Despues de la lectura del segundo capítulo los documentos y su estructura se presenta a ustedes un breve resumen de este articulo
Una de las
formas de expresar el conocimiento es a través de documentos que tengan
texto que permiten expresar un conocimiento y tienen un estilo de
presentación.
Esto se
conoce como estructura existen unos metadatos que son un conjunto de
datos que describen el documento de texto y a veces se representan con
lenguajes de marcado.
La estructura
de los documentos se puede definir como un orden que permite realizar
una clasificación en estructurados semiestructurados y no estructurados.
En los documentos no estructurados
la información no puede ser dividida o clasificada mostrando una
estructura, titulo, resumen etc., funciona como un único dato, puesto
que no encuentra diferenciación en su contenido, por tanto es necesario
transformarlo para extraer la información de manera rápida y precisa.
En cuanto a los documentos semiestructrados
se agrega una marca al documento que es un dato adicional, como una
etiqueta que permite delimitar el texto sin embargo estos documentos
siguen siendo flexibles.
Los metadatos son “los datos de los datos”, por ejemplo los índices, fichas de catalogo y resúmenes pueden considerarse todo metadatos.
Que a su vez responden a una funcionalidad, contexto y generador
(interlocutor). Para los cuales se generan cada vez más estándares como
XML para crear y compartir datos.
Se han
generado muchas formas de clasificar los metadatos sin embargo hay dos
muy acertadas, los semánticos que son producto de la información que
contiene el documento, y los metadatos descriptivos que son los de
Indización diferentes al documento.
Las marcas
ayudan a describir la información y son herramientas fundamentales para
la estructuración de documentos el lenguaje de marcación más popular que
es HTML.
El objetivo
de conocer la estructura de los documentos, el uso de metadatos y las
diferentes formas de realizar marcaciones facilitaran la búsqueda de
información en los documentos de texto, para disponer de la información
con inmediatez y que sea útil se puede realiza de dos formas recuperar
(IR) y extraer información (IE), en el primero se entregan los
documentos relevantes y en el segundo se evidencian las características o
metadatos de los documentos.