Prova de Conceito WD - Query K1

Prova de Conceito WD - Query K1 - Brazil Q155

K1. Quais unidades geo-políticas / nações o atual Brasil (Q155) substituiu?

K1a -> q155, p1365, ?v1

Resposta: Diretamente duas: uma é um outro país (Q217230 - Empire of Brazil) e outra é um período histórico (Q5848654 - Republic of the United States of Brazil) que não foi selecionado para fazer parte do sub-set em função do seu tipo. As alegações referentes a relação "replaces (p1365)" não possuem qualificadores temporais e nem de proveniência no KG. Neste caso foram incluídas as informações de Contexto, principalmente Temporal, e Identidade das entidades envolvidas para aumentar o conhecimento sobre a cronologia das mesmas.

K1. Quais unidades geo-políticas / nações o atual Brasil substituiu indiretamente?

K1b -> q155, p1365*, ?v1

Resposta: Uma vez que a relação "replaces" é transitiva é possível aplicar o fecho transitivo em uma consulta de caminho para encontrar todos as entidades de interesse. A maioria das alegações recuperadas não possuem qualificadores temporais e nem de proveniência nesta relação. E muitos elementos recuperados não possuem uma relação de sobreposição de território com o atual Brasil como, por exemplo, países localizados exclusivamente na Europa e na África.

K1. Quais unidades geo-políticas / nações, localizadas na América do Sul, o atual Brasil substituiu indiretamente?

K1c -> q155, p1365*, ?v1. ?v1, p30, Q18 OU q155, p1365*, ?v1. ?v1, p30, ?v2. q155, p30, ?v2

Resposta: O filtro do Contexto de Localização (P30 continente) permitiu recuperar somente as entidades que possuem uma relação territorial com o atual Brasil através do mesmo continente.

Comentários

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...

Cores convida - Minicurso: Aprendizado de máquina e inferência em Grafos de Conhecimento

Pesquisadores Artur Ziviani, Fabio Porto e Daniel da Silva (LNCC) Resumo da apresentação A crescente produção e disponibilização de dados caracterizados por heterogeneidade e larga escala apresentam oportunidades desafiadoras à nossa sociedade. Dentre elas, como construir sistemas computacionais capazes de aprender, raciocinar e realizar inferências sobre fatos a partir de conhecimento prévio é uma tarefa relevante. Nesse cenário, bases de conhecimento são ativos importantes na representação e raciocínio automatizado do conhecimento de diversos domínios de aplicação. Em especial, a inferência de informação a partir de sua representação em rede — grafos de conhecimento — ganhou notoriedade na academia e indústria nos últimos anos. Em face ao exposto, neste curso, é apresentada uma introdução aos métodos e técnicas de aprendizado de máquina utilizadas em tarefas de inferência em grafos de conhecimento, discutindo-se os desafios e oportunidades tecnológicas e científicas desse tipo de tar...

Pesquisa de Doutorado da Veronica

Pesquisar este blog