INFERÊNCIAS SEMÂNTICAS NA RECUPERAÇÃO DE INFORMAÇÕES PARA APLICAÇÕES HIPERMÍDIA - Leitura de Dissertação II

Continuação

Referência DOI:  https://doi.org/10.17771/PUCRio.acad.4043

Mapeamento de Pesos

O  algoritmo  de  propagação  de  ativação  possui  como  entrada  principal  um grafo  ou  uma  rede  conceitual  relativa  a  um  domínio.

Cada aresta do grafo de instâncias passa a ter não só um  rótulo  simbólico  como  também  um  peso  numérico  associado.  A  idéia  é transformar o grafo de instâncias numa rede híbrida onde as arestas são ao mesmo tempo simbólicas e sub-simbólicas.

Mapeamento de Pesos é o nome utilizado nesta dissertação para o processo de  se  obter  um  peso  numérico  (um  número  real)  para  uma  aresta  de  um  grafo simbólico.  Isso  torna  possível  transformar  um  grafo  simbólico  num  grafo  sub-simbólico, ou até mesmo num grafo híbrido.

A  idéia  por  trás  do  mapeamento  de  pesos  é  tentar  inferir  essa  força  dos relacionamentos  entre  duas  instâncias  de  conceitos  através  da  análise  do  grafo simbólico   das   instâncias.   

As  três  medidas utilizadas foram: Agrupamento, Especificidade e Combinação.

Medida Agrupamento
A  primeira  medida  proposta  é  uma  especialização  da  função  de clusterdefinida  em  (Chen  &  Lynch,  1992).  No  trabalho  original  a  função  de cluster  foi utilizada  para  medir  o  grau  de  co-ocorrência  entre  duas  palavras-chave  num conjunto de documentos. Aqui a função foi especializada para o caso de conceitos que se relacionam.

A  idéia  por  trás  da  medida  é  que  conceitos  que  se  relacionam  com  muitos outros conceitos em comum (ou seja, o módulo do conjunto de conceitos com os quais  ambos  os  conceitos  se  relacionam  é  grande)  possuem  uma  similaridade grande.  Outro  ponto  importante  desta  medida  é  que  o  cálculo  da  similaridade  é assimétrico.  As  limitações  referentes  à  utilização  de  coeficientes  de  similaridade simétricos por co-ocorrência como cosseno, Jaccard e Dice já foram mostradas em (Peat  &  Willet,  1991).  (Chen  &  Lynch,  1992)  provou  que  a  utilização  da  função acima  superou  a  utilização  da  função  de  cosseno  (que  é  simétrica)  na  geração automática de thesaurus.

Medida Especificidade
Outra  medida  que  foi  levantada  como  útil  no  processo  de  mapeamento  de pesos  é  similar  à  função  idf  (inverse  domain  frequency)  (Yates  &  Neto,  1999), ....  Essa  função  é  útil  quando  se deseja  dar  a  semântica  de  especificidade  ou  diferenciação  na  relação,  como  em alguns  dos  exemplos  anteriores.  

...  a  freqüência  com  que  um  item aparece  numa  distribuição  tende  a  ser  inversamente  proporcional  ao  seu ranking ou sua importância. A idéia por trás dessa medida é olhar para todas as instâncias existentes de um determinado relacionamento e ver qual o percentual delas possui o conceito em questão como destino da relação.

Medida Combinada
Uma  terceira  abordagem  proposta  foi  a  composição  entre  as  duas  medidas anteriores  num  único  valor  que  determina  o  peso  da  aresta.  Essa  abordagem  é semelhante à utilizada com grande sucesso em Recuperação de Informação para o cálculo  do  peso  da  relação  entre  uma  palavra-chave  e  um  documento.  Essa estratégia é denominada de tf-idf

Primeiramente   ele   é   importado   e transformado  para  um  formato  padrão  interno  que  é  denominado  de  grafo  de instâncias simbólico. O grafo de instâncias híbrido será gerado a partir do grafo de instâncias  simbólico  utilizando  as  medidas  de  mapeamento  de  peso  descritas anteriormente.

Um  nó  possui  diversas  propriedades  além  dos  seus  relacionamentos.  Essas propriedades não estão sendo consideradas diretamente no grafo híbrido proposto (tendo  em  vista  que  até  agora  só  os  relacionamentos  foram  considerados).  Essas propriedades possuem tipicamente valores textuais que podem ser muito úteis. No caso  do  exemplo  referente  ao  modelo  do  domínio  de  pesquisa,  uma  publicação contém  um  atributo  resumo,  que  contém  um  texto  a  respeito  daquela  publicação. Um  nó  do  tipo  área  possui  um  atributo  descrição,  que  contém  um  texto  geral  a respeito   da   área.   Essas   informações   textuais   podem   ser   úteis   para   prover funcionalidades que estejam diretamente ligadas a palavras.

O  grafo  híbrido  aumentado  possui  um  novo  tipo  de  nó,  o  nó  do  tipo Keyword. Esse tipo de nó se relaciona com todos os outros tipos de nós do grafo. As  instâncias  dos  nós  do  tipo Keyword  também  se  relacionam  entre  si.  As instâncias desse novo tipo de nó são todas as palavras que ocorrem nos atributos (considerando-se todas as instâncias de nós do modelo). Será criada uma aresta no grafo  entre  cada  palavra  e  os  respectivos  nós  onde  ela  aparece.  Será  criada também uma aresta na direção contrária, ou seja, do nó para a palavra

Propagação de Ativação Híbrida

O algoritmo de propagação de ativação funciona como um explorador do grafo de conceitos. Ele permite que, dado um conjunto de conceitos iniciais, o usuário possa obter outros conceitos no grafo  que  estão  próximos  dos  conceitos  iniciais.  A  propagação  permite  uma navegação  pelos  conceitos  do  grafo.  As  inferências  ocorrem  naturalmente  no processo de propagação de ativação, uma vez que, é possível atingir nós que não estão, necessariamente, diretamente relacionados aos nós iniciais.  

Para que a exploração desse grafo de conceitos seja feita de maneira que as inferências realmente façam sentido, é necessário que exista uma configuração do algoritmo para o domínio da aplicação em questão.

O valor da ativação do conjunto inicial de nós é dado como parâmetro para o  algoritmo.  Ou  seja,  apesar  de  um  conjunto  de  nós  ser  dado  como  entrada, podem-se   atribuir   pesos   diferentes   aos   nós   iniciais   de   acordo   com   a   sua importância. Esse peso será o valor da ativação inicial. Se nenhum valor inicial for atribuído, o algoritmo considera que  todos os nós possuem o mesmo peso e seus valores de ativação inicial serão iguais a um.

O  grafo  onde  a  ativação  se  propaga  é  um  grafo  híbrido  conforme  descrito anteriormente,   onde   as   arestas   possuem   tanto   rótulos   como   números   reais associados.   Os   algoritmos   clássicos   de   propagação   de   ativação   tipicamente utilizam  um  ou  outro  tipo  de  aresta.  Para  realizar  uma  propagação  híbrida  foi necessário combinar esses dois tipos distintos de informação. A  combinação  escolhida  e  implementada  no  sistema  foi  a  de  se  mapear todas   as   arestas   simbólicas   para   arestas   sub-simbólicas.

Uma  maneira  de  garantir  que  a propagação   ocorra   de   uma   maneira   controlada   é   através   da   utilização   de restrições.  ...
Restrição de tipo de nó (se  o  nó  for  de  um tipo ao qual uma restrição dessa está associada, esse nó é descartado); Restrição  de  tamanho  do  caminho (limitar  a distância  máxima  permitida   entre  um  nó   inicial  e   um  nó   que participa da propagação); Restrição  de Fan-Out (evitar  que  a  ativação  se propague  por  nós  que  se  liguem  a  muitos  outros  nós. Nós  que  se  conectam  a  um  número  de  nós acima desse limite, são descartados); Restrição  de  valor  de  ativação (caminhos com uma ativação muito fraca sejam podados, tornando a execução  do algoritmo mais  rápida); Restrição   de   tamanho   saída (finalizar   a propagação   quando   o   número   de   nós   na   lista   de   resultados ultrapassar um limite mínimo); Restrição de tipo de nó na saída (filtrar os tipos de  nós  permitidos  como resultado  da  propagação); Restrição de nós não triviais (aqueles que não possuem uma relação direta com pelo menos um dos nós iniciais da propagação); Restrição de nós triviais (nós que estejam diretamente   ligados   por   arestas   aos   nós   que   deram   origem   à propagação)

A função de ativação é responsável por calcular o quanto de ativação um nó propaga  para  seus  vizinhos  em  função  da  ativação  que  entra  no  nó.

O algoritmo de propagação de ativação funciona como uma busca no grafo de instâncias. Cada nó é processado no máximo uma vez, assim como cada aresta só pode ser percorrida uma vez.

Arquitetura de Implementação do Sistema

A abordagem adotada no processo de importação dos modelos semânticos é construir adaptadores que transformem um determinado modelo semântico e suas instâncias  para  um  formato  padrão  que  é  utilizado  pelo  sistema.  Esse  formato  é denominado   de   grafo   de   instâncias.   Dessa   maneira   é   possível   deixar   a representação  interna  completamente  desacoplada  do  modelo  de  representação externo.    Para  cada  novo  formato  que  se  deseje  importar,  basta  criar  um  novo adaptador que converta desse formato para o formato padrão do sistema.

Outro fator que faz com que o sistema tenha de ser extremamente flexível é o  fato  de  que  o  algoritmo  de  propagação  de  ativação  deve  poder  funcionar  de maneira  diferente  de  acordo  com  o  domínio  da  aplicação.  É  importante  observar que,  mesmo  num  domínio  de  aplicação  específico,  é  possível  que  tenha  que  se configurar  o  modelo  semântico  diferentemente  de  acordo  com  a  tarefa  que  se deseja   dar   suporte   na  aplicação.   Portanto,   a   configuração   do   algoritmo   de propagação   de   ativação   é   não   só   dependente   de   aplicação,   como   também dependente    da    tarefa    a    ser    realizada    na    aplicação.    Tipicamente,    cada funcionalidade que utiliza o sistema possuirá uma configuração diferente.

O  objetivo  deste  trabalho  é  utilizar  o  sistema  proposto  para  dar  suporte  a aplicações  que  possuam  um  modelo  semântico.  Dessa  maneira  o  sistema  estaria sendo utilizado pelas aplicações com o intuito de prover novas funcionalidades.

Novas Funcionalidades e Análises

As novas funcionalidades são: 1-Busca semântica 2-Sugestão de Relacionamentos 3-Ordenação dos Elementos Relacionados 4-Expansão de consultas

Uma  primeira  proposta  de  busca  semântica  possível  é  a  realização  de consultas  de  proximidade.  Nessas  consultas  procura-se  por  objetos  que  estejam “perto”  de  outros  considerados  relevantes.  (Goldman  et  al.,  1998)  apresenta  um trabalho  muito  interessante  a  respeito  de  buscas  de  proximidade  em  banco  de dados.   Muitas   vezes   essas   consultas   são   denominadas   de   “Find   /   Near”.

Numa  busca tradicional para que um documento seja recuperado, pelo menos uma das palavras presentes na consulta deve ocorrer dentro do mesmo. A abordagem proposta aqui deseja  obter  como  resultado  nós  que  estejam  relacionados  às  palavras-chave expressas  na consulta, independente do fato de elas ocorrerem dentro do mesmo.

Nessa nova busca proposta, as duas primeiras etapas acontecem exatamente como numa busca tradicional. Ou seja, o usuário expressa sua consulta em termo de palavras-chave que são fornecidas a uma máquina de busca tradicional. Nessa máquina  estão  armazenados  todos  os  nós  existentes  na  base  de  conhecimento. Para  cada  nó,  é  criado  um  documento  que  consiste  da  concatenação  de  todos  os atributos  do  nó.  O  resultado  fornecido  pela  máquina  de  busca  é  um  conjunto  de documentos  (nós  da  base  de  conhecimento)  ordenados  de  acordo  com  sua similaridade com a consulta.

Esse  conjunto  de  nós  é  então  fornecido  como  o  conjunto  inicial  de  nós  da propagação  de  ativação.  Além  disso,  a  informação  de  ordenação  dada  pela máquina de busca também é utilizada. Para cada nó, a máquina de busca gera um número  real  que  mede  a  importância  daquele  nó  para  a  consulta.  Esse  valor numérico é utilizado pela propagação de ativação como o valor inicial de ativação do  nó.  Dessa  maneira,  os  nós  que  ficaram  na  frente  no ranking  gerado  pela máquina de busca tradicional terão prioridade na propagação de ativação, uma vez que a exploração se dá a partir dos nós com maior valor de ativação.

Se por exemplo, o  usuário  solicitasse  que  apenas  nós  do  tipo  Professor  fossem  mostrados  como resultado  da  consulta,  o  conjunto  apresentado  como  resultado  da  mesma  seria vazio  (uma  vez  que  no  grafo  de  instâncias  não  existe  nenhum  relacionamento direto  entre  o  nó  “Keyword  Ontologia”  e  algum  nó  do  tipo  Professor).  Se,  no entanto,  analisar-se  a  semântica  do  domínio  de  pesquisa,  parece  intuitivo  que  se um professor possui diversas publicações que contêm uma determinada palavra, é bastante  provável  que  esse  professor  esteja  relacionado  à  palavra  em  questão, apesar desse relacionamento não estar explicitado diretamente no grafo. Portanto, utilizando-se   a   busca   proposta,   a   mesma   poderia   retornar   o   nó   “Professor Schwabe” como resultado para a consulta em questão.

Como o grafo de instâncias híbrido aumentado é utilizado, pode-se obter  como  resultado  da  busca,  nós  do  tipo Keyword.  Isso  significa  que  ao expressar  uma  consulta  através  de  palavras-chave,  o  usuário  pode  obter  outras palavras   que   estão   relacionadas   à   consulta   como   resultado.   Isso   facilita   a navegação do usuário pela base de conhecimento e diminui ainda mais a demanda  cognitiva sobre o mesmo, uma vez que outros termos presentes na base vão sendo sugeridos.

Um fato interessante aconteceu em alguns testes. Algumas vezes, o usuário da  aplicação  achava  que  uma  instância  tinha  sido  recuperada  incorretamente.  No entanto, na maioria das vezes, ao analisar a razão daquele resultado (uma vez que a propagação provê também o caminho pelo qual um nó foi atingido), o usuário se convencia de  que o mesmo estava correto. Essa é uma das principais virtudes do sistema,  visto  que  ele  consegue  justificar  a  razão  pela  qual  cada  instância resultante foi obtida.

A  idéia  por  trás  da  funcionalidade  de  sugestão  de  relacionamentos  é identificar,  para  o  usuário  do  sistema,  possíveis  relacionamentos  que  não  estão explicitados  na  base  de  conhecimento,  mas  que  o  sistema  detectou  que  possuem uma   boa   possibilidade   de   existirem.   Ou   seja,   o   sistema   infere   novos relacionamentos  que  não  existem  diretamente  na  base.  Obviamente,  nem  todo relacionamento inferido provém de alguma inconsistência ou mau preenchimento da base. Muitas vezes, o relacionamento pode realmente não existir num momento inicial,  mas,  ao  longo  do  tempo,  ele  se  torna  latente  com  as  novas  modificações que vão acontecendo na base.

... calcular  os  pesos  das  relações através da análise do grafo de instâncias. Isso permite gerar automaticamente uma ordenação  de  acordo  com  a  proximidade  ou  força  do  relacionamento  entre  dois nós.  ....  A  idéia  é  utilizar  os  valores  gerados  pelo  mapeamento  de pesos para propor uma ordenação automática.

Normalmente,  as  buscas  na  Web  são  realizadas  utilizando-se  palavras-chave. Isso faz com que muitas vezes o usuário receba uma grande quantidade de páginas que nada tem a ver com a sua necessidade. Uma das maiores causas para esse  problema  é  que  tipicamente  as  consultas  submetidas  às  máquinas  de  busca possuem  poucas  palavras.  Um  estudo  (Silverstein  et  al.,  1999)  mostrou  que  as consultas na Web possuem em média  2,3 palavras, sendo que, apenas 12,6% das consultas utilizam mais do que três palavras. A idéia por trás dessa nova funcionalidade é tentar montar consultas (query strings)  que  definam  melhor  o  conceito  sendo  procurando.  O  objetivo  é  tentar obter palavras que estejam fortemente relacionadas a um determinado nó da base de  conhecimento.  Essas  palavras  serão  utilizadas  para  formular  uma  consulta aumentada  a  respeito  do  nó  em  um  outro  sistema  de  recuperação  de  informação.  Esse  processo  é  conhecido  na  comunidade  de  Recuperação  de  Informação  como Expansão de Consultas ou Query Expansion (Yates & Neto, 1999). A   propagação   de   ativação   obtém   nós   do   tipo Keyword   que   estejam fortemente relacionados com um determinado nó (que se deseja pesquisar). Essas palavras  podem  ser  utilizadas  junto  com  o  nome  do  nó  na  formação  da  consulta em um sistema de recuperação de informação tradicional (máquina de busca Web, por  exemplo),  tornando-a  mais  precisa. 

Conclusões e Trabalhos Futuros

Essa  dissertação  propõe  uma  estratégia  de  mapeamento  de  pesos  que possibilita   mapear   um   modelo   semântico   (ontologia,   taxonomia,   modelo conceitual)  e  suas  instâncias  para  uma  rede  híbrida  onde  as  arestas,  além  dos rótulos originais, passam a conter um peso associado a cada uma delas. Esse peso representa a força da relação entre os conceitos de acordo com alguma medida de força ou intensidade. Foram  propostas  três  medidas  diferentes  de  intensidade.  A  medida  de agrupamento  tenta  medir  a  força  entre  dois  conceitos  a  partir  do  grau  de  co-ocorrência  entre  os  dois.  A  medida  de  especificidade  expressa  essa  força  através da análise do quão específicos são os conceitos na base em questão. Já a medida combinada  expressa  a  força  através  de  uma  composição  das  duas  medidas anteriores.

O sistema desenvolvido permitiu que as aplicações que possuem um modelo semântico   passem   a   dispor   de   uma   máquina   de   inferência   que   permite   a introdução  de  diversas  novas  funcionalidades.  Esse  trabalho  propõe  essas  novas funcionalidades  assim  como  as  configurações  necessárias  para  que  as  mesmas sejam providas pelo sistema de propagação de ativação.

Uma das funcionalidades proposta foi a busca semântica. Essa busca é uma mistura  dos  mecanismos  de  busca  tradicionais  com  técnicas  de  propagação  de ativação.  Ela  utiliza-se  de  informação  semântica  a  respeito  do  domínio  para  a realização de inferências no processo de busca.  Essa busca permite obter todos os nós  da  base  de  conhecimento  que  estão  fortemente  ligados  às  palavras-chave contidas  na  consulta.  Sua  principal  diferença  para  os  mecanismos  de  busca tradicionais é  que  uma  palavra  não  tem  de  necessariamente  ocorrer  numa  página para  que  a  mesma  seja  recuperada.

Uma   outra   funcionalidade   interessante   proposta   pela   dissertação   é   a ordenação dos elementos relacionados. Essa funcionalidade calcula automaticamente  através  da  análise  do  grafo  de  instâncias,  pesos  numéricos  para todas  as  relações  existentes  na  base  de  conhecimento.  Isso  permite  mostrar  uma lista  ordenada  dos  nós  que  se  relacionam  a  um  determinado  nó  de  acordo  com uma   medida   de   força   da   relação   entre   os   nós.   Essa   funcionalidade   foi desenvolvida utilizando-se a técnica de mapeamento de pesos.

Esse trabalho propôs também uma funcionalidade de expansão de consultas. Essa  funcionalidade  tem  por  objetivo  auxiliar  o  usuário  de  uma  aplicação  a realizar  consultas  mais  precisas  a  respeito  de  um  determinado  nó  da  aplicação num  outro  sistema  de  recuperação  de  informação  baseado  em  palavras-chave (como  por  exemplo,  uma  ferramenta  de  buscas  na  Web).  Essa  funcionalidade sugere  palavras  que  estejam  fortemente  relacionadas  ao  nó  em  questão.