AGENTES DE INFORMACIÓN
Daniela Ramírez Chaves A34206
Leonel Salazar Valverde A55165
1
AGENDA










Introducción
Objetivos de los agentes de información
Funciones de los agentes de información
Agentes de información personal
Agentes Web
Agentes de filtrado y minería de datos Web
Agentes de recuperación de información
Agentes de personalización de información
Conclusiones
Referencias bibliográficas
2
INTRODUCCIÓN
La existencia de amplias fuentes de
información distribuida y semi-estructurada,
tales como la Web, poseen un gran potencial,
pero presentan problemas como la sobrecarga
de información. [1]
 Los agentes inteligentes se han propuesto
como una solución a este problema. [1]

3
INTRODUCCIÓN (2)
Un agente de información es un agente inteligente
que tiene acceso a muchas posibles fuentes de
información o al menos una. [1]
 Un agente de información es capaz de combinar y
manipular esta información para contestar a
consultas de usuarios y de otros agentes de
información. [1]
 Las fuentes de información pueden tener
cualquier forma, desde bases de datos hasta otros
agentes de información. [1]

4
OBJETIVOS DE LOS AGENTES DE INFORMACIÓN

Los objetivos de los agentes de información se
pueden resumir en dos:
 Disminuir
la sobrecarga de información para los
usuarios. [1]
 Proveer a los usuarios un valor agregado sobre la
información que consumen. [1][2]
5
FUNCIONES DE LOS AGENTES DE INFORMACIÓN

Diversos autores proponen distintas funciones
para los agentes de información, entre ellas
destacan:
 Agentes
de información personal
 Agentes Web
 Agentes de filtrado y minería de datos Web
 Agentes de recuperación de información
 Agentes de personalización de información
6
AGENTES DE INFORMACIÓN PERSONAL
Este tipo de agente de información convive con
su usuario y aprende de él, ya sea
observándolo o por medio de reglas que el
usuario le da.
 Un ejemplo concreto es el software MAXIMS
creado por Pattie Maes del MIT en 1994.
 MAXIMS es un agente que “ve por encima del
hombro del usuario”[1].

7
AGENTES DE INFORMACIÓN PERSONAL (2)
MAXIMS observa como el usuario interactúa con
sus emails, y con ello aprende reglas de la forma:
situación -> acción.
 El agente aprende a borrar correos, ignorarlos o
darles prioridad automáticamente basado en lo
que eligió el usuario en el pasado.
 Entre los factores que el agente toma en cuenta
están: quien envió el email, quienes son los
destinatarios, el asunto del email y las palabras
clave del email. [1]

8
AGENTES DE INFORMACIÓN PERSONAL (3)
MAXIMS actúa en comunidad también. Cuando
llega un correo del que no tiene conocimiento
previo, le consulta a otros agentes de la oficina.
 Esto originó el filtrado colaborativo, en vez de
que el agente aprenda todo únicamente de las
preferencias de sus usuarios, aprende de otros
agentes, reaccionando mejor a situaciones
desconocidas [3].

9
AGENTES WEB
Se piensa que los siguientes son algunos tipos de
agentes de información que podrían emerger de la
Web:
 Agentes guías: son agentes que aprenderían de
las preferencias del usuario (tal como MAXIMS) y
le sugerirían a donde ir luego, mientras el usuario
navega por Internet.
 Agentes indexadores: son agentes que proveerían
una capa extra por encima de los motores de
búsqueda, utilizarían las metas y preferencias del
usuario para proveer un servicio personalizado. [1]

10
AGENTES WEB (2)
Buscadores de FAQs: la idea de este tipo de
agentes es dirigir a los usuarios a documentos
de tipo FAQ (Preguntas frecuentes) para
responder a preguntas específicas.
 Buscadores de experiencia: son buscadores
que tratan de entender lo que el usuario quiso
decir de manera que puedan encontrar un
mejor servicio proveedor de información. [1]

11
AGENTES DE FILTRADO Y MINERÍA DE DATOS
WEB
La explosión en el incremento de información
disponible para los usuarios del Web ha creado
una oportunidad para que los agentes
inteligentes ayuden a los usuarios a realizar
tareas complejas relacionadas a la Web. [4]
 Según [4] hay 3 enfoques para la construcción
de agentes inteligentes para el Web.

12
AGENTES DE FILTRADO Y MINERÍA DE DATOS
WEB (2)
1.
2.
3.
Integración de agentes inteligentes en los
motores de búsqueda: El agente utilizaría reglas
predefinidas con las cuales tomaría decisiones
para filtrar la información.
Con base a reglas: se requiere un ingeniero de
conocimiento que recoja las reglas y
conocimientos que se le dan al agente respecto a
la aplicación.
Por entrenamiento: se entrena al agente para
que aprenda las preferencias y acciones del
usuario. [4]
13
AGENTES DE FILTRADO Y MINERÍA DE DATOS
WEB (3)


[4] presenta una investigación en la cual
utiliza agentes inteligentes para recuperar
información de la web.
Su enfoque se basa en combinar los agentes
inteligentes con algoritmos genéticos y lógica
difusa para filtrar los resultados de una
consulta obtenidos de un conjuntos de
motores de búsqueda.
14
AGENTES DE FILTRADO Y MINERÍA DE DATOS
WEB (4)



Primero divide la consulta en palabras clave
que los motores de búsqueda comprendan.
Luego toma los primeros 600 resultados de
cada motor y los agrupa como una población
para el algoritmo genético.
Con lógica difusa evalúa que tan relevante es
cada página según la frecuencia y posición de
las palabras clave y la cantidad de links de la
página.
15
AGENTES DE FILTRADO Y MINERÍA DE DATOS
WEB (5)



Como en todo algoritmo genético recombina a la
población y realiza mutaciones para crear la
población de la siguiente generación,
favoreciendo a los mejores resultados para que
tengan mayor probabilidad de sobrevivir.
Cuando obtiene un conjunto satisfactorio de
resultados o se crearon un máximo de 200
generaciones, el algoritmo se detiene.
Finalmente, se le muestran al usuario los
resultados.
16
AGENTES DE FILTRADO Y MINERÍA DE DATOS
WEB (6)


Los resultados de las simulaciones mostraron
que para los usuarios de prueba, en el 70% de
las ocasiones los resultados entregados por
este enfoque fueron muy satisfactorios.
Este enfoque provee a los usuarios de un valor
agregado al darles más resultados relevantes
y reducir considerablemente la cantidad de
enlaces que el usuario debe revisar (a 200 o
menos).
17
AGENTES DE RECUPERACIÓN DE INFORMACIÓN
Usualmente las fuentes de información son
pasivas, solo entregan la información cuando
se les es consultada.
 Por esta razón, un enfoque común para
hacerlas “inteligentes” es dotarlas de
capacidades de agentes.
 Una forma de ver este tipo de sistemas es la
Figura 1

18
AGENTES DE RECUPERACIÓN DE
INFORMACIÓN (2)



En un sistema así, cada
agente es experto en un
repositorio de
información.
Existen agentes
intermedios o brokers.
Los agentes utilizan a los
intermedios para
encontrar a los agentes
de información
adecuados para las
necesidades del usuario.
[1]
Figura 1: Sistema multiagente de
recuperación de información
19
AGENTES DE RECUPERACIÓN DE
INFORMACIÓN (3): MOTOR DE BÚSQUEDA
GENÉRICO





Entregan muchos
resultados de búsqueda.
(Precisión baja)
No brindan una respuesta
inteligente.
Operan sobre grandes
bases de datos realizando
búsquedas sobre
palabras claves.
Ninguna base de datos
cubre toda la Web.
Arañan la Web e indexan
los documentos.
Figura 2: Motor de Búsqueda Genérico [5]
20
AGENTES DE RECUPERACIÓN DE
INFORMACIÓN (4): META MOTOR DE BÚSQUEDA



Envían la solicitud a
diferentes motores de
búsqueda.
Integran los resultados
que entregan estos
motores en una lista.
Mejoran la precisión al
integrar las múltiples
calificaciones dadas por
los diferentes motores
de búsqueda.
Figura 3: Meta Motor de Búsqueda
Genérico [5]
21
AGENTES DE RECUPERACIÓN DE
INFORMACIÓN (5): META MOTOR DE BÚSQUEDA
Mucho tiempo se pierde en las interacciones
HTTP, por lo que la precisión se sacrifica para
dar resultados rápidamente. [5]
 Aún así la precisión es mejor que la de los
motores clásicos. [5]
 Además, de forma trivial maximizan el tiempo
de refrescamiento y, la profundidad y ancho del
arañado de la Web. [5]

22
AGENTES DE RECUPERACIÓN DE
INFORMACIÓN (6): PROPUESTA SISTEMA MULTIAGENTE



Se divide en diferentes
agentes
especializados.
Los agentes
cooperaran entre sí
para llevar a cabo las
tareas.
Tipos Agente:





Agentes Interfaz
Agentes de búsqueda
Agentes de modelo de
usuario.
Agentes actualizadores
de URLs.
Agente maestro
Figura 4: Propuesta de un sistema multiagente para búsquedas inteligentes[5]
23
AGENTES DE RECUPERACIÓN DE
INFORMACIÓN (7)
Agente Maestro: Organiza las solicitudes que
provienen de los agentes interfaz y crea un
plan que debe ser ejecutado por otros agentes.
 Agentes Interfaz: Reciben las solicitudes del
usuario.
 Agentes de búsqueda: Interactúan con los
diferentes motores de búsqueda.

24
AGENTES DE RECUPERACIÓN DE
INFORMACIÓN (8)

Agentes de modelo de usuario:






Procesan los sitios favoritos del usuario y la página de inicio.
Los buenos resultados retornados por las búsquedas realizadas
se almacenan en el modelo de usuario.
El usuario podrá evaluar los resultados de búsqueda lo cual
actualiza el modelo del usuario.
El usuario puede proveer un URL como retroalimentación buena o
mala.
Se crea un modelo de usuario colaborativo tomado de perfiles de
usuarios similares.
Agentes actualizadores de URLs (Daemon):


Actualizan los URL que se encuentran en la base de datos para
que el sistema tenga mayor precisión.
Ingresa información que los agentes de búsqueda retornan.
25
AGENTES DE PERSONALIZACIÓN DE
INFORMACIÓN
Un sistema de personalización de información
es aquel que personaliza la información a las
necesidades e intereses de su usuarios.
 Funcionan proactivamente al continuamente
buscar recursos apropiados, analizar y
comparar contenido, seleccionar información
relevante y finalmente, presentarla de forma
visual en un formato limpio al usuario. [2]

26
AGENTES DE PERSONALIZACIÓN DE
INFORMACIÓN (2)
Un ejemplo de problema que se puede resolver
con un sistema de personalización de información
es el de consejería académica por medio de
software.
 La consejería como tal, busca:

Guiar a los estudiantes en los requerimientos
educativos de la Universidad.
 Dar asistencia para crear horarios con los cursos más
apropiados
 Dar asistencia en el desarrollo de la carrera

27
AGENTES DE PERSONALIZACIÓN DE
INFORMACIÓN (3)
 Dar
asistencia a los estudiantes en terminar su
carrera a tiempo.
 Ayudar a los estudiantes a encontrar maneras en
que su experiencia educativa sea personalmente
relevante [2].

Entre los recursos que se requieren para
realizar esta consejería están:
 Los
intereses del estudiante (que pueden cambiar
frecuentemente)
28
AGENTES DE PERSONALIZACIÓN DE
INFORMACIÓN (4)
 Los
cursos que ya el estudiante cursó.
 Los cursos ofrecidos en el semestre (también
cambian frecuentemente)
 Experiencia
 Detalles
y reglamentaciones respectivas a los cursos,
programas y currículos (cambia poco)
 Conocimientos de un experto humano (heurísticas,
estrategias, meta-conocimiento)
 Se gana a través de un proceso de aprendizaje.
29
AGENTES DE PERSONALIZACIÓN DE
INFORMACIÓN (5)

Los recursos necesarios son dinámicos y
pueden estar distribuidos:
 El
contenido puede cambiar: ocurre
frecuentemente, a principio de semestre algunos
cursos ofrecidos se cierran y se abren otros
nuevos. Los perfiles de los estudiantes también
cambian de acuerdo a las notas obtenidas en el
semestre anterior. Asimismo, sus intereses por
cursos cambian al desear matricular con amigos.
30
AGENTES DE PERSONALIZACIÓN DE
INFORMACIÓN (6)
 La
forma y estructura puede cambiar: pueden estar
contenidos en un agente inteligente, un sitio Web,
una base de datos, un sistema legado, etc.
 La ubicación puede cambiar: Los recursos
existentes pueden ser movidos y otros se pueden
agregar.
31
AGENTES DE PERSONALIZACIÓN DE
INFORMACIÓN (7)

Dadas estas condiciones, un sistema multi-agente
de personalización de información ofrece las
siguientes ventajas:
Reducción del alcance de los cambios: no es necesario
cambiar todo el sistema, solo al agente afectado.
 Fácil incorporación de nuevos recursos: solo un agente
se necesita por cada nuevo recurso.
 Fácil extensión y mejoramiento del sistema: cuando se
identifica un nuevo recurso se identifica, se envuelve
con un agente apropiado.

32
AGENTES DE PERSONALIZACIÓN DE
INFORMACIÓN (8)


En [2] se experimenta con la implementación de
MASACAD, un sistema que aconseja a los estudiantes
respecto a que cursos deben llevar durante el semestre.
Su arquitectura se puede ver en la Figura 5
Figura 5: Arquitectura de MASACAD [5]
33
AGENTES DE PERSONALIZACIÓN DE
INFORMACIÓN (9)
El experimento se realizó con 20 estudiantes, de
los cuales 15 llevaron todos los cursos
aconsejados por el sistema multi-agente.
 Los otros 5 estudiantes cambiaron parte de su
selección debido a diversas razones, no por un
mal consejo del sistema.
 De acuerdo a [2], MASACAD demuestra la
factibilidad de usar un sistema multi-agente para
proveer información personalizada y con valor
agregado para el usuario.

34
CONCLUSIONES
El valor principal de un agente de información es
elegir de manera inteligente, de acuerdo al perfil
del usuario, la información que puede ser
relevante para el mismo.
 Es muy deseable que el agente de información
sea proactivo y entregue al usuario la información
que puede requerir en una situación dada, aún
antes de que la haya solicitado.
 Hay muchas posiciones respecto a lo que puede
hacer un agente de información.

35
CONCLUSIONES (2)
La principal tendencia es hacia reducir la
sobrecarga de información al filtrar los
resultados entregados por múltiples motores
de búsqueda.
 Dependiendo del tipo y tamaño del problema,
los agentes de información pueden ser
colaborativos o no.

36
REFERENCIAS BIBLIOGRÁFICAS
[1] Woolridge, Michael. An Introduction to
Multiagent Systems. John Wiley & Sons, Ltd.
2002
 [2] Sugumaran, Vijayan . Intelligent Information
Technologies and Applications. IGI Global. 2008.
 [3] Holloway, Margaret. Pattie. Wired Magazine.
URL:
http://www.wired.com/wired/archive/5.12/maes_
pr.html. Visitado el 30 de octubre, 2010.

37
REFERENCIAS BIBLIOGRÁFICAS (2)
[4] Mohammadian, Masoud. Intelligent Agents
for Data Mining and Information Retrieval. IGI
Global. 2004.
 [5] Müller, Martin E. An Intelligent Multi-Agent
Architecture for Information Retrieval from the
Internet. URL:
http://citeseerx.ist.psu.edu/viewdoc/download
?doi=10.1.1.44.4174&rep=rep1&type=pdf

38
Descargar

Agentes de información