Pular para o conteúdo principal

COs vs CKGs

Contextualized Ontologies (CO)

O exemplo referente a aplicação Iot é parecido com o exemplo do ponto de ebulição da água do CKG pois parte da localização do usuário para realizar a tarefa. Podemos supor que ele irá ferver a água no mesmo lugar onde ele faz a busca e a aplicação de busca poderia assumir o contexto default como localização do usuário caso outro contexto não seja explicitamente informado na query. O esquema do CKG permite definir contexto default no KG ou na aplicação através de regras semânticas e pode usar informações do ambiente. Este contexto seria usado para completar a consulta do usuário. Na {Best/All} Possible Answer esta "completação" de contexto se torna explícita.

A definição de Contexto em CO me parece mais geral do que a que estamos usando para o CKG e Dual OWA:
(1) The algebra of contextualized ontologies is designed for applications in which additional information is required in order to describe an entity. This information, that we call context, may be some kind of meta-data or any information related to — but not particular to — that entity.
(2) A query is always associated to a domain of knowledge over which we consider a context, defined by Jannink, J. et al (1998), as a unit of encapsulation for well-structured ontologies from which we are able to assert correctness and consistency properties.
X
[Hogan et al., 2021]: “By context, we herein refer to the scope of truth, and thus talk about the context in which some data are held to be true"

Em CO, o contexto está associado às entidades e ambos são representados por ontologias (domínio e contexto) linkadas. No CKG estamos focando no contexto das alegações representado por qualificadores mas também podemos associar o contexto de entidades.

Proveniência por exemplo é um tipo de contexto que pode estar associado a 3 níveis de granularidade: (1) a um dataset (sub grafo onde todas as entidades e alegações compartilham a proveniência),  (2) a uma entidade (e todos as alegações daquela entidade teriam a mesma proveniência)  e (3) a nível de alegação (o mesmo que a nível de tripla se estivermos usando o RDF). 

Sobre a Algebra de Ontologias que permite Interseção, União, ... me relembra a questão da correlação de contexto entre alegações como por exemplo Co-ocorrência temporal (eventos de acontecem de modo concomitante) e dos níveis de granularidade entre os valores de contexto como por exemplo análises espaciais da localização de alegações (eventos que acontecem em locais próximos, em uma mesma região). 

==============================

Reunião em 11 de Abril de 2023

Ontologia de Contexto (base) (Oc) pode ser qualquer uma, idem para a Ontologia de Objeto (Ob). A Ontologia de Contexto pode ser de Objeto em outra perspectiva pq permite hierarquia. 

As interpretações de axiomas formalizam restrições de integridade.

Ontologia Contextualizada (CO) é uma Ontologia de Objeto (Ob) associada a uma Ontologia de Contexto (Oc). Estas associação se dá através de um mapeamento que em geral são injeções (Ob<- Oc) e não bijeções. Nestas associações são preservados os axiomas das Oc. 

Push-Out: 

Dados Oc-[F1]->Ob1 e Oc-[F2]->Ob2, onde F1 e F2 é a Contextualização. 

Ob1-[G1]->Ob12 e Ob2-[G2]->Ob12, onde G1 e G2 são morfismos para gerar Ob12 a partir de Ob1 e Ob2 (união, interseção). 

Teremos Oc-[F12]->Ob12

Pull-Back: 

Dados Oc1-[F1]->Ob e Oc2-[F2]->Ob, onde F1 e F2 é a Contextualização. E Oc1 é Espaço e Oc2 é Tempo.

Oc21-[F21]->Oc1 e Oc12-[F12]->Oc2, onde F21 e F12 são Contextualização (hierarquia). Onde Oc21 é Espaço-Temporal

Teremos Oc21-[F]->Ob

 

CKG é semelhante pq as dimensões de contexto circunscrevem as alegações. 

O KG possui alegações. Dual OWA.

A camada CKG possui afirmações e regras para interpretação e inferências.  OWA

Toda alegação possui pelo menos o contexto de proveniência nem que seja implícito (quem alegou).

Na BPA, tentar completar o Contexto com as regras ou informar o que está faltando referente a Contexto, enumerando os Contextos Conhecidos. 

Exemplos

Alegação: A irmão de B
Afirmação: Não tem Contexto de Proveniência Explícito.

Alegação: A nasceu em XX
Afirmação: Não tem Contexto de Proveniência Explícito. Nasceu em liga A a seu Contexto Temporal. 

Alegação: C é capital de D desde XX segundo o DOU
Afirmação: Segundo a fonte liga a Alegação ao Contexto de Proveniência. Desde liga a Alegação ao Contexto Temporal.

 

 

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

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

KnOD 2021

Beyond Facts: Online Discourse and Knowledge Graphs A preface to the proceedings of the 1st International Workshop on Knowledge Graphs for Online Discourse Analysis (KnOD 2021, co-located with TheWebConf’21) https://ceur-ws.org/Vol-2877/preface.pdf https://knod2021.wordpress.com/   ABSTRACT Expressing opinions and interacting with others on the Web has led to the production of an abundance of online discourse data, such as claims and viewpoints on controversial topics, their sources and contexts . This data constitutes a valuable source of insights for studies into misinformation spread, bias reinforcement, echo chambers or political agenda setting. While knowledge graphs promise to provide the key to a Web of structured information, they are mainly focused on facts without keeping track of the diversity, connection or temporal evolution of online discourse data. As opposed to facts, claims are inherently more complex. Their interpretation strongly depends on the context and a vari...
2 comentários
Leia mais