Desarrollo de web semántica con Inteligencia Artificial ChatGPT: Caso del Catálogo de Autoridades PARES

Blázquez-Ochando, Manuel and Ovalle-Perandones, María-Antonia Desarrollo de web semántica con Inteligencia Artificial ChatGPT: Caso del Catálogo de Autoridades PARES., 2024 . In XX Seminario Hispano-Mexicano: Inteligencia artificial en la gestión de la información y documentación: debates, desafíos y oportunidades, Trujillo-Madrid, 10-12 de junio de 2024. [Presentation]

Slideshow hispanoMexicano web semantica IA.pptx Download (6MB)

English abstract

The emergence of Artificial Intelligence (AI), especially in its generative form, makes possible the development of semantic models, as well as their encoding in formats such as RDF, OWL, SKOS, Dublin Core, among others. These formats not only allow for a structured representation of data, but also facilitate their exchange and understanding by both humans and machines. In this work, we propose a new technique-methodology for editing semantic web and linked-data, assisted by AI. By using appropriate prompts, it is possible to intelligently guide AI to represent, encode, rectify, and edit the semantic model. In this way, one of the most recurrent problems is solved: the inherent difficulty in the encoding of these formats, the difficulty in the readability of the resulting contents, their referencing, and organization. By employing AI as an assistant in this process, a new horizon of possibilities is opened. The appropriate prompts allow users to interact more naturally and efficiently with semantic data, thus simplifying the task of its encoding and improving the quality and coherence of the results. Furthermore, this approach has the potential to promote a wider adoption of the semantic web and linked-data by making it more accessible and manageable for a broader audience.

Spanish abstract

La irrupción de la Inteligencia Artificial (IA) especialmente en su forma generativa, hace posible el desarrollo de modelos semánticos, así como su codificación en formatos RDF, OWL, SKOS, Dublin Core, entre otros. Estos formatos no solo permiten una representación estructurada de datos, sino que también facilitan su intercambio y comprensión tanto para humanos como para máquinas. En este trabajo, proponemos una nueva técnica-metodología para la edición de web semántica y linked-data, asistida por la IA. Utilizando prompts adecuados, resulta posible guiar a la IA de forma inteligente para que represente, codifique, rectifique y edite el modelo semántico. De esta forma, se logra solucionar uno de los problemas más recurrentes, la dificultad inherente a la codificación de estos formatos, la dificultad en la legibilidad de los contenidos resultantes, su referenciación y organización. Al emplear la IA como asistente en este proceso, se abre un nuevo horizonte de posibilidades. Los prompts adecuados permiten a los usuarios interactuar de manera más natural y eficiente con los datos semánticos, simplificando así la tarea de su codificación y mejorando la calidad y coherencia de los resultados. Además, esta aproximación tiene el potencial de fomentar una adopción más amplia de la web semántica y linked-data al hacerla más accesible y manejable para un público más amplio.

Item type:	Presentation
Keywords:	Artificial Intelligence, Semantic Web; Linked-Data; RDF; OWL; SKOS; Dublin Core; Semantic Models; Encoding; Assistants; Prompts; España; Spain; Archives; Archivos; PARES; Inteligencia Artificial; Web semántica; DAtos enlazados
Subjects:	I. Information treatment for information services I. Information treatment for information services > ID. Knowledge representation. I. Information treatment for information services > IE. Data and metadata structures. I. Information treatment for information services > IL. Semantic web L. Information technology and library technology > LP. Intelligent agents.
Depositing user:	Dr. Manuel Blázquez Ochando
Date deposited:	04 Oct 2024 08:16
Last modified:	04 Oct 2024 08:16
URI:	http://hdl.handle.net/10760/45852

References

Beckett, D.; McBride, B. (2004). RDF/XML syntax specification (revised). W3C recommendation, 10(2.3).

Decker, S.; Mitra, P.; Melnik, S. (2000). Framework for the semantic Web: an RDF tutorial. IEEE Internet Computing, 4(6), 68-73.

Hyvönen, E.; Linked Data Finland. (2024). RDF Grapher. https://www.ldf.fi/service/rdf-grapher

isSemantic. (2022). :isSemantic. https://issemantic.net/rdf-visualizer

Lande, D.; Strashnoy, L. (2023). GPT Semantic Networking: A Dream of the Semantic Web–The Time is Now.

Manola, F.; Miller, E.; McBride, B. (2004). RDF primer. W3C recommendation, 10(1-107), 6.

Meyer, L.P.; Stadler, C.; Frey, J.; Radtke, N.; Junghanns, K.; Meissner, R.; Martin, M. (2023, June). Llm-assisted knowledge graph engineering: Experiments with chatgpt. In Working conference on Artificial Intelligence Development for a Resilient and Sustainable Tomorrow (pp. 103-115). Wiesbaden: Springer Fachmedien Wiesbaden.

Mihindukulasooriya, N.; Tiwari, S.; Enguix, C.F.; Lata, K. (2023, October). Text2kgbench: A benchmark for ontology-driven knowledge graph generation from text. In International Semantic Web Conference (pp. 247-265). Cham: Springer Nature Switzerland.

Mountantonakis, M.; Tzitzikas, Y. (2023). ChatGPT Responses Validation through Knowledge Graphs. ERCIM News, 2023(134).

Mountantonakis, M.; Tzitzikas, Y. (2023). Real-Time Validation of ChatGPT facts using RDF Knowledge Graphs. ISWC Demo Paper.

Nejdl, W.; Wolpers, M.; Capelle, C.; Wissensverarbeitung, R. (2000). The RDF schema specification revisited. In Modelle und Modellierungssprachen in Informatik und Wirtschaftsinformatik, Modellierung 2000.

Norouzi, S.S.; Mahdavinejad, M.S.; Hitzler, P. (2023). Conversational ontology alignment with chatgpt. arXiv preprint arXiv:2308.09217.

OpenAI. (2024). ChatGPT4o (May 31 version) [Large language model].

Saeed, A.; Dhanda, N.; Rao, A.S.; Verma, R. (2024, March). AI-Enabled Semantic Web. In 2024 2nd International Conference on Disruptive Technologies (ICDT) (pp. 1136-1141). IEEE.

Sisaengsuwanchai, K.; Nananukul, N.; Kejriwal, M. (2023). How does prompt engineering affect ChatGPT performance on unsupervised entity resolution?. arXiv preprint arXiv:2310.06174.

W3C. (2024). RDF Validation Service. https://www.w3.org/RDF/Validator/

Xian, W.; Guomin, C.; Arya, V.; Chui, K.T. (2024). Examining the Influence of AI Chatbots on Semantic Web-Based Global Information Management in Various Industries. International Journal on Semantic Web and Information Systems (IJSWIS), 20(1), 1-14.

Zheng, Y.; Seppänen, O.; Seiß, S.; Melzner, J. (2023). Chapter Testing ChatGPT-Aided SPARQL Generation for Semantic Construction Information Retrieval.

Downloads

Actions (login required)

View Item