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

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