Aplicación de distancias entre términos para datos planos y jerárquicos

Abstract

Este trabajo aplica las distancias entre términos, aprovechando las características propias de cada distancia y la posibilidad de comparar desde tipos de datos proposicionales hasta representaciones jerárquicas. Las distancias entre términos se aplican por medio del algoritmo de clasificación k-NN utilizando un lenguaje de representación común; el lenguaje utilizado es XML, que además de su popularidad, ofrece una alta flexibilidad para representación de datos proposicionales y términos desde diferentes niveles de jerarquía. Para poder representar estos datos en una estructura XML y con el fin de aprovechar los beneficios de las distancias entre términos, es necesario aplicar algunas transformaciones. Estas transformaciones permiten convertir datos planos en datos jerárquicos, representados en XML, aplicando algunas técnicas basadas en asociaciones intuitivas entre los valores y nombres de las variables y asociaciones basadas en la similitud de los atributos. Adicionalmente, es posible aplicar estas distancias entre términos sobre estructuras originalmente jerárquicas. Conservando XML como lenguaje de representación, el proceso de transformación consiste, principalmente, en mantener el nivel de profundidad de los nombres de las variables y sus valores y garantizar el orden, de acuerdo con características de formación de XML.