Pular para o conteúdo principal

Feedback do SBBD 2024 - CTDBD

Revisor 1


Providing multiple query answers associated with the context in which they are valid is a useful and interesting approach.  In order to take into consideration the context of a query result, the thesis proposes the notion of a "Dual Open World Assumption" (DOWA), in which "the truthfulness evaluation depends upon the constexts of claims and tasks being carried out or intended".  This notion has been developed into a system with a "Trust Layer" on top of the knowledge Layer, that expands queries on a knowledge graph into context-aware query answering engine. A case study using wikidata is presented in the thesis.

The originality of the thesis lies on the proposal of a new concept of truthfulness (DOWA).  The mechanism for query expansion has been applied in other contexts and applications, but in fact not for context-awareness.

The thesis contribution is not only relevant for decision-making applications, but also in other applications in which context-awareness is important.  However, the thesis focuses on decision-making and Wikidata.

The executive summary deserves some work:
1. The definition of DOWA is not in the summary.  I believe it is the basis for all the other contributions;
2. The list of contributions is not numbered and starts with the proof-of-concept (which is part of the validation).  Moreover, it uses acronyms (such as WD, which is not defined previously)
3. The contributions should be presented in a better structured order.

 

Revisor 2

 

Resumo executivo bem apresentado. Boa parte das seções com conteúdo adequado. Produção científica em veículos qualificados e pertinentes. contribuições científicas relevantes, como uma infraestrutura estendida para gestão de KGs baseada em enriquecimento de contexto e uma engine de consulta que expande buscas e aprimora resultados de buscas.

Sugestões: seção de avanço no estado da arte poderia apresentar brevemente as limitações da literatura e quais dessas limitações a proposta avança; seção de avaliação poderia comentar brevemente os resultados obtidos; seção de referências bibliográficas poderia ter mais trabalhos.

 

Revisor 3

 

O trabalho trata de problemas fundamentais relacionados a contextos de grafos de conhecimento (KGs), obtidos através de crowdsourcing ou integração de diversas fontes, em cenários de tomada de decisão.  As suas contribuições incluem uma arquitetura para sistemas de apoio à decisão, composta de 3 camadas (Decisão, Confiança e Conhecimento), técnicas para o enriquecimento do KG com contextos explícitos e implícitos (derivados por regras) no CoaKG e uma máquina de consulta ao CoaKG que retorna todas as respostas possíveis.Trata-se de um trabalho bastante original que pode ter impacto a médio e longo prazo e contribuir para progressos significativos em representação de conhecimento simbólico e inferência.

 

Revisor 4

 

O trabalho aborda um problema relevante e complexo: a confiança em grafos de conhecimento em cenários de tomada de decisão. A contribuição do trabalho é boa, oferecendo um arcabouço para grafos de conhecimento enriquecidos com contexto (CoaKG). O trabalho propõe uma abordagem para incorporar dimensões contextuais explícitas e inferidas, que, argumentam os autores, superam as limitações dos grafos de conhecimento tradicionais. A apresentação da solução é clara e estruturada, mas a avaliação experimental baseada em uma PoC é limitada e pode não refletir completamente a aplicabilidade da solução. Além disso, a implementação prática enfrenta desafios significativos de escalabilidade e complexidade. A dependência de dados de alta qualidade também pode impactar negativamente a eficácia do sistema, e a adaptação a diferentes domínios pode exigir modificações substanciais. A criação e manutenção de regras de contexto e mapeamentos podem ser onerosa e suscetível a erros.

 

Notas:

1) Relevância do problema: Quão relevante é o problema abordado? Qual sua complexidade? Qual o impacto e/ou aplicabilidade em relação ao contexto motivador?

4, 5, 6, 5 -> Média 5

2) Contribuição: Quão relevante é a contribuição do trabalho? Qual o impacto da solução proposta para o problema? Quais as inovações científicas e produtos resultantes?

4, 5, 5, 4 -> Média 4.5

3) Originalidade (considerar o termo "originalidade" de forma apropriada ao contexto de dissertação ou tese): Como você avalia a originalidade do trabalho? Qual o nível das características inovadoras e/ou diferenciadoras do trabalho?

3, 5, 5, 5 -> Média 4.5

4) Avanço no estado da arte: Qual o avanço do trabalho ao estado da arte? Os trabalhos citados são atuais, relevantes e representativos da área?

3, 4, 5, 5 -> Média 4.25

6) Avaliação do trabalho: Qual o nível e abrangência do protocolo experimental? Qual pertinência dos objetivos de avaliação e experimentos realizados?

3, 4, 5, 3 -> Média 3.75

7) Produção Científica e Técnica: Como você avalia a produção técnico/científica, incluindo qualidade dos fori e quantidade de publicações, prêmios, e outras produções técnicas. PONDERE SUA NOTA CONSIDERANDO A DATA DE DEFESA DISPONIVEL NA FOLHA DE ROSTO. Trabalhos defendidos em 2022 têm, a principio, mais tempo para publicação que trabalhos defendidos em 2023/2024.

3, 5, 4, 5 -> 4.25

8) Recomendação geral: Deve ser selecionado para a segunda fase (apresentação oral)?

3,5,5,4 -> Média 4.25   

 

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 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...

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...