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

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

Knowledge graphs: Introduction, history, and perspectives - Leitura de Artigo

Chaudhri, V. K., C. Baru, N. Chittar, X. L. Dong, M. Genesereth, J. Hendler, A. Kalyanpur, D. Lenat, J. Sequeda, D. Vrandečić, and K.Wang 2022. “ Knowledge graphs: Introduction, history, and perspectives. ” AI Magazine 43: 17–29. https://doi.org/10.1002/aaai.12033 Knowledge graphs (KGs) have emerged as a compelling abstraction for organizing the world’s structured knowledge and for integrating information extracted from multiple data sources. KNOWLEDGE GRAPH DEFINITION A KG is a directed labeled graph in which domain-specific meanings are associated with nodes and edges. [ Definição focado no COMO representar, diferente dos KBs ] There are multiple approaches for associating meanings with the nodes and edges. At the simplest level, the meanings could be stated as documentation strings expressed in a human understandable language such as English. At a computational level, the meanings can be expressed in a formal specification language such as first-order logic. An active area of curren...
Postar um comentário
Leia mais