Generación de un grafo de conocimiento de periódicos antiguos del Ecuador a través de procesos OCR.
Loading...
Date
2023-07-26
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad de Cuenca
Abstract
History reveals to us the existence of a multitude of events that unfold in the world day by
day, leaving a footprint in time. In the past, the transmission of this knowledge was done
orally and kept alive through generations. However, the advancement of technology has
revolutionized the way we access information and has allowed us to explore historical records
on an unprecedented scale.
In this context, a challenge arises: a large portion of this valuable information lies dormant
in old newspapers, which are in a state of deterioration and are difficult to handle. These
newspapers contain detailed accounts of events that marked Ecuador’s history in the 19th
and 20th centuries, but accessing that information quickly and efficiently has become a challenge.
To address this problem, this thesis proposes a solution based on text digitization, text processing, and semantic web technologies. The main objective is to extract information from old
newspapers, organize it in a structured manner, and generate a knowledge graph that represents the events that occurred in Ecuador during that historical period. As part of this solution,
a prototype search engine has also been developed that utilizes the generated knowledge
graph. This search engine is one of the many ways to exploit the graph and allows users to
make specific queries and searches related to historical events, people, places, and topics
in the context of old newspapers.
The proposed solution involves the automation of each step of the process. To achieve this,
several widgets have been built in Orange, a visual data analysis platform, that allows for
specific tasks to be performed at each stage of the process. These widgets include text digitization tools, text processing techniques, and semantic web algorithms that work together
to extract relevant information, identify entities and relationships, obtain Word Embeddings,
and generate a knowledge graph enriched with historical events.
Resumen
La historia nos revela la existencia de una multitud de eventos que se desarrollan en el
mundo día a día, dejando una huella en el tiempo. Antiguamente, la transmisión de ese
conocimiento se realizaba de manera oral y se mantenía vivo a través de generaciones.
No obstante, el avance de la tecnología ha revolucionado la forma en que accedemos a la
información y nos ha permitido explorar registros históricos en una escala sin precedentes.
En este contexto, surge un desafío, gran parte de esa información yace dormida en periódicos antiguos, los cuales se encuentran en un estado de deterioro y son difíciles de tratar.
Estos periódicos contienen relatos de eventos de la historia del Ecuador en los siglos XIX y
XX, pero acceder a esa información de manera rápida y eficiente es un desafío.
Para abordar este problema, en este trabajo de titulación, se propone una solución basada
en la digitalización de texto, el procesamiento texto y las tecnologías de la web semántica. El
objetivo principal es extraer la información de los periódicos antiguos, organizarla de manera
estructurada y generar un grafo de conocimiento que represente los eventos ocurridos en
Ecuador durante ese período histórico.
La solución propuesta implica la automatización de cada uno de los pasos del proceso. Para
lograrlo, se han construido varios widgets en Orange, que permite realizar tareas específicas
en cada etapa del proceso. Estos widgets trabajan en conjunto para extraer la información,
identificar entidades y relaciones, obtener Word Embendings y generar un grafo de conocimiento.
Keywords
Ingeniería en Sistemas, Ontología, Web semántica
Citation
Código de tesis
TS;308
Código de tesis
Grado Académico
Ingeniero en Ciencias de la Computación