Pular para o conteúdo principal

Reunião PUC 10 de Outubro 2022

1. Problem Statement: artigos mais recentes não focam em Contexto. Os problemas de Fusão de Dados / Integração de Dados em ambiente Corporativo já trazem essa noção de que a nem tudo que está no banco de dados é verdadeiro independente do contexto.

2. A banca deve ter pelo menos mais 2 de fora, além do Schwabe. Altigram, Palazzo e talvez Ricardo

3. Documento de Defesa de Proposta de até 20 páginas deve deixar claro: Quais são as contribuições científicas, Qual o diferencial da pesquisa (o que será inovador), Justificar pq o problema é relevante, Como a nossa solução é melhor que as demais e qual será o critério de medição. Data provável: entre 21/11 a 30/11

4. A proposta de Sistemas de Informação para Mundo Aberto deve ter Contexto Explícito para as informações recuperadas e considerar a existência de uma Camada de Confiança adicional para tornar a exploração do KG operacional no seu contexto de uso (na tarefa que pretende resolver). Essa Camada de Confiança não será detalhada na minha proposta mas ela representa a Perspectiva Pessoal (Ponto de Vista) que irá resolver eventuais conflitos nas respostas.

5. Uma das contribuições é um Modelo Lógico composto de estrutura (conceitos e seus relacionamentos) e de uma linguagem que recupera a melhor resposta. O modelo possui uma representação em Alto Nível (UML) e deve ser mapeado em estruturas como tabelas de modo a permitir a sua implementação. Além disso a linguagem deve especificar quais operações são permitidas com contexto: AND, OR, NOT

6. Talvez trocar Afirmações por Alegações para reforçar a ideia de Verdade Relativa. 

7. Na experimentação iremos instanciar os casos para uma Classe de Problemas. 

8. Os modelos de grafos usam o meta modelo matemático de conjuntos.

9. As soluções para incorporar contexto costumam ser ad-hoc e implementadas em código em cada aplicação. A implementação pode ser intencional ou não então o contexto além de ser implícito pode ser acidental. Ao tornar explícito e declarativo seria possível estender os conceitos e regras que representem um novo contexto de interesse. 

10. Teste com o Google: mesma query em lugares diferentes , logado/não logado, Verificar as sugestões do auto complete

água ferve

Logada

Anônima

water boils 

Logada


Anônima (Brasil)


Anônima (França) &gl=fr


water boiling

Logada


Anonima

Anônima (gl=cn)

capital Brasil

Logada

Anônima

capital city Brazil

Logada 

Anônima (Brasil)

Anônima (França)


Marcadores:

Comentários

Postar um comentário

Sinta-se a vontade para comentar. Críticas construtivas são sempre bem vindas.

Postagens mais visitadas deste blog

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

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

Knowledge Graph Embedding with Triple Context - Leitura de Abstract

  Jun Shi, Huan Gao, Guilin Qi, and Zhangquan Zhou. 2017. Knowledge Graph Embedding with Triple Context. In Proceedings of the 2017 ACM on Conference on Information and Knowledge Management (CIKM '17). Association for Computing Machinery, New York, NY, USA, 2299–2302. https://doi.org/10.1145/3132847.3133119 ABSTRACT Knowledge graph embedding, which aims to represent entities and relations in vector spaces, has shown outstanding performance on a few knowledge graph completion tasks. Most existing methods are based on the assumption that a knowledge graph is a set of separate triples, ignoring rich graph features, i.e., structural information in the graph. In this paper, we take advantages of structures in knowledge graphs, especially local structures around a triple, which we refer to as triple context. We then propose a Triple-Context-based knowledge Embedding model (TCE). For each triple, two kinds of structure information are considered as its context in the graph; one is the out...
Postar um comentário
Leia mais