Pular para o conteúdo principal

KGTK - Testes com 4 CVs Lattes completos

1) Baixei 4 CVs Lattes: eu, Sérgio, Fernanda e Hermman

2) Converter de XML para RDF (xml2rdf3.xsl) - Sem semântica

xsltproc xml2rdf3.xsl 5068302552861597.xml > 5068302552861597.rdf3
xsltproc xml2rdf3.xsl 8164403687403639.xml > 8164403687403639.rdf3
xsltproc xml2rdf3.xsl 6075905438020841.xml > 6075905438020841.rdf3
xsltproc xml2rdf3.xsl 0544469422765109.xml > 0544469422765109.rdf3

3) Converter para NTriples (https://librdf.org/raptor/INSTALL.html)

../raptor2-2.0.15/utils/rapper -i rdfxml -o ntriples 5068302552861597.rdf3 > 5068302552861597.nt
../raptor2-2.0.15/utils/rapper -i rdfxml -o ntriples 8164403687403639.rdf3 > 8164403687403639.nt
../raptor2-2.0.15/utils/rapper -i rdfxml -o ntriples 6075905438020841.rdf3 > 6075905438020841.nt
../raptor2-2.0.15/utils/rapper -i rdfxml -o ntriples 0544469422765109.rdf3 > 0544469422765109.nt

4) Converter para KGTK

kgtk import-ntriples --namespace-file namespace-file.tsv -i 5068302552861597.nt 8164403687403639.nt 6075905438020841.nt 0544469422765109.nt -o graph-lattes.tsv --reject-file graph-lattes.err --verify-id-unique true --validate

5) Ajustes para executar as análises

kgtk deduplicate -i graph-lattes.tsv / filter --regex --match-type search --invert -p ";n2:ORDEM*;" --reject-file graph-rej-ordem.tsv / filter --regex --match-type search --invert -p ";n2:SEQUENCIA*;" --reject-file graph-rej-seq.tsv / add-id -o graph-lattes3.tsv

6) Estatísticas do grafo resultante

kgtk graph_statistics --log graph_stat_lattes.log --pagerank --statistics-only --degrees --hits -v -i graph-lattes3.tsv -o graph-stat-lattes3.tsv

18416 nodes and 57881 edges

###Top relations:

Atributos dos elementos (nó elemento -> n2:* -> Literal)
n2:NOME-PARA-CITACAO    3159
n2:AUTORES    2811
n2:NOME-COMPLETO-DO-AUTOR    2811
n2:NRO-ID-CNPQ    1525
n2:NATUREZA    1475
n2:IDIOMA    1372
n2:FLAG-RELEVANCIA    1200

Hierarquia dos elementos (nó pai -> n3:* -> nó filho)
n3:_1    1737
n3:_2    1737
n3:_3    1502

degree stats: mean=6.285947

Entender PageRank e HITS aqui

###PageRank
Max pageranks
378    "NAO"    0.014877
311    "CIENCIAS_EXATAS_E_DA_TERRA"    0.009812
1015    "Sergio Lifschitz"    0.007691
379    "Brasil"    0.005657
588    "Fernanda Araujo Bai\u00E3o"    0.005468

Aqui os atributos acabam não tendo uma semântica para interpretação coerente .... Talvez filtrar somente a hierarquia? 

###HITS
HITS hubs
378    "NAO"    0.869057
379    "Brasil"    0.304247
661    "Portugu\u00EAs"    0.193403
629    "Ingl\u00EAs"    0.191276
631    "COMPLETO"    0.180826


HITS auth
18086    n1:8164403687403639.rdf3#CURRICULO-VITAE/PRODUCAO-TECNICA/SOFTWARE_7/DADOS-BASICOS-DO-SOFTWARE    0.039980
17950    n1:8164403687403639.rdf3#CURRICULO-VITAE/PRODUCAO-TECNICA/SOFTWARE_11/DADOS-BASICOS-DO-SOFTWARE    0.039979
17961    n1:8164403687403639.rdf3#CURRICULO-VITAE/PRODUCAO-TECNICA/SOFTWARE_12/DADOS-BASICOS-DO-SOFTWARE    0.039975
17938    n1:8164403687403639.rdf3#CURRICULO-VITAE/PRODUCAO-TECNICA/SOFTWARE_10/DADOS-BASICOS-DO-SOFTWARE    0.039958
18008    n1:8164403687403639.rdf3#CURRICULO-VITAE/PRODUCAO-TECNICA/SOFTWARE_16/DADOS-BASICOS-DO-SOFTWARE    0.039958

HITS: baseado no conceito de hub e autoridades, que caracteriza a importância de vértices tipo hub dado a quantidade de vértices tipo autoridades para a qual eles apontam.

7) Componentes conexas

kgtk connected-components -i graph-lattes3.tsv -o graph-conn-lattes3.tsv

kgtk graph_statistics --log graph_stat_conn.log --pagerank --statistics-only --degrees --hits -v -i graph-conn-lattes3.tsv -o graph-conn-stat.tsv

Praticamente todos os nós / arestas pertencem a uma única componente conexa (entre 4) CLUScc3ygQYesL1xAu+Z0huJhQ==

8) Caminhos entre nós

kgtk paths --path-file pairs.tsv  --path-source source --path-target target -i graph-lattes3.tsv -o graph-lattes3-path.tsv --statistics-only
kgtk paths --path-file pairs.tsv  --path-source source --path-target target -i graph-lattes3.tsv -o graph-lattes3-path-undirected.tsv --statistics-only --undirected

Não existem caminhos entre o nó do lattes de um pesquisador para o nó do lattes de outro pesquisador, considerando o grafo direcionado

kgtk reachable-nodes -i graph-lattes3.tsv --root n1:5068302552861597.rdf3 -o graph-5068302552861597-reach-bfs.tsv --show-properties True --breadth-first True
kgtk reachable-nodes -i graph-lattes3.tsv --root n1:5068302552861597.rdf3 -o graph-5068302552861597-reach-nobfs-undirected.tsv --show-properties True --undirected

Todos os nós do grafo, formados pelos 4 lattes, são alcancáveis quando o grafo é não direcionado mas somente os nós gerados pelo próprio lattes são alcancáveis quando é direcionável

 

Marcadores:

Comentários

  1. Veronica dos Santos24 de maio de 2021 às 12:02

    Mesmo que eu incluísse o lattes de um pesquisador não brasileiro, de outra universidade, de outra cidade/estado, outra área de especialidade, que não tenha publicações em comum com os 4 selecionados e nem tenha participado dos mesmos eventos, ainda poderiam estar na mesma componente conexa por atributos com valor "NAO"

    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

Knowledge Graph Embedding with Triple Context - Leitura de Abstract

  Jun Shi, Huan Gao, Guilin Qi, and Zhangquan Zhou. 2017. Knowledge Graph Embedding with Triple Context. In Proceedings of the 2017 ACM on Conference on Information and Knowledge Management (CIKM '17). Association for Computing Machinery, New York, NY, USA, 2299–2302. https://doi.org/10.1145/3132847.3133119 ABSTRACT Knowledge graph embedding, which aims to represent entities and relations in vector spaces, has shown outstanding performance on a few knowledge graph completion tasks. Most existing methods are based on the assumption that a knowledge graph is a set of separate triples, ignoring rich graph features, i.e., structural information in the graph. In this paper, we take advantages of structures in knowledge graphs, especially local structures around a triple, which we refer to as triple context. We then propose a Triple-Context-based knowledge Embedding model (TCE). For each triple, two kinds of structure information are considered as its context in the graph; one is the out...
Postar um comentário
Leia mais

KnOD 2021

Beyond Facts: Online Discourse and Knowledge Graphs A preface to the proceedings of the 1st International Workshop on Knowledge Graphs for Online Discourse Analysis (KnOD 2021, co-located with TheWebConf’21) https://ceur-ws.org/Vol-2877/preface.pdf https://knod2021.wordpress.com/   ABSTRACT Expressing opinions and interacting with others on the Web has led to the production of an abundance of online discourse data, such as claims and viewpoints on controversial topics, their sources and contexts . This data constitutes a valuable source of insights for studies into misinformation spread, bias reinforcement, echo chambers or political agenda setting. While knowledge graphs promise to provide the key to a Web of structured information, they are mainly focused on facts without keeping track of the diversity, connection or temporal evolution of online discourse data. As opposed to facts, claims are inherently more complex. Their interpretation strongly depends on the context and a vari...
2 comentários
Leia mais