked Open Data
Exploración Visual
Grafos
Medicina
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/176460
Acceder
id SEDICI_35a32cbf15173828912920f7e648bcdf
oai_identifier_str oai:sedici.unlp.edu.ar:10915/176460
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Prototipo para la diagnosis de enfermedades utilizando fuentes de Linked Open Data (LOD)Lacuesta, Gastón AxelRondan, Ignacio EzequielMartínez, RoxanaCiencias InformáticasLinked Open DataExploración VisualGrafosMedicinaLas tecnologías Linked Open Data (LOD), también llamadas grafos de conocimiento (KG-Knowledge Graph) aplicados en un contexto específico, se encuentra con dificultades al aplicarse a proyectos de dominios específicos. Algunas de estas se deben a la alta curva de aprendizaje que deben superar los expertos del dominio respecto a las tecnologías subyacentes de LOD para poder llevar a cabo una implementación exitosa de sus proyectos. Este trabajo apunta a eliminar dicha curva de aprendizaje a través de la aplicación de técnicas de Exploración Visual (VE-Visual Exploration), generando un prototipo para el diagnóstico de enfermedades a través de su sintomatología utilizando fuentes LOD del dominio específico de la medicina, lo cual a diferencia de las tradicionales bases de datos cerradas que se pueden encontrar en múltiples productos del dominio, posee múltiples ventajas tales como la retroalimentación y actualización continua y abierta por parte de una comunidad de expertos en el dominio.Red de Universidades con Carreras en Informática2024-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf613-617http://sedici.unlp.edu.ar/handle/10915/176460spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-34-2428-5info:eu-repo/semantics/reference/hdl/10915/172755info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-17T10:30:08Zoai:sedici.unlp.edu.ar:10915/176460Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-17 10:30:08.288SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Prototipo para la diagnosis de enfermedades utilizando fuentes de Linked Open Data (LOD)
title Prototipo para la diagnosis de enfermedades utilizando fuentes de Linked Open Data (LOD)
spellingShingle Prototipo para la diagnosis de enfermedades utilizando fuentes de Linked Open Data (LOD)
Lacuesta, Gastón Axel
Ciencias Informáticas
Linked Open Data
Exploración Visual
Grafos
Medicina
title_short Prototipo para la diagnosis de enfermedades utilizando fuentes de Linked Open Data (LOD)
title_full Prototipo para la diagnosis de enfermedades utilizando fuentes de Linked Open Data (LOD)
title_fullStr Prototipo para la diagnosis de enfermedades utilizando fuentes de Linked Open Data (LOD)
title_full_unstemmed Prototipo para la diagnosis de enfermedades utilizando fuentes de Linked Open Data (LOD)
title_sort Prototipo para la diagnosis de enfermedades utilizando fuentes de Linked Open Data (LOD)
dc.creator.none.fl_str_mv Lacuesta, Gastón Axel
Rondan, Ignacio Ezequiel
Martínez, Roxana
author Lacuesta, Gastón Axel
author_facet Lacuesta, Gastón Axel
Rondan, Ignacio Ezequiel
Martínez, Roxana
author_role author
author2 Rondan, Ignacio Ezequiel
Martínez, Roxana
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Linked Open Data
Exploración Visual
Grafos
Medicina
topic Ciencias Informáticas
Linked Open Data
Exploración Visual
Grafos
Medicina
dc.description.none.fl_txt_mv Las tecnologías Linked Open Data (LOD), también llamadas grafos de conocimiento (KG-Knowledge Graph) aplicados en un contexto específico, se encuentra con dificultades al aplicarse a proyectos de dominios específicos. Algunas de estas se deben a la alta curva de aprendizaje que deben superar los expertos del dominio respecto a las tecnologías subyacentes de LOD para poder llevar a cabo una implementación exitosa de sus proyectos. Este trabajo apunta a eliminar dicha curva de aprendizaje a través de la aplicación de técnicas de Exploración Visual (VE-Visual Exploration), generando un prototipo para el diagnóstico de enfermedades a través de su sintomatología utilizando fuentes LOD del dominio específico de la medicina, lo cual a diferencia de las tradicionales bases de datos cerradas que se pueden encontrar en múltiples productos del dominio, posee múltiples ventajas tales como la retroalimentación y actualización continua y abierta por parte de una comunidad de expertos en el dominio.
Red de Universidades con Carreras en Informática
description Las tecnologías Linked Open Data (LOD), también llamadas grafos de conocimiento (KG-Knowledge Graph) aplicados en un contexto específico, se encuentra con dificultades al aplicarse a proyectos de dominios específicos. Algunas de estas se deben a la alta curva de aprendizaje que deben superar los expertos del dominio respecto a las tecnologías subyacentes de LOD para poder llevar a cabo una implementación exitosa de sus proyectos. Este trabajo apunta a eliminar dicha curva de aprendizaje a través de la aplicación de técnicas de Exploración Visual (VE-Visual Exploration), generando un prototipo para el diagnóstico de enfermedades a través de su sintomatología utilizando fuentes LOD del dominio específico de la medicina, lo cual a diferencia de las tradicionales bases de datos cerradas que se pueden encontrar en múltiples productos del dominio, posee múltiples ventajas tales como la retroalimentación y actualización continua y abierta por parte de una comunidad de expertos en el dominio.
publishDate 2024
dc.date.none.fl_str_mv 2024-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/176460
url http://sedici.unlp.edu.ar/handle/10915/176460
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-950-34-2428-5
info:eu-repo/semantics/reference/hdl/10915/172755
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
613-617
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1843533091414474752
score 13.001348

Publicaciones similares