Pular para o conteúdo principal

Reunião Sérgio - 01/06/2022

1) O conceito de melhor resposta veio de Information Seeking, considera que existem informações falsas e verdadeiras. Dadas as pré-condições (KB é incompleto e descasamento simbólico das palavras) como determinar a qualidade da resposta? Como saber que é realmente "O MELHOR" que pode ser feito?

Se existir um gabarito para as respostas (por exemplo um benchmark de Q&A) pode ser usado para indicar o que seria hipoteticamente 100% de satisfação?

2) Hiper relacional permite representar nativamente o contexto das afirmações. Seria necessário alguma linguagem de regras para representar o que pode ser inferido? Ou representar a semântica com mais precisão?

Afirmações em triplas. Um tripla ou triplas que formam um subgrafo (BGP)

Contexto: qualificadores como pares de chave-valor

Tipos de Contexto: cada chave de qualificador pode pertencer

3) Interfaces cooperativas de BD: descobrir padrão nas perguntas, antecipar a necessidade futura

Quantos alunos existem na disciplina Astrologia?

Resposta em CWA: Nenhum

Resposta em OWA (Cooperativa): Não sei. Não foi encontrada disciplina de Astrologia

Resposta  em LCWA (Cooperativa): Nenhum pq não existe a disciplina Astrologia

Veronica é aluna da disciplina Astrologia?

Resposta em CWA: Não

Resposta em OWA (Cooperativa): Não sei. Não foi encontrada disciplina de Astrologia. Veronica é aluna de Banco de Dados.

Resposta  em LCWA (Cooperativa): Não pq não existe a disciplina Astrologia. Veronica é aluna de Banco de Dados.

Marcadores:

Comentários

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

Defesa de Doutorado de Grettel Monteagudo Garcia

A última atividade presencial que fiz na PUC-Rio foi assistir a defesa de tese da Grettel Monteagudo Garcia , em 13/03/2020 (uma sexta-feira 13 !!!!). O título da tese é “ A Keyword-based Query Processing Method for Datasets with Schemas ” e me interessou por causa do projeto do NIMA. A proposta parte do cenário onde usuários possam consultar dados, armazenados em bancos de dados relacionais e TripleStores, de maneira semelhante ao Google, ou seja, digitando palavras-chave, e deixando para o sistema recuperar os dados que melhor correspondem ao conjunto de palavras-chave.  Na tese estão descritos um algoritmo e um framework projetados para processar consultas baseadas em palavras-chave para bases de dados com esquema, especificamente bancos relacionais e bases de dados em RDF. A primeira etapa do algoritmo é a conversão do conjunto de palavras chaves em uma consulta abstrata explorando um esquema abstrato . Nesta etapa o principal desafio é achar onde a informação está (os matches...
4 comentários
Leia mais

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...
1 comentário
Leia mais