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. 


Marcadores:

Comentários

  1. Veronica dos Santos14 de julho de 2021 às 12:04

    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 ...
Postar um comentário
Leia mais

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

Cores convida - Minicurso: Aprendizado de máquina e inferência em Grafos de Conhecimento

Pesquisadores Artur Ziviani, Fabio Porto e Daniel da Silva (LNCC) Resumo da apresentação A crescente produção e disponibilização de dados caracterizados por heterogeneidade e larga escala apresentam oportunidades desafiadoras à nossa sociedade. Dentre elas, como construir sistemas computacionais capazes de aprender, raciocinar e realizar inferências sobre fatos a partir de conhecimento prévio é uma tarefa relevante. Nesse cenário, bases de conhecimento são ativos importantes na representação e raciocínio automatizado do conhecimento de diversos domínios de aplicação. Em especial, a inferência de informação a partir de sua representação em rede — grafos de conhecimento — ganhou notoriedade na academia e indústria nos últimos anos. Em face ao exposto, neste curso, é apresentada uma introdução aos métodos e técnicas de aprendizado de máquina utilizadas em tarefas de inferência em grafos de conhecimento, discutindo-se os desafios e oportunidades tecnológicas e científicas desse tipo de tar...
1 comentário
Leia mais