Interfaz gráfica de construcción de wrappers para la extracción de información de páginas web

Abstract

La tan nombrada era de la información nos ha traído una gran variedad de información “online”. Navegando un poco por la web podemos obtener listados telefónicos , la cartelera de cine de este fin de semana, los horarios de salida de las aerolíneas, el horario de las asignaturas que se van a cursar el próximo cuatrimestre o los resultados de la última jornada de nuestro deporte favorito. En definitiva, cantidades ingentes de información que supera la capacidad de una persona para obtener información útil de manera fácil y rápida si no se tiene identificada una fuente concreta. Como en su origen fue ideada, esa información está dirigida principalmente para el consumo humano. Es precisamente ese enfoque el que dificulta el procesamiento automático de dicha información por parte de programas informáticos. Durante años la comunidad dedicada a la inteligencia artificial ha respondido al este desafío desarrollando sistemas conocidos como agentes de software (software agents). En este proyecto nos vamos a centrar en un tipo específico de estos agentes: aquellos que utilizan la información como una herramienta para obtener información. El objetivo de este trabajo es que el usuario comunique al sistema “que” quiere y el sistema use esa meta información para cumplir con la tarea encomendada. Estas tecnologías se desarrollan en al ámbito de la extracción de la información (information extraction, IE), centrándose esta memoria en la obtención de dicha información de documentos semiestructurados mediante wrappers.