Hacia una Estrategia de Recomendación por Similitud Semántica en Repositorios con Grandes Volúmenes de Datos de Medición y Evaluación

Abstract

Un proceso de medición debiera ser repetible, extensible a nuevos requerimientos y sus medidas debieran poder ser comparables. Esto es así, para poder posibilitar que el mismo proceso de medición pueda ser implementado por diferentes actores, de manera que sus resultados sean comparables a lo largo del tiempo. Definido el proceso de medición, las medidas necesitan ser interpretadas a fin de poder tomar decisiones y a partir de ello recomendar cursos de acción. Puede suceder que dependiendo de la entidad que se encuentre bajo monitoreo, y una situación en particular, no siempre se dispone con antecedentes o conocimientos previos. Ello provocaría que, a pesar de haber identificado la situación, no sería posible brindar recomendaciones o cursos de acción configurado al escenario específico. Adicionalmente el Internet de las Cosas (en inglés, Internet of Things - IoT) ha permitido llevar a cabo el desarrollo de estrategias de recolección de datos, soportando procesos de toma de decisiones en tiempo real. El objetivo consiste en desarrollar una estrategia de recomendación a partir de mediciones, basado en el análisis de similitud semántica que permita brindar experiencias y-o recomendaciones por analogía con otra entidad.