Pular para o conteúdo principal

Atributos do Lattes - casos peculiares I

Em /CURRICULO-VITAE/DADOS-GERAIS temos os seguintes atributos

PAIS-DE-NASCIMENTO
UF-NASCIMENTO
CIDADE-NASCIMENTO

que foram mapeados para a propriedade wikidata - place of birth (P19) 

No momento da identificação dos QNodes associados percebi que tanto a cidade quanto a UF estão sendo mapeadas para a mesma entidade: https://www.wikidata.org/wiki/Q8678

Esse QNode corresponde a cidade e não a UF mas o valor "RJ" está como aliás da cidade e esse elemento está restrito para edição (tem um cadeado). 

Pensei em um filtro instância de (P31) cidade/município para desambiguação mas não existe essa afirmação, existe a afirmação cidades do Brasil mas a cidade de nascimento pode não ter sido no Brasil.O mesmo para a UF, que tem a afirmação instância de unidade federativa do Brasil (Q485258)

Eu editei o QNode da cidade e removi esse aliás, também inclui a seguinte descrição na "Discussão":

It is wrong to use "RJ" as the alias of the city since it is an abbreviation of the state name. The capital and the state has the same name but only the state can be called "RJ".
Its is similar to São Paulo, as the state and capital have the same name, but https://www.wikidata.org/wiki/Q174 doesn't have "SP" as alias. 

Não sei se a minha alteração ficará permanente. 


Comentários

  1. Até o momento a minha alteração permanece no Wikidata e o atributo de UF está sendo mapeado para a entidade correta http://www.wikidata.org/entity/Q41428

    ResponderExcluir

Postar um comentário

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

Postagens mais visitadas deste blog

Aprendizado de Máquina Relacional

 Extraído de -> https://www.lncc.br/~ziviani/papers/Texto-MC1-SBBD2019.pdf   Aprendizado de máquina relacional (AMR) destina-se à criação de modelos estatísticos para dados relacionais (seria o mesmo que dados conectados) , isto é, dados cuja a informação relacional é tão ou mais impor tante que a informação individual (atributos) de cada elemento.    Essa classe de aprendizado tem sido utilizada em diversas aplicações, por exemplo, na extração de informação de dados não estruturados [Zhang et al. 2016] e na modelagem de linguagem natural [Vu et al. 2018].   A adoção de técnicas de aprendizado de máquina relacional em tarefas de comple mentação de grafo de conhecimento se baseia na premissa de existência de regularidades semânticas presentes no mesmo . Modelos grafos probabilísticos  Baseada em regras / heurísticas que não podem garantir 100% de precisão no resultado da inferência mas os resultados podem ser explicados. Modelos de características de ...

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...

Metodologia Científica II - continuação

No primeiro post  foram detalhados os 6 primeiros vídeos do canal do Youtube do professor Eduardo Ogasawara do CEFET/RJ   Mais 3 vídeos foram disponibilizados e estão comentados a seguir: Gráficos, Figuras e Tabelas (33 minutos) - como apresentar os resultados das avaliações experimentais. Gráficos: associar análises dos resultados a cada gráfico apresentado, problemas comuns na montagem de gráficos (não usar todo eixo X ou Y, não usar área útil com uma escala adequada a ver o comportamento dos números, não marcar os pontos de observação da série, inconsistência no uso de cores ), escala logarítmica x linear, eixo X para a variável independente e Y para a dependente (resposta), escrever boas legendas para os gráficos, observar se diferenças entre variáveis apresentadas em gráficos separados podem atrapalhar a interpretação dos resultados. Diagramas devem ser pensados de acordo com o propósito, trata-se de uma abstração e cada elemento deve ser explicado no texto, rótulos...