Pular para o conteúdo principal

Reunião de Orientação 15 de Junho

Sérgio e Daniel

Como comparar entidades: considerar que em um contexto podem ser iguais e em outro diferentes. A verdade é Relativa assim como a Igualdade é Relativa.

Exemplos: 

1) Pele & Edson Arantes, papel de jogador X papel de empresário .... comparar dois atletas está tratando dentro de um domínio (interessam somente atributos dentro deste domínio). 

2) Quem é mais próximo do TecGraf: Daniel ou Roberto? Assumindo que nenhum dos dois é vinculado, usar outras propriedades e relacionamentos.

Falta exercitar com exemplos dos KGs que estamos modelando. Olhar o artigo sobre similaridades na WD e os datasets -> https://github.com/usc-isi-i2/wd-similarity. Nem todo o caso isto se aplicaria e qual seria então a classe de problemas que a semelhança por contexto se aplica.

A similaridade pode ser por caminho ou por embeddings. Na nova abordagem o contexto poderia fornecer os parâmetros para definir métricas de similaridade mais específicas. 

Vamos investir nisto na Tese ou deixar como trabalho futuro?

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

Cronograma da Tese

Deadline do DI: 48 meses mas são raros os términos dentro do prazo. Eu já estou na prorrogação de 6 meses. O semestre termina em 31 de julho e o limite seria 30 de setembro. Se existe o risco de não defender dentro do prazo, peça prorrogação. Mas a segunda prorrogação passa pela comissão de pós que pede bons argumentos apesar da flexibilidade em função da pandemia.

Deadline IBGE: Novembro de 2023.

Próximos passos: 

1) Terminar os estudos de casos para ter uma base sólida para Avaliação. Operacionalizar no kgtk os passos que foram definidos teoricamente. COMO?

2) Avaliar se a abordagem de similaridade com contexto entra ou não na tese com estudos de casos ou fica como trabalho futuro. Selecionar exemplos onde o contexto pode fazer diferença.

3) Daniel mandou e-mail sobre o artigo da WD

4) Fazer a POC com o subset da WD e replicar as queries Geo Políticas na Europa para demonstrar como estender um KG existente adicionando a camada de Contexto (transformar em um CKG). COMO?

Parte Filosófica: Todas/Melhor Resposta Possível ... agregar Contexto mesmo que não tenha sido solicitado na Query pq sempre existe mesmo que implícito, pq interfere na Interpretação do Resultado, pq pode fazer parte de Critérios da Camada de Decisão

Comparar com o que outras abordagens chamam de Contexto, por exemplo, Embeddings. 

Fazer um CRONOGRAMA


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...

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 ...

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...