Extensión del concepto de Percepción Computacional utilizando Z-numbers Patricia Conde-Clemente , Jose M. Alonso , Gracian Trivino European Centre for Soft Computing Gonzalo Gutiérrez Quirós s/n, 33600 Mieres, Asturias, Spain, {patricia.conde,jose.alonso,gracian.trivino}@softcomputing.es Resumen Para que las descripciones lingüísticas generadas automáticamente sean útiles, éstas deben ser fia- bles. Los seres humanos utilizamos expresiones que reflejan nuestro grado de confianza en los datos que manejamos. En este artículo, extende- mos nuestro modelo lingüístico granular incor- porando el concepto de Z-numbers introducido por Zadeh en 2011. De esta forma cada percep- ción computacional puede ir acompañada de un grado de confianza relativo a la fiabilidad de los datos que representa. Para ilustrar el uso del nue- vo modelo, hemos realizado un experimento que genera descripciones lingüísticas sobre la veloci- dad de los autobuses urbanos de Gijón. Palabras Clave: Descripciones Lingüísticas de datos, Computación con Percepciones, Fiabili- dad. 1 INTRODUCCIÓN Las descripciones lingüísticas de fenómenos complejos, son expresiones en lenguaje natural construidas a partir de conjuntos de datos numéricos. Estas descripciones, facili- tan el trabajo y hacen más comprensible la información pa- ra las personas. En este campo, podemos encontrar varios ejemplos de resúmenes lingüísticos: de datos médicos que se generan utilizando ontologías y gramáticas para la ge- neración de lenguaje natural [6], de datos acerca de series temporales que se generan a partir de proposiciones cuanti- ficadas [4], o de datos sobre predicciones del tiempo que se generan a partir de plantillas para la generación de lenguaje natural [7]. El elemento central de nuestra línea de investigación pa- ra la generación de descripciones lingüísticas de datos es el Modelo Lingüístico Granular de Fenómenos Complejos (GLMP por sus siglas en inglés Granular Linguistic Model of Phenomena), basado en la Teoría Computacio- nal de Percepciones de Zadeh [9, 10]. Esta teoría ofrece un entorno de trabajo para implementar sistemas con capaci- dad de manejar el significado de las expresiones en lengua- je natural, i.e. con la capacidad de trabajar con descripcio- nes imprecisas de forma similar a como lo hacen los hu- manos [8, 11]. Nuestro grupo de investigación ha realizado descripciones lingüísticas de fenómenos tan variadas como por ejemplo: la evolución del tráfico [5], el análisis de la marcha humana [2], o descripciones sobre la belleza de las estrellas dobles [3]. Zadeh [12] presentó en 2011 el concepto de Z-numbers para cuantificar el grado de fiabilidad de la información que recibe y maneja una persona. Para que la información sea útil debe tratarse de manera adecuada. Sin embargo, en muchas ocasiones trabajamos con datos imprecisos y no podemos valorar la fiabilidad de la información deri- vada/extraída de ellos. Por ejemplo, si consideramos que la temperatura normal de una persona está dentro de un rango [36.1, 37.4] grados centígrados y una persona tiene 36.5 ◦ ¿Podemos afirmar que no tiene fiebre con un 100 % de con- fianza? Aparentemente sí, pero esta respuesta puede cam- biar si el termómetro utilizado puede cometer un error de hasta 1 ◦ centígrado. En este caso, la temperatura de la per- sona sería 36.5 ± 1 ◦ y deberíamos cuantificar la fiabilidad de la información para hacerla realmente útil. La principal contribución de este artículo es incorporar a nuestro GLMP el concepto de Z-numbers. El objetivo es enriquecer el GLMP con descripciones lingüísticas que aporten información sobre la fiabilidad de los datos. He- mos ilustrado la utilidad de nuestra propuesta con un caso práctico: la generación de descripciones lingüísticas sobre la velocidad de los autobuses de Gijón. El resto del artículo se ha estructurado de la siguiente forma. La Sección 2 introduce el modelo GLMP y los Z-numbers. En la Sección 3 se describe la extensión del GLMP. La Sección 4 muestra un caso de uso y la Sección 5 expone las conclusiones y el trabajo futuro. ESTYLF 2014 XVII CONGRESO ESPAÑOL SOBRE TECNOLOGÍAS Y LÓGICA FUZZY - 387 -