Taxonomía y Ontología

Representación formal de la taxonomía y ontología del conocimiento estructurado en JSON para el agente llm en la Facultad de Energías de la UNL relacionado al contexto de localización en interiores. Contextualización del conocimiento La información que alimenta al agente llm se estructura jerárquicamente en un archivo JSON diseñado para representar el entorno físico, académico y administrativo del edificio 2 de la Facultad de Energías Renovables y Recursos Naturales de la Universidad Nacional de Loja (UNL). Esta representación contempla desde la universidad hasta los espacios interiores, como aulas y laboratorios, incluyendo propiedades como ubicación relativa, equipamiento, responsables y horarios. Para asegurar coherencia semántica, se define una taxonomía jerárquica y una ontología de relaciones que permitan inferencia lógica y recuperación eficiente del conocimiento en sistemas RAG. La ontología se ha definido clásicamente como una «especificación formal y explícita de una conceptualización compartida». En otras palabras, una ontología es un modelo formal que describe los conceptos (clases), sus propiedades y las relaciones entre ellos en un dominio, permitiendo razonar sobre esas entidades. Por su parte, la taxonomía constituye un sistema de clasificación jerárquica de conceptos, típicamente limitado a relaciones de tipo «es-un» (clase/subclase). En la práctica de ingeniería del conocimiento, las taxonomías representan formas “débilmente semánticas” de organizar información, mientras que las ontologías añaden relaciones más complejas y axiomas adicionales [1]. Taxonomía jerárquica del dominio La taxonomía define los niveles de clasificación estructurada del conocimiento 1 tal como se representa en el JSON: • Universidad o Facultad ▪ Bloque • Piso o Espacio (Aula, Laboratorio, Oficina, Sala, Baño) ▪ Detalles del espacio (algunas opcionales dependiendo del espacio): • Nombre • Tipo • Capacidad • Equipamiento • Responsable • Horario • Ubicación relativa 1 Taxonomía vs Ontología Esta estructura refleja la organización física real del edificio y permite un acceso ordenado a los datos dentro del modelo JSON, favoreciendo la localización contextual durante la recuperación de información. Ontología del dominio La ontología define las relaciones semánticas entre entidades del dominio, más allá de su ubicación jerárquica 2 . A continuación, se presentan las clases, propiedades y relaciones definidas: Clases principales: • Universidad • Facultad • Bloque • Piso • Espacio (con subclases: Aula, Laboratorio, Oficina, Sala, Baño) • Persona (roles: Docente, Técnico, Responsable) • Horario • Recurso (equipamiento) • Ubicación relativa Relaciones semánticas definidas: Tabla I. Ontología sugerida. Relación Dominio Rango Descripción PerteneceAFacultad Bloque Facultad Un bloque está asignado a una facultad específica. UbicadoEnPiso Espacio Piso Un aula o laboratorio está físicamente ubicado en un piso determinado. Responsable Persona Espacio Un docente o técnico tiene responsabilidad sobre un espacio determinado. TieneEquipamiento Espacio Recurso Un espacio cuenta con determinados recursos o equipamiento. TieneHorarioAcceso Espacio Horario Un espacio tiene un horario de disponibilidad o uso. TieneCapacidad Espacio Número Un espacio tiene una capacidad máxima definida. DirecciónRelativa Espacio Ubicación Describe la posición física del espacio respecto a un punto de referencia. AsignadoACarrera Bloque Carrera Un bloque puede tener asignación académica a una o más carreras. 2 Taxonomía vs Ontología Estas relaciones formalizan el conocimiento y habilitan inferencias útiles para consultas indirectas, como: “¿Qué aulas con aire acondicionado están junto a las escaleras?”, o “¿Qué laboratorios gestiona el Dr. Carlos Mendez?”. Ejemplo aplicado de integración semántica en JSON (datos simulados) Figura 1. Contenido simulado del json como ejemplo. Este ejemplo demuestra cómo pueden integrarse las relaciones semánticas directamente en la estructura del JSON, facilitando la recuperación aumentada mediante técnicas RAG y mejorando el rendimiento de modelos como Mistral-7B-Instruct-Q4. La representación mediante ontología aporta valor adicional al sistema de recuperación, permitiendo que el modelo Mistral-7B-Instruct-Q4 no solo extraiga datos exactos, sino que razone con base en relaciones como “responsableDe”, “tieneEquipamiento” o “ubicadoEnPiso”. Esto lo hace apto para responder consultas flexibles y de lenguaje natural, superando el enfoque de pregunta-respuesta exacta. La ontología no reemplaza al JSON, sino que lo complementa con una capa semántica útil para el razonamiento, adaptándose a las capacidades contextuales del modelo. Bibliografía [1] E. and M. National Academies of Sciences, Ontologies in the behavioral sciences: Accelerating research and the spread of knowledge. Washington, DC: The National Academies Press, 2022. doi: 10.17226/26755.