Pular para o conteúdo principal

Reunião Orientação - 23 de Maio de 2023

Apresentando o exemplo do H4 - História Geo-Politica do Brasil

Dimensões: Temporal, Localização, Proveniência e Domínio

Tipo de Contexto Genérico: é um tipo onde o engenheiro especifique que é importante mapear como contexto mas sem detalhar qual

Exemplos de consulta

1) Estado do Brasil: caso onde o usuário conhece a entidade que existe no grafo

2) Brasil Colonial: caso onde o usuário não conhece as entidades concretas mas tem uma entidade abstrata em seu modelo mental que corresponde ao um período histórico

A interface traduz para 3 nós de entidades concretas na consulta

3) Brasil de acordo com um sistema administrativo concreto: a interface constrói a query como um sub-grafo mas a query está incompleta quanto ao contexto. 

A query está sintaticamente correta e produz um resultado correto pq a instância não tem casos adicionais mas para estar semanticamente correta deve incluir o contexto. Aqui se faz necessário uma meta-query para identificar que está incompleta e completar.

Depois da meta-query é necessário aplicar uma Algebra do Contexto no contra domínio das propriedades. 

Exemplo: relações espaciais possuem funções built-in de acordo o contra domínio (tipo de dados)

Buscar sobre Algebra Temporal para suporte as operações com contexto

O usuário não precisa conhecer o domínio e não sabe que falta contexto para avaliar se o resultado da consulta está semanticamente correto. Quem conhece o domínio é o engenheiro do conhecimento que fez o mapeamento e com este mapeamento é possível identificar que a query estava incompleta. 

A meta-query não impõe o limite e permite todas as respostas. A proposta fornece o arcabouço e não limita as opções de contexto. O esquema do CKG é extensível. O mecanismo do todas/melhor resposta possível usa este arcabouço. Meta-query é só uma terminologia mas a query consulta o mesmo KG, que foi estendido. 

O KG H4 não é completo logo não é obrigatório responder todas as perguntas. Pode ser necessário acrescentar instâncias ao KG. Não devemos entrar nas questões de interface e navegação. A estratégia de exploração, com filtros, não é o nosso foco e sim o uso de contexto para completar as queries. A abordagem de completar com contexto daria o mesmo resultado sem interação, sem depender do que a interface de usuário da aplicação fornece em termos de filtro. 

Comentei que usei o conceito de multi camadas de contexto para as operações de Integração de Contexto e Integração de Entidades. 

1) Ilustrar o processo de meta-query é a prioridade

Identificar predicados e qualificadores presentes na query 

Checar em relação ao mapeamento presente na camada de contexto

Completar a query

2) Ilustrar como integrar e verificar se vamos adotar o formalismo da CO


Comentários

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...

Knowledge Graphs as a source of trust for LLM-powered enterprise question answering - Leitura de Artigo

J. Sequeda, D. Allemang and B. Jacob, Knowledge Graphs as a source of trust for LLM-powered enterprise question answering, Web Semantics: Science, Services and Agents on the World Wide Web (2025), doi: https://doi.org/10.1016/j.websem.2024.100858. 1. Introduction These question answering systems that enable to chat with your structured data hold tremendous potential for transforming the way self service and data-driven decision making is executed within enterprises. Self service and data-driven decision making in organizations today is largly made through Business Intelligence (BI) and analytics reporting. Data teams gather the original data, integrate the data, build a SQL data warehouse (i.e. star schemas), and create BI dashboards and reports that are then used by business users and analysts to answer specific questions (i.e. metrics, KPIs) and make decisions. The bottleneck of this approach is that business users are only able to answer questions given the views of existing dashboa...

Knowledge Graph Toolkit (KGTK)

https://kgtk.readthedocs.io/en/latest/ KGTK represents KGs using TSV files with 4 columns labeled id, node1, label and node2. The id column is a symbol representing an identifier of an edge, corresponding to the orange circles in the diagram above. node1 represents the source of the edge, node2 represents the destination of the edge, and label represents the relation between node1 and node2. >> Quad do RDF, definir cada tripla como um grafo   KGTK defines knowledge graphs (or more generally any attributed graph or hypergraph ) as a set of nodes and a set of edges between those nodes. KGTK represents everything of meaning via an edge. Edges themselves can be attributed by having edges asserted about them, thus, KGTK can in fact represent arbitrary hypergraphs. KGTK intentionally does not distinguish attributes or qualifiers on nodes and edges from full-fledged edges, tools operating on KGTK graphs can instead interpret edges differently if they so desire. In KGTK, e...