SBBD 2021 - Full, Short Papers e outros - Anotações de apresentações

• Similarity Search and Correlation-Based Exploratory Analysis in EHRs: A Case Study with COVID-19 Databases

Video https://youtu.be/I2Dr9i8uk0w?t=3242

ERH - Eletronic Health Records

Consultas por similaridade: Dados os registro de dois pacientes, o sistema usa uma função de similaridade para comparar os registros ... não detalhou essa parte na apresentação

• Interpreting BERT-based stance classification: a case study about the Brazilian COVID vaccination

Video https://youtu.be/TdzBkWGW3Cg?t=2803

BERT tem conseguido bons resultados na classificação de posições (polarizadas) porém modelos baseados em transformers não são fáceis de interpretar

Mecanismos de atenção permitem que todos os tokens se relacionarem uns com os outros 

Pró-Vacinas x Anti-vacinas x Anti-sinovaxxers 

Usou BERTimbau: primeira fase é ajuste fino do modelo

Atenção Absoluta, Relativa e Proporcional para cada palavra: peso da atenção

O baseline é o TF-IDF

• THE NEW DBFICATION OF ML/AI

UC San Diego

Data sources -> Build -> Deploy

Não precisamos competir com as Big Techs na pesquisa, existem ninchos ... "cauda longa"

• Keyword search over schema-less RDF datasets by SPARQL query compilation

Video https://youtu.be/VYFHjo4kkoo?t=139 

Contribuições: (1) o algoritmo usando KMV-Synopses (2) Dois conjuntos de experimentos (3) Uma métrica para computar a relevância de um grafo resposta em relação ao ground truth quando esse é uma única resposta e não uma lista 

KMV-Synopses: amostra sobre S usando uma função de hash e selecionando os k menores. Calculada em modo off-line ou seja pre processamento

Na fase online é a consulta, o match é feito com os literais. Uma floresta é criada (n árvores, uma para cada palavra-chave com match) e operações são aplicada para gerar a árvore de resposta usando as KMV-Synopses que irá dar origem a consulta SPARQL

Comparada com uma abordagem com esquema

A métrica de ranking considerou Top1

O principal problema da DBPedia é a ambiguidade. Nem sempre o match resolve esse problema pq o InfoRank é uma métrica de seleção da proposta que não está refletido no Benchmark, talvez seja necessário fazer backtracking

• SEREIA – Busca por Palavras-Chave em Document Stores  

Video https://youtu.be/VYFHjo4kkoo?t=1780

schema later .... documentos semi-estruturados e aninhados

não é uma consulta que tenha resposta exata

Busca por Palavras-Chaves em BDs: Sistemas Baseados em Esquemas e Sistemas Baseados em Instâncias ... KEYWORD SEARCH (IR)

Consulta em Linguagem Natural em BDs: Sistemas Centrados em Dados e Sistemas Centrados em Linguagens ... NLIDB

VER NaLIR em SIGMOD'14

Sereia:(1) Keyword Matching (com valores e chaves da coleção de documentos), pode fazer uso de WordNet para a função de match; (2) Query Match ; (3) Candidate Join Network

Condições de Totalidade e Minimalidade no Keyword Matches no Query Match

Usar WordNet não é expansão, é match!?!?!

ALTIGRAN: A ideia de keyword search é igual a busca do Google, simples e para gerar exploração posterior pelo usuário X Consulta por linguagem natural é que busca substituir as consultas estruturadas por linguagem específica do modelo.

• Uma Abordagem de Anotação Semântica Automática Direcionada Para Sistemas de Perguntas e Respostas

Contexto Semântico: distância euclidiana para o cálculo da distância entre a pergunta e as frases do abstract. Três estratégias consideradas: (1) considera a frase com menor distância, (2) considera a média das distâncias de todas as frases e (3) considera a média das distâncias das CINCO frases com menor distância

BERT para identificar o contexto da pergunta completa e depois enriquecer com dados de bases de conhecimento como a DBPedia

No BERT chamaram atenção para o parâmetro max_seq_len (trunca a sentença de entrada em um tamanho máximo, máximo 512). Separou os abstracts em frases.

Compararam como baseline com o Jaro_Winkler: distância muito usada na tarefa de vinculação de entidades