Pular para o conteúdo principal

Reunião de Orientação - 01 de Junho de 2023

Com Daniel Schwabe

Planilha com os exemplos de Query e Operações de contexto em H4: aqui

Query Rewrite by Contextual Meta-Query: transformar uma consulta em grafo (K) com contexto incompleto em uma consulta em grafo (K') com contexto completo (em relação ao CKG)

Tradutor NL em GQL: também faria uma meta-query para descobrir se existe um contexto que possa ligar duas entidades ou alegações no casos onde não encontrou um grafo de caminho mínimo (Steiner Tree). A meta-query seria para encontrar o que há de contexto em comum. Períodos sobrepostos ou consecutivos. Locais na mesma região ou próximos. Fontes com linha ideológica similar. Não é algoritmo de caminho usando igualdade de rótulos, o caminho depende de uma distância/proximidade semântica que está relacionada com o tipo de contexto.

Exemplo: Duas alegações citadas em um mesmo documento, é uma relação implícita que com a exploração do contexto pode ser revelada de modo explícito. A interpretação semântica para determinar se esta relação é relevante depende do uso. 

Exemplo de Contexto de Localização: 1) Criar outra propriedade que agrupe o que é Brasil. 2) Fixar a semântica de Brasil em um nó existente com contexto espacial e temporal.

Fontes das alegações podem ter linhas ideológicas

  • Segundo fonte X, <Alegação 1>
  • Segundo fonte Y, <Alegação 1>
  • Y alinhamento ideológico Direita, é um Blog
  • X alinhamento ideológico Direita, é uma Mídia Tradicional (Jornal)

Exemplo de violência de gênero, ofensas sexistas ou não. 

Premissa: a interface que converte LN em Graph Query sempre irá gerar uma consulta SEMANTICAMENTE correta podendo estar incompleta em relação ao CONTEXTO. 

O processamento da Graph Query K para gerar a K' completa em relação ao Contexto. 

- Meta-Query

1) Qualificadores dos Relacionamentos e Propriedades

(?c1, ckg:Contextualizes, <<claim predicate>>. ?C {label = ?C.label}, ckg:Represented By, ?c1) 

2) Relacionamentos e Propriedades de Entidades ou Conceitos

(<<Id da Entidade ou Conceito>>, ?c1, ?valor . ?C {label = ?C.label}, ckg:Represented By, ?c1) 

Observação: No caso das Meta-queries sobre as instâncias (entidades e conceitos), o contexto pode não estar definido para uma determinada entidade uma vez que o KG é incompleto e isto não vai ser identificável. No caso das Meta-queries sobre os predicados X qualificadores, é possível identificar a incompletude do KG.

- Operações com os contextos

Algebra dos Contextos. 

Função MAXIMAL que aplica todas as operações da Algebra do Contexto envolvido. Poderia ser configurável para qual o mínimo como default ou aplicar todas sempre, retorna quais são aplicáveis. Pode ser qualquer Algebra para aquele valor de contra domínio do Contexto.

Reescrita em relação ao Contexto Conhecido

A Algebra do Contradomínio de Contexto também pode ser aplicada nas respostas mas é opcional e depende do nível de cooperatividade esperado. Instanciar as inferências seria uma otimização e pode tornar mais completa a resposta mas quanto usar? quando parar? Criando as regras o limite de extrair contexto implícito seria do interesse de quem formular regras como o engenheiro do KG. Isto demonstraria que o modelo suporta mas não precisa ser exaustivo. 

Similaridade ou Distância Semântica entre Fontes: qual é a relação de interesse? Depende do domínio, da tarefa, do objetivo.  O resultado de funções poderia se transformar em aresta no grafo ligando Fonte X e Y (instanciar/materializar). Também serve para as entidades / instâncias do KG que não representam contexto e dependem da modelagem do domínio.

A Algebra de Contexto de Ontologias aplicada a CKG, ainda por tentativa de aproximação. Poderá ser útil na Engenharia do KG mas as mudanças podem afetar a camada do CKG que precisaria ser mapeada novamente. Novo qualificador "parte de" em caso de Integração de entidades para gerar uma entidade abstrata a ser associado a todas as alegações que referenciavam as entidades concretas originais. O engenheiro de KG poderia otimizar a representação em função das consultas realizadas. 

Outra abordagem seria gerar uma nova alegação resumo e manter as alegações originais como contexto de proveniência (qualificador origem no exemplo do Brasil Colonial) além de explicar quem fez a inferência. 

Finalização e Próximos Passos

  • exemplo de proveniência: redes sociais 
  • exemplo espaço temporal: finalizar
  • integração de contexto não entraria na melhor resposta mas na engenharia da CKG
  • a algebra do contradomínio de cada contexto (data, coordenadas, strings, números, etc...) poderia ser usadas na melhor resposta através de regras para extrair contexto implícito


Comentários

  1. Rever meta-query sobre Entidades e Conceitos considerando um tipo provável e a regra. Pensar atributos como relações com literais (fazendo analogia com propriedades)

    ResponderExcluir
    Respostas
    1. (?c1, ckg:Contextualizes, ?tipo.
      [id entidade], ?c1, ?valor .
      [id entidade], rdf:type, ?tipo.
      ?C {label = ?C.label}, ckg:Represented By, ?c1

      Excluir
    2. (?c1, ckg:Contextualizes, ?tipo.
      ?C {label = ?C.label}, ckg:Represented By, ?c1
      Existe {[id entidade], ?c1, ?valor . [ qq entidade], rdf:type, ?tipo.}

      OU

      (?c1, ckg:Contextualizes, ?tipo.
      ?C {label = ?C.label}, ckg:Represented By, ?c1
      Existe {[qq entidade], ?c1, ?valor . [ id entidade], rdf:type, ?tipo.}

      Excluir

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 ...

Defesa de Doutorado de Grettel Monteagudo Garcia

A última atividade presencial que fiz na PUC-Rio foi assistir a defesa de tese da Grettel Monteagudo Garcia , em 13/03/2020 (uma sexta-feira 13 !!!!). O título da tese é “ A Keyword-based Query Processing Method for Datasets with Schemas ” e me interessou por causa do projeto do NIMA. A proposta parte do cenário onde usuários possam consultar dados, armazenados em bancos de dados relacionais e TripleStores, de maneira semelhante ao Google, ou seja, digitando palavras-chave, e deixando para o sistema recuperar os dados que melhor correspondem ao conjunto de palavras-chave.  Na tese estão descritos um algoritmo e um framework projetados para processar consultas baseadas em palavras-chave para bases de dados com esquema, especificamente bancos relacionais e bases de dados em RDF. A primeira etapa do algoritmo é a conversão do conjunto de palavras chaves em uma consulta abstrata explorando um esquema abstrato . Nesta etapa o principal desafio é achar onde a informação está (os matches...

Metodologia Científica II - continuação

No primeiro post  foram detalhados os 6 primeiros vídeos do canal do Youtube do professor Eduardo Ogasawara do CEFET/RJ   Mais 3 vídeos foram disponibilizados e estão comentados a seguir: Gráficos, Figuras e Tabelas (33 minutos) - como apresentar os resultados das avaliações experimentais. Gráficos: associar análises dos resultados a cada gráfico apresentado, problemas comuns na montagem de gráficos (não usar todo eixo X ou Y, não usar área útil com uma escala adequada a ver o comportamento dos números, não marcar os pontos de observação da série, inconsistência no uso de cores ), escala logarítmica x linear, eixo X para a variável independente e Y para a dependente (resposta), escrever boas legendas para os gráficos, observar se diferenças entre variáveis apresentadas em gráficos separados podem atrapalhar a interpretação dos resultados. Diagramas devem ser pensados de acordo com o propósito, trata-se de uma abstração e cada elemento deve ser explicado no texto, rótulos...