Ontologia de LinkedIn : El primer pas per inferir informació a partir de les ofertes de feina

Amb aquest treball de final de carrera de la titulació d'enginyeria tècnica en informàtica de gestió es pretén fer una primera aproximació al món de l'anàlisi semàntic de webs. Consisteix, per una banda, en la creació d'una ontologia per emmagatzemar informació provinent de la web de LinkedIn de manera que després pugui ser analitzada i permeti filtrar les dades de manera pràctica evitant l'excés d'informació no útil. Per altra banda, el treball inclou el desenvolupament d'una aplicació per a l'obtenció de la informació de la web de LinkedIn de manera automàtica, i un mètode per a la importació a l'ontologia creada.

Ontologia del LinkedIn : Primer pas per inferir informació a partir de les ofertes de feina

El cas que ens ocupa és la xarxa social LinkedIn. La quantitat d'ofertes i demandes de feina fan a vegades difícil extreure'n la informació necessària. Es vol crear una ontologia per tal de nodrir les dades presents en la web LinkedIn amb informació semàntica. Mitjançant el programari Protégé es pretén crear aquesta ontologia i, mitjançant les API que ofereix LinkedIn, un mitjà per inferir informació respecte a les ofertes i demandes de feina.

Temporalidad finita y diferencia ontológica

Este trabaio se propone esclarecer la tensión entre el momento finitista y el momentoontológico en la doctina del primer Heidegger. Constata que la finitud expresa la referencia recíproca del ser v el ente en la diferencia ontológica, ayudando a unificar los modos alternativos (el én-cubrimiento y el des-en-ubrimiento) de la verdad. Así revoca una bifurcación que la propia finitud propiciaba. La unidad de la verdad y la no-verdad, en suma, parece descansar sobre la eventualidad de una «nada» liberada de la onticidad. Por otra parte, la finitud y el ontologismo solicitan una metodología basada en la «circularidad». La fundamentación del ente por el ser no se encuentra en condiciones de excluir la

Informed recommender: basing recommendations on consumer product reviews

Recommender systems attempt to predict items in which a user might be interested, given some information about the user's and items' profiles. Most existing recommender systems use content-based or collaborative filtering methods or hybrid methods that combine both techniques (see the sidebar for more details). We created Informed Recommender to address the problem of using consumer opinion about products, expressed online in free-form text, to generate product recommendations. Informed recommender uses prioritized consumer product reviews to make recommendations. Using text-mining techniques, it maps each piece of each review comment automatically into an ontology