ISO-THES: Ampliando SKOS a partir de la norma de tesauros ISO-25964

http://www.smo.edu.mx/

http://www.thinkepi.net/iso-thes-ampliando-skos-norma-tesauros-iso-25964?utm_source=feedburner&utm_medium=email&utm_campaign=Feed%3A+thinkepi+%28ThinkEPI%29&utm_content=Yahoo%21+Mail



ISO-THES: Ampliando SKOS a partir de la norma de tesauros ISO-25964
4 febrero, 2013

Por Juan-Antonio Pastor-Sánchez
en Notas ThinkEPI 2013

Introducción

Durante muchos años las normas ISO-5964:1985 e ISO-2788:1986 fueron las únicas referencias normativas para la creación y mantenimiento de tesauros. Si bien es cierto que más adelante se hicieron algunas revisiones parciales, los cambios introducidos fueron poco sustanciales en cuanto a la estructura y elementos de los tesauros (ANSI/NISO, 2005). Hubo que esperar a las cinco partes de la norma Británica BS-8723 (2005-2008) y más recientemente a las dos partes de la norma ISO-25964:2011, para poder hablar de cambios de envergadura en este sentido. El resultado de estos trabajos ha tenido como fruto unas propuestas realmente innovadoras, en especial a lo referido a la aplicación de los tesauros en los procesos de recuperación de información y la interoperabilidad con otros vocabularios.

Durante este lapso de tiempo se han realizado aplicaciones en la Web que requerían aplicar el concepto de tesauro, pero para las que la noción normativa existente en aquel entonces era insuficiente. Skos (Miles y Bechhofer, 2009) se desarrolló como un medio sencillo para la representar en la Web semántica sistemas de organización del conocimiento de todo tipo. Actualmente son innumerables las representaciones y conjuntos de datos disponibles de una amplia variedad de vocabularios controlados (tesauros incluidos) en la Web mediante esta ontología. Por otro lado, la nueva norma ofrece un modelo de datos muy alejado de RDF y excesivamente orientado a su implementación mediante bases de datos relacionales. Podría decirse que la nueva normaISO-25964 ha aparecido una vez que Skos se ha convertido en el estándar de facto para la publicación de tesauros en la Web semántica.

Por lo tanto, se plantean una serie de dificultades que compatibilicen la aplicación de ISO-25964 con la publicación de tesauros desarrollados bajo dicha norma en la Web semántica. En esta nota se analiza una solución que está desarrollándose actualmente: la definición de una extensión de Skos para adaptar esta ontología a a la nueva norma ISO.

ISO-25964 y Skos

Uno de los aspectos en los que Skos diverge de las primeras normas de tesauros es en el planteamiento de dos niveles de representación: uno conceptual y otro léxico. Con Skoslos conceptos se definen como un recurso de la clase “skos:Concept” y se identifican mediante una URI1. Una vez identificado el recurso y definido su tipo es posible realizar declaraciones sobre diferentes aspectos del mismo, entre los que se encuentran su etiqueta preferente (término descriptor), etiquetas alternativas (términos no-descriptores), etiquetas alternativas, así como las relaciones semánticas (jerárquicas y asociativas) con otros recursos que a su vez se definen como conceptos. Skos dispone de dos clases que permiten para crear estructuras de agrupación: esquemas de conceptos y colecciones, junto con las correspondientes propiedades para relacionar a los conceptos con estas estructuras.

La normas ISO y ANSI/NISO anteriores a ISO-25964 ofrecían únicamente un enfoque léxico: se definían una serie de términos descriptores y no-descriptores entre los que se establecían relaciones semánticas tales como “Usado Por”, “Término Específico”, “Término Genérico”, “Término Relacionado”, etc. Este enfoque resulta problemático desde el punto de vista del mantenimiento de los tesauros y de los procesos de indización: con Skos los documentos se asocian a conceptos del tesauro, mientras que con un tesauro elaborado bajo el paradigma léxico, estos mismos documentos se asocian a términos. Los cambios de términos descriptores y no-descriptores no afectan a la indización si se utilizaSkos, puesto que únicamente suponen modificaciones en la asignación de etiquetas a los conceptos.

Sin embargo, esto no sucede así con los tesauros terminológicos, puesto que los cambios en la estructura de descriptores y no-descriptores conlleva la actualización de los índices que relacionan los términos con los documentos e incluso de las relaciones que se hayan podido definir con términos de otros tesauros2.

La nueva norma ISO-25964 está mucho más cercana a Skos por varios motivos:

1. Define un modelo de datos que facilita el desarrollo de aplicaciones informáticas y su aplicación en procesos de recuperación de información, tal y como se muestra en la figura 13.

2. En dicho modelo se establecen un nivel conceptual y un nivel terminológico (léxico).

3. Además de los conceptos y los términos, se definen varias clases de estructuras superiores para representar tesauros (“Thesaurus”), grupos de conceptos (“ConceptGroup”) y listas estructuradas de conceptos (“ThesaurusArray”).

4. Los elementos de anotación son prácticamente idénticos a los de Skos.

La gestión de la estructura a nivel léxico de la norma ISO es especialmente compleja. Esto se debe a que se definen relaciones de equivalencia entre términos (“USE/USE+” y “UF/UF+”) que complementan las que se establecen entre términos y conceptos (“isNonPreferredLabelFor”, “isPreferredLabelFor”).

Dichas relaciones permiten la equivalencia de un término compuesto no-preferente con varios términos preferentes a partir de una relación de equivalencia compuesta. En Skosno es posible definir estas equivalencias, ni siquiera recurriendo a la extensión SKOS-XL(SKOS eXtension for Labels)4.

La segunda parte de la norma ISO-25964 aborda la interoperabilidad de los tesauros con otros vocabularios. Se definen diferentes relaciones y técnicas para el mapeado de equivalencia entre conceptos de un tesauro con los de otro tesauro, clasificación, taxonomía, encabezamientos de materia, ontologías, terminologías, listas de autoridades o anillos de sinónimos. Estas equivalencias pueden ser:

a) Exacta: se trata de conceptos que representan exactamente la misma idea. Por ejemplo: “enfermedad de las vacas locas”, “encefalopatía espongiforme bovina”.

b) Inexacta: conceptos que pueden ser equivalentes en determinados contextos o tener diferencias de connotación. Por ejemplo: “sillas” y “asientos”.

c) Parcial: son conceptos con un significado muy cercano aunque uno de ellos es ligeramente más genérico/específico que otro. Por ejemplo: “Aeronave” y “Aeroplanos”.

d) Jerárquicas: un concepto es claramente más genérico o específico que otro. Por ejemplo: “Países Bajos” es más genérico que “Holanda”.

e) Asociativas: los conceptos no son equivalentes pero están relacionados entre sí. Por ejemplo: “Fotografías” y “Fotógrafos”.

Las equivalencias pueden definirse entre dos conceptos de tesauros diferentes (equivalencia simple) o entre un concepto de un tesauro y varios de otro (compuesta). En este último caso la equivalencia puede establecerse a partir de la intersección o la unión del significado de los conceptos del tesauro de destino. Las relaciones de equivalencia no están reflejadas explícitamente en el modelo de datos de la norma, aunque pueden derivarse a partir de relaciones jerárquicas y asociativas.

En este aspecto la aplicación de Skos ha acumulado una larga experiencia, puesto que es ampliamente utilizado para la interconexión de vocabularios. Skos dispone de propiedades para definir equivalencias exactas, próximas, jerárquicas y asociativas. No obstante dichas propiedades únicamente permiten definir relaciones de equivalencia simples y no compuestas, tal y como se establece en ISO 25964:2011-2.

La extensión ISO-THES

Como ya se apuntó al principio, la nueva norma ISO llega a un escenario en el que Skos se ha convertido en el estándar para la publicación de todo tipo de vocabularios controlados. Para facilitar la interoperabilidad entre ambas soluciones, el grupo de trabajo responsable de la norma 25964 y Antoine Isaac (co-editor de Skos) han editado un documento que define las correspondencias entre ambos modelos (ISO e Isaac, 2012).

A grandes rasgos las propuestas de dicho documento pueden resumirse en los siguientes puntos:

- Se definen las siguientes correspondencias de los siguientes elementos básicos de Skos(conceptos, esquemas y colecciones)5 con los correspondientes elementos del modelo de datos de la norma ISO.

- Identifica los elementos de Dublin Core a utilizar para describir ciertas propiedades, tanto de los tesauros como de los conceptos.

- Se establecen un amplio conjunto de clases y propiedades que no están presentes de forma nativa en Skos para la definición de equivalencias entre términos.

- Igualmente propone clases y propiedades para ampliar las estructuras de agrupación de conceptos para adaptar Skos a la nueva norma. Más concretamente, crea las clases y las propiedades necesarias para representar con Skos listas estructuradas de conceptos y grupos de conceptos.

- Se proponen relaciones para definir jerarquías de grupos de conceptos que son de gran utilidad para la representación de tesauros organizados en dominios de conocimiento y microtesauros.

- Resuelve la problemática de las ediciones diferentes de un mismo tesauro, principalmente pensando en su explotación a través de un Sparql Endpoint. Para ello también se incluyen una serie de clases y propiedades que permiten identificar versiones distintas para su publicación en forma de datos abiertos enlazados.

Como puede verse, esta extensión aborda la problemática de la representación de jerarquías de microtesauros. Varios tesauros (como Eurovoc, el Tesauro de la Unesco oGemet) utilizan estas estructuras en la que los conceptos se organizan en grupos diferentes que a su vez están dentro de dominios de conocimiento o grupos más amplios. Hasta ahora, esta necesidad se había suplido modelando los dominios y los microtesauros como colecciones y definiendo la pertenencia de estos últimos a los primeros.

Otra alternativa muy utilizada ha sido la definición de artefactos en la que un tesauro se modelaba como diferentes esquemas de conceptos que se jerarquizaban mediante una propiedad ad hoc.

En cualquier caso, hasta ahora no se disponía de una técnica normalizada para representar este tipo de estructuras. La sinergia entre ISO-25964 y Skos nos propone una solución mediante la aplicación de la clase “iso-thes:ConceptGroup” y sus correspondientes propiedades.

Sin duda uno de los aspectos más complejos de la norma ISO y de ISO-THES es la equivalencia entre términos, y muy especialmente la equivalencia compuesta. Aunque su uso es innecesario en muchos tesauros. Sin embargo, conforma un nuevo camino que sin duda deberá ser recorrido por tesauros que, como Eurovoc, desarrollaron sus propias ontologías para cubrir necesidades concretas en este aspecto.

Conclusiones

Sin duda ISO-THES constituye una solución idónea para la interoperabilidad semántica entre vocabularios publicados con Skos y los tesauros que sigan la norma ISO-25964. Aunque la norma ofrezca un esquema xml6 para la representación de tesauros, lo cierto es que dicho esquema resulta poco útil para su publicación en la Web semántica. Con ISO-THES se tienden puentes entre dicho esquema y RDF, de manera que la práctica totalidad de los elementos de la norma tienen su equivalente en Skos sin necesidad de definir una nueva ontología. De este modo, los editores de un tesauro creado conforme a la norma ISO disponen de un mecanismo casi directo para su publicación como un conjunto de datos RDF.

No obstante, quedan varios aspectos por resolver. Tal vez el más significativo sea la ausencia de mecanismos para definir relaciones de equivalencia compuesta entre conceptos de diferentes vocabularios. Esta ausencia podría deberse a la indefinición deISO-25964, ya que el modelo de datos no incorpora de un modo explícito toda la riqueza de relaciones de mapeado que recoge la segunda parte de la norma. Por otro lado se echa de menos todo un conjunto de clases y propiedades que permitan la representación de información de gestión sobre conceptos y términos, que permitan prescindir del uso de propiedades de anotación OWL, de elementos de Dublin Core o de los propios mecanismos de reificación RDF.

Todavía queda un paso importante: la elaboración de un vocabulario RDF (y su correspondiente “namespace”) con los diferentes elementos de la extensión. Ciertamente, es muy posible que en este proceso se plantee la necesidad de realizar cambios y definir nuevos elementos de ISO-THES. Pero en definitiva, se trata de una propuesta que se encuentra en el buen camino y que sin duda reforzará el papel de Skos en la Web semántica.

Notas

1. También es posible utilizar identificadores que no se refieran a una URI mediante la definición de nodos en blanco. Más información en:
http://www.w3.org/TR/2004/REC-rdf-primer-20040210/#structuredproperties

2. Se podría argumentar que estos cambios en los tesauros terminológicos únicamente precisan de consultas de actualización que pueden ser automatizadas. Sin embargo, resulta mucho más consistente adoptar el enfoque conceptual, ya que no solamente evita este tipo de operaciones, sino que dota a los tesauros de una mayor flexibilidad para la interconexión con otro tipo de vocabularios, tal y como establece la propia norma ISO-25964.

3. Fuente:
http://www.niso.org/schemas/iso25964/Model_2011-06-02.jpg

4. Más información sobre SKOS-XL en:

http://www.w3.org/TR/skos-reference/skos-xl.html

5. Los elementos de Skos están precedidos del prefijo “skos:”.

6. Dicho esquema está disponible en:
http://www.niso.org/schemas/iso25964/iso25964-1_v1.4.xsd

Referencias

ANSI/NISO (2005). Z39.19: 2005 Guidelines for the construction, format and management of monolingual controlled vocabularies. NISO Press: Bethesda, MD.

BS (2005). BS 8723-2:2005 Structured vocabularies for information retrieval. Guide. Thesauri. British Standards Institution: London.

BS (2007). BS 8723-4:2007 Structured Vocabularies for information retrieval. Guide. Interoperability between vocabularies. British Standards Institution: London.

BS (2008). BS 8723-5:2008 Structured vocabularies for information retrieval. Guide. Formats and protocols for data exchange. British Standards Institution: London.

ISO (1985). ISO 5964:1985. Guidelines for the establishment and development of multilingual thesauri. Geneva: International Organization for Standardization.

ISO (1986). ISO 2788:1986. Guidelines for the establishment and development of monolingual thesauri. Geneva: International Organization for Standardization.

ISO (2011a). ISO 25964-2:2011. Thesauri and interoperability with other vocabularies. Part 1: Thesauri for information retrieval. Geneva: International Organization for Standardization.

ISO (2011b). ISO 25964-2:2011. Thesauri and interoperability with other vocabularies. Part 2: Interoperability with other vocabularies. Geneva: International Organization for Standardization.

ISO TC46/SC9/WG8; Isaac, Antoine (2012). “Correspondence between ISO 25964 and SKOS/SKOS-XL Models”.
http://www.niso.org/schemas/iso25964/correspondencesSKOS

Miles, Alistair; Bechhofer, Sean (18 agosto, 2009). “SKOS Simple Knowledge Organization System Reference”. W3C Recommendation.
http://www.w3.org/TR/skos-reference

Cómo citar este artículo:
Pastor-Sánchez, Juan-Antonio. “ISO-THES: Ampliando SKOS a partir de la norma de tesauros ISO-25964″. Anuario ThinkEPI, 2013, v. 7, pp. ¿¿-??.