Pular para o conteúdo principal

NIMA - Projeto de Desenvolvimento do BioBD

O laboratório BioBD tem diversos projetos de desenvolvimento integrando alunos de graduação e pós graduação. 

Um desses projetos, onde estou alocada desde janeiro de 2020 junto com a aluna Mariana Salgueiro, trata do desenvolvimento de uma ferramenta que visa atender uma demanda do reitor da PUC-Rio ao NIMA (Núcleo Integrado de Meio Ambiente). Este projeto envolve as áreas de bancos de dados, recuperação de informações, web semântica e engenharia de software. 

A ferramenta Busc@NIMA visa identificar pesquisadores da PUC-Rio cujos trabalhos de pesquisa, docência e/ou desenvolvimento envolvam a temática do meio ambiente. Através dessa ferramenta será possível divulgar as atividades de professores, alunos e funcionários nesta área para a sociedade em geral, considerando o especial interesse de outros pesquisadores assim como jornalistas. 

A ideia básica consiste em indexar informações dos websites dos professores, informações do SAU online sobre disciplinas oferecidas, e também dos CV lattes da comunidade PUC-Rio e oferecer nomes e links de contato de professores, funcionários e alunos que estejam envolvidos com o tema, facilitando as buscas por parte da imprensa e do público em geral. A ferramenta será disponibilizada via Web para acesso através do browser a partir do site institucional do NIMA. 

Dentro desse projeto exploramos o uso do TripleStore Allegro e da ferramenta de ETL Linked Pipes para integração de dados de diversas fontes. 

Esse projeto será documentado de acordo com os artefatos de Engenharia de Software para atender ao requisitos da disciplina INF2102 - Projeto Final de Programação.

Para saber mais sobre o projeto vc pode acessar a apresentação nesse link busc@nima



Marcadores

Marcadores:

Comentários

  1. Veronica dos Santos4 de janeiro de 2021 às 14:45

    Em 02/12/2020 o busc@NIMA foi lançado ao público em caráter experimental. A notícia está no site do NIMA

    http://www.nima.puc-rio.br/

    Para acessar o sistema basta entrar na URL https://nima.biobd.inf.puc-rio.br/

    ResponderExcluir

Postar um comentário

Sinta-se a vontade para comentar. Críticas construtivas são sempre bem vindas.

Postagens mais visitadas deste blog

Connected Papers: Uma abordagem alternativa para revisão da literatura

Durante um projeto de pesquisa podemos encontrar um artigo que nos identificamos em termos de problema de pesquisa e também de solução. Então surge a vontade de saber como essa área de pesquisa se desenvolveu até chegar a esse ponto ou quais desdobramentos ocorreram a partir dessa solução proposta para identificar o estado da arte nesse tema. Podemos seguir duas abordagens:  realizar uma revisão sistemática usando palavras chaves que melhor caracterizam o tema em bibliotecas digitais de referência para encontrar artigos relacionados ou realizar snowballing ancorado nesse artigo que identificamos previamente, explorando os artigos citados (backward) ou os artigos que o citam (forward)  Mas a ferramenta Connected Papers propõe uma abordagem alternativa para essa busca. O problema inicial é dado um artigo de interesse, precisamos encontrar outros artigos relacionados de "certa forma". Find different methods and approaches to the same subject Track down the state of the art rese...
3 comentários
Leia mais

Aula 12: WordNet | Introdução à Linguagem de Programação Python *** com NLTK

 Fonte -> https://youtu.be/0OCq31jQ9E4 A WordNet do Brasil -> http://www.nilc.icmc.usp.br/wordnetbr/ NLTK  synsets = dada uma palavra acha todos os significados, pode informar a língua e a classe gramatical da palavra (substantivo, verbo, advérbio) from nltk.corpus import wordnet as wn wordnet.synset(xxxxxx).definition() = descrição do significado É possível extrair hipernimia, hiponimia, antonimos e os lemas (diferentes palavras/expressões com o mesmo significado) formando uma REDE LEXICAL. Com isso é possível calcular a distância entre 2 synset dentro do grafo.  Veja trecho de código abaixo: texto = 'útil' print('NOUN:', wordnet.synsets(texto, lang='por', pos=wordnet.NOUN)) texto = 'útil' print('ADJ:', wordnet.synsets(texto, lang='por', pos=wordnet.ADJ)) print(wordnet.synset('handy.s.01').definition()) texto = 'computador' for synset in wn.synsets(texto, lang='por', pos=wn.NOUN):     print('DEF:',s...
2 comentários
Leia mais

Embedding Logical Queries on Knowledge Graphs - Leitura de Artigo

William L. Hamilton, Payal Bajaj, Marinka Zitnik, Dan Jurafsky, Jure Leskovec: Embedding Logical Queries on Knowledge Graphs . NeurIPS 2018: 2030-2041 Abstract Learning low-dimensional embeddings of knowledge graphs is a powerful approach used to predict unobserved or missing edges between entities. However, an open challenge in this area is developing techniques that can go beyond simple edge prediction and handle more complex logical queries, which might involve multiple unobserved edges, entities, and variables. [ Link Prediction é a tarefa mais comum em GRL, é uma query do tipo <s, p, ?o> ou <s, ?p, o> ou <?s, p, o>, ou seja, Look up ou Existe <s, p, o> (ASK) ] For instance, given an incomplete biological knowledge graph, we might want to predict what drugs are likely to target proteins involved with both diseases X and Y? —a query that requires reasoning about all possible proteins that might interact with diseases X and Y. [ Query conjuntiva, BGP com join ...
Postar um comentário
Leia mais