Pular para o conteúdo principal

Objetivos de Pesquisa - versão 1

Objetivos da Pesquisa

Definir uma medida de similaridade para responder perguntas do tipo: Quais  pesquisadores estão “mais próximos” do assunto  “X”?

Projetar uma solução que dada uma consulta com uma lista de palavras chaves recupere um conjunto de subgrafos correspondentes (ou mais próximos) a essa consulta limitado pelo contexto temático do buscador e ordenado por um esquema de pesos das propriedades do subgrafo.

Implementar uma solução flexível onde o contexto possa ser definido dinamicamente, ou seja, sem a necessidade de um filtro prévio da base de dados. A medida de similaridade deve ser parametrizável de acordo com o contexto da busca (tema) e aos critérios de ordenação das dimensões (propriedades) das entidades. A ordenação poderia ser global (única por esquema) ou local (de acordo com a consulta).

Avaliar a solução implementada através de experimentos com dados reais


 

Comentários

  1. Veronica dos Santos11 de agosto de 2021 às 10:08

    Qual é o problema de pesquisa? Pq é importante? Qual é a contribuição? Para quem é importante? O que pode ser feito para resolver o problema de pesquisa?

    ResponderExcluir
  2. Veronica dos Santos14 de novembro de 2021 às 18:35

    O contexto não é somente temático, pode ser temporal, geográfico, de proveniência, etc ...

    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