Modelado Semántico de Emergencias del ECU 911 con NLP y Ontologías

Resumen

Este estudio propone un marco híbrido novedoso para la representación del conocimiento en emergencias, integrando procesamiento del lenguaje natural (PLN), ontologías OWL y reglas SWRL para procesar datos no estructurados del Servicio de Seguridad Integrado de Ecuador (ECU 911). La principal aportación radica en la combinación única de modelos avanzados de PLN como BERT para reconocimiento de entidades nombradas y XLM-RoBERTa para clasificación semántica sin entrenamiento previo, con un modelo ontológico formalmente validado desarrollado en Protégé y una implementación lógica paralela en Prolog utilizando el paradigma objeto-atributo-valor. A diferencia de trabajos anteriores, este enfoque aborda específicamente el reto de transformar las transcripciones crudas de llamadas de emergencia en conocimiento accionable mediante: (1) la automatización de la extracción de entidades (localizaciones, personas) y la categorización semántica de incidentes, (2) la generación de reglas de decisión interpretables a través de árboles de decisión y (3) la habilitación de la interoperabilidad entre paradigmas mediante motores de inferencia sincronizados en OWL/SWRL y Prolog. La validación experimental con consultas SPARQL/SQWRL y el razonador Pellet demostró una precisión del 96.7 % en la inferencia de prioridades de emergencia, como emergencias médicas, superando a métodos independientes basados en PLN o en ontologías. Este trabajo avanza en la inteligencia artificial semántica para la respuesta ante emergencias, al unir el análisis de textos no estructurados con el razonamiento formal, ofreciendo una solución escalable para el apoyo a la toma de decisiones en escenarios críticos.