FERRAMENTA AKWANCLASS PARA SUPORTE A GESTÃO DO CONHECIMENTO

Transcrição

1 FERRAMENTA AKWANCLASS PARA SUPORTE A GESTÃO DO CONHECIMENTO RODRIGO F. VALE 1 ; ANA PAULA B. SOARES 1, 2 1 Akwan S/A, Av. Antônio Abraão Caram 430, 4 andar, , Belo Horizonte, MG, Brasil rodrigov@akwan.com.br; apbsoares@akwan.com.br 2 Escola de Ciência da Informação, Universidade Federal de Minas Gerais (UFMG) Avenida Presidente Antônio Carlos, 6627, Pampulha, Belo Horizonte, MG, Brasil apbsoares@eci.ufmg.br A falta de informação para o suporte a tomada de decisão há muito não é problema. Com a consolidação da Internet e a adoção em massa de redes corporativas grande parte da informação de interesse corporativo encontra-se em meio digital. O grande problema atualmente é encontrar tais informações, compila-las e consolida-las para o suporte a tomada de decisão. Este artigo tem como objetivo apresentar uma ferramenta para classificação, organização, disponibilização automática de documentos baseada em Tesauros Corporativos. Tal ferramenta permite que os usuários acessem a informação de forma intuitiva através de múltiplas visões da informação. Esta informação pode estar dentro de um departamento, no portal corporativo ou em fontes de informação fidedignas na Web. Palavras-chave: tesauro; taxonomias; classificação; documentos; organização;

2 AKWANCLASS TOOL FOR THE KNOWLEDGE MANAGEMENT SUPPORT. Actually, the lack of information for the support of the strategic decision is not a problem. With the consolidation of the Internet, and the adoption of intranets, great part of the interest corporative information is in a digital format. Now the problem is to find such information, compels and consolidates them for support of the strategic decision. This article will present a tool based in thesaurus for automatic classification and organization of corporative documents. Such tool allows the users to access the information intuitively through multiple visions of it. This information can be inside of a department, in the corporative portal or trustworth sources of information in the Web. Keywords: thesaury; taxonomy; classification; documents; company;

3 INTRODUÇÃO A falta de informação para o suporte a tomada de decisão há muito não é problema. Com a consolidação da Internet e a adoção em massa de redes corporativas grande parte da informação de interesse corporativo encontra-se em meio digital. O grande problema atualmente é encontrar tais informações, compila-las e consolida-las para o suporte a tomada de decisão 1. Segundo recente estudo feito pelo Instituto Gartner, mais de 80% da informação de interesse de grandes corporações estão perdidas em arquivos digitais dentro das coporações 2. Este artigo tem como objetivo apresentar uma ferramenta para classificação, organização, disponibilização automática de documentos, baseada em Tesauros Corporativos. Tal ferramenta permite que os usuários acessem a informação de forma intuitiva. Esta informação pode estar dentro de um departamento, no portal corporativo ou em fontes de informação fidedignas na Web. Equivalências Mercado de Capitais Mercado Monetário Conceito Mercado Financeiro Associação Conceito Sites Conceito Mercado Cambial Conceito Mercado Interno Conceito Sites de Mercado Financeiro FIGURA 1: Visão geral da solução FIGURA 2: Exemplo de um Tesauro Uma visão geral da solução pode ser vista através da FIGURA 1. Nesta figura temos a fonte de informação, que contém toda informação de interesse da corporação. Tal informação pode estar localizada na Web, no servidor de arquivos corporativos ou na própria intranet da empresa. Esta informação é passada para o organizador automático, que utiliza um Tesauro desenhado sob medida para a empresa, para organizar automaticamente a informação segundo conceitos utilizados no seu dia a dia.

4 METODOLOGIA Esta seção descreve de forma sucinta a metodologia utilizada para a criação da solução mostrada na FIGURA 1. Esta solução tem como base a criação de Tesauros Corporativos, classificação automática de documentos, combinação de evidências para melhorar a qualidade de resposta do sistema e a criação de visões que melhor atendem as necessidades de informação do usuário. Tesauros Corporativo Esta subseção descreve de forma sucinta a definição de Tesauros a uma possível metodologia para a criação de Tesauros Corporativos. Definição de Tesauros Tesauro é uma ferramenta da linguagem artificial de uma área do conhecimento, sendo construído por especialistas para representar através de conceitos o conteúdo informacional, especificando as relações entre estes conceitos 3. Tais relações entre conceitos ocorrem no campo das idéias (conceitualmente), onde conceitos são comparados e são representados por relações hierárquicas e associativas; e no campo semântico (comparação das palavras) e são representados pela relação de equivalência. Um Tesauro é composto por 4 : Termos: representam conceitos de um conteúdo informacional; Descrição: explicitação do conceito representado por um termo; Relacionamentos: Hierarquia: vinculação de um termo a outro, reunindo conceitos que têm características comuns entre si; forma a estrutura do Tesauro; Associação: termos que são semântica ou conceitualmente associados, mas não são equivalentes. Como: quando um objeto dá origem a outro (borracha/pneu) ou relacionam-se em um mesmo espaço (pneu/carro), quando

5 um processo/fenômeno desencadeia um outro processo/fenômeno (imprudência/ acidente). Equivalências: são termos não autorizados, ou não eleitos, mas que também representam o conceito, sinonímias. Um exemplo de Tesauro pode ser visto na FIGURA 2. Nesta figura nós temos o conceito de Mercado Financeiro. A este conceito estão relacionados os termos equivalentes Mercado de Capitais e Mercado Monetário. Além disso, este Tesauro define Mercado Cambial e Mercado Interno com sendo um tipo de Mercado Financeiro. Este mesmo Tesauro possui o conceito de Sites de Mercado Financeiro que está associado ao conceito de Mercado Financeiro. Metodologia de Criação de Tesauros A metodologia de criação de Tesauros Corporativos apresentada neste artigo é baseada na metodologia adotada pela empresa CGI Júnior (Consultoria Júnior para Gerência de Informação), empresa júnior da Escola de Ciência da Informação da Universidade Federal de Minas Gerais (UFMG) e foi utilizada na criação de um Tesauro Corporativo para uma empresa de construção civil pesada, definida neste artigo como cliente. O objetivo da elaboração desse Tesauro foi criar um instrumento automatizado de compartilhamento e controle terminológico que permitisse a equivalência das linguagens adotadas pelos profissionais do cliente na produção, organização e utilização de atestados de obras e documentos correlatos, com vistas a dinamizar o fluxo informacional e agilizar o processo de recuperação de informação on-line, em situações específicas. O projeto foi realizado por uma equipe composta por profissionais da informação e da ciência da computação em interação com os profissionais ligados às atividades de produção, organização e utilização de atestados de obras do cliente. E foi dividido em 3 (três) etapas, como se segue: Primeira etapa:

6 Análise, caracterização e categorização de uma mostra significativa de documentos que compõem os atestados de obras; Entrevistas com os profissionais responsáveis pela produção, organização e uso dos atestados de obras no ambiente empresarial; Especificação das demandas informacionais relativas aos atestados de obras e documentos correlatos. Segunda etapa: Identificação e compilação da descrição conceitual adotada na empresa para especificação dos atestados de obras; Identificação em obras especializadas e de referência da linguagem atinente aos atestados de obras; Compilação, sistematização e redação da terminologia; Definição da estrutura da terminologia demandada; Categorização e estabelecimento de equivalências de linguagem, segundo parâmetros previamente elaborados. Terceira etapa: Manutenção da base de dados terminológica; Elaboração do designer de interface eletrônica da terminologia; Implementação e operacionalização tecnológica. Na execução desse projeto considerou-se essencial o contato sistemático entre os profissionais envolvidos. Para tanto, trabalhou-se com a realização de contatos virtuais (telefônicos e eletrônicos) sistemáticos e a efetivação de três encontros presenciais para planejamentos e ajustes do produto proposto. Estes encontros funcionaram como avaliações do produto em construção e como fio condutor dos trabalhos, uma vez que, todo o processo foi construído conjuntamente e acompanhado por todos os envolvidos. Como resultado final o Tesauro Corporativo desenvolvido para o cliente é constituído de aproximadamente (mil e trezentos) conceitos. Este Tesauro não abrange todos os conceitos da área de Construção Civil e estão focados nos Atestados de Obras do cliente.

7 Definição de Sistema de Classificação Automatica de Documentos Nesta subseção descrevemos de forma resumida o sistema da empresa Akwan denominado de AkwanClass para a classificação automática da informação através de Tesauros. Esse sistema é baseado no modelo HiMeD de categorização automática 5,6,7 e em um modelo de combinação de evidências através de redes bayesianas 8,9,10. Tais modelos serão descritos a seguir. O Modelo HiMeD de Categorização Automática O modelo HiMeD de categorização automática de documentos 5,6,7, permite que documentos sejam classificados e inseridos automaticamente em conceitos contidos em um Tesauro Corporativo. O processo de categorização automática pode ser visto, de forma bem simples, como descrito a seguir. O modelo HiMeD procura nos documentos por termos existentes no Tesauro Corporativo e que estejam dispostos formando um conceito válido. Quando tais termos são encontrados, o código correspondente ao conceito é associado ao documento. Documento Original... continuou priorizando as áreas de infra-estrutura, finanças e mercado de capitais, além de pequenas... HiMeD Documento Classsificado D00926 Reprovado Segmentação de Mercados FIGURA 3: Um exemplo de categorização Coleção Original HiMeD Coleção Classificada FIGURA 4: Categorização de uma coleção A FIGURA 3 mostra um exemplo simples de categorização. Nesse exemplo o documento recebe o código D referente ao conceito de Mercado Financeiro. Este conceito foi encontrado através da disposição dos termos Mercados de Capitais dentro do documento. Além disso, o conceito Segmentação de Mercado foi rejeitado pelo classificador. Isso ocorre devido a disposição dos termos e o contexto do documento em relação ao Tesauro Corporativo. Desta forma, mesmo que o documento possua os termos segmentação de mercado não significa necessariamente que o documento discorra sobre tal assunto.

8 O Modelo de Combinação de Evidências Através do modelo HiMeD, é possível categorizar toda uma coleção de documentos gerando uma nova coleção com documentos categorizados. Os documentos categorizados irão conter apenas as categorias encontradas, tal como mostrado na FIGURA 3. A FIGURA 4 apresenta um exemplo do processo de categorização de uma coleção de documentos. O objetivo final de todo esse processo de categorização é facilitar a busca por informação de um usuário. Dessa forma, o usuário especifica uma consulta e o sistema retorna todos os documentos relacionados a essa consulta. Para tirarmos proveito dos conceitos encontrados nos documentos categorizados, é necessário que o sistema também classifique a consulta do usuário. A FIGURA 5 apresenta um exemplo do processo de categorização de uma consulta. Nessa figura, temos a consulta original do usuário, a consulta categorizada através do modelo HiMeD e uma nova consulta contendo apenas as palavras-chave da consulta original. Consulta Original Consulta A termos Consulta B conceitos Termo 1 Termo 2... Termo n conceito 1 conceito 2... conceito n A doc 1 doc 2... doc n B doc 1 doc 2... doc n Estou interessado em documentos que discorram sobre Mercado de Capitais HiMeD D00926 doc 1 doc 2... doc n FIGURA 5: Categorização de uma consulta FIGURA 6: Combinação das evidências De posse dessas informações (documento original, documento categorizado, consulta com palavras-chave e consulta categorizada), o sistema deve combiná-las para gerar uma única resposta que será mostrada para o usuário. Essa combinação é feita através de Redes Bayesianas. A FIGURA 6 mostra de forma simplificada a Rede Bayesiana utilizada para combinar as evidências encontradas pelo sistema.

9 Nessa figura, a consulta original do usuário leva a uma consulta A baseada em palavras-chave e a uma consulta B baseada em conceitos contidos em um Tesauro Corporativo. Os termos da consulta são então comparados com os termos existentes em todos os documentos da coleção. Quando um termo dentro de um documento é encontrado na consulta, a esse documento é associado um peso. O mesmo ocorre para os conceitos da consulta B, que são comparados aos conceitos existentes em todos os documentos categorizados da coleção. Quando um conceito dentro de um documento é encontrado, a esse documento é também associado um peso. Ao final desse processo, teremos dois conjuntos de documentos, A e B, onde cada documento pertencente a esses conjuntos possui pesos independentes. Tais documentos são então combinados gerando um conjunto de resposta única que será mostrado para o usuário. Detalhes matemáticos usados no cálculo dos pesos dos documentos podem ser vistos nas referências bibliográficas [8,9,10]. RESULTADOS OBTIDOS O processo de classificação de documentos baseado em Tesauros pode ser utilizado na área de Gestão do Conhecimento para suporte ao processo de compartilhamento de informação, memória organizacional dentre outros. Neste artigo apresentamos 03 (três) tipos de aplicações, que são: compartilhamento da informação, memória organizacional e cruzamento de informação. A qualidade da classificação automática possui uma precisão superior a 80% (oitenta por cento) 5,6,7. Combinar as evidências de conceitos e termos melhora a qualidade de resposta para o usuário em até 80% (oitenta por cento) 8,9,10. A Ferramenta de Classificação de Documentos Nessa subseção apresentamos a ferramenta de classificação automática de documentos da Akwan. A FIGURA 7 mostra a ferramenta como um todo. Nesta figura temos um Tesauro Corporativo, representado através de pastas ao seu lado esquerdo. A ferramenta possui opções para o refinamento da classificação. Este refinamento pode ser feito de forma simples através da associação de notas pelo usuário a uma determinada

10 classificação de um documento. Ou seja, se o documento foi mal classificado o usuário poderá dar uma nota 0 (zero) para esta classificação. Através dessas evidências capturadas através das notas do usuário, o sistema é capaz de melhorar ainda mais a qualidade da classificação. Uma outra forma de melhorar a classificação é através da criação de regras específicas para cada conceito não compreendido pelo sistema. A FIGURA 8 mostra um relatório de classificação exibido pelo sistema para o usuário. Neste relatório, o sistema exibe os conceitos aprovados (em azul) e os conceitos reprovados (em vermelho) durante o processo de classificação do documento. Além disso, o sistema exibe através de gráficos quais evidências foram encontradas no documento para a tomada de decisão do classificador. FIGURA 7: Visão geral do sistema de classificação FIGURA 8: Conceitos aprovados e reprovados pelo sistema Compartilhamento da Informação através de sistemas de busca baseados em navegação Nessa subseção aplicamos o processo de classificação de documentos para auxiliar a recuperação de informação do usuário através de sistemas de buscas baseados em navegação.

11 FIGURA 9: Busca baseada em navegação FIGURA 10: Memória organizacional Sistemas de busca baseados em navegação ou diretórios são sistemas intuitivos, que permitem ao usuário chegar na informação desejada através da interação com o sistema. Quando comparamos a busca através de palavras-chave com a busca baseada em navegação podemos determinar algumas diferenças fundamentais entre elas. Para se buscar uma informação através de palavras-chave o usuário deve saber quais são as palavras que serão utilizadas na mesma antes de saber o que há no conteúdo dos documentos que serão recuperados. Além disso, a busca baseada em palavras-chave assume que o usuário sabe exatamente o que está procurando, o que nem sempre é verdade. Os mesmos, muitas vezes, não sabem o que buscam, mas quando eles encontram a informação desejada, eles descobrem o que querem % das pessoas questionadas durante uma pesquisa Yahoo responderam que preferem a navegação baseada em diretórios ao invés de busca por palavras-chave 11. Através de soluções baseadas em Tesauros e organização automática da informação, todos os documentos de interesse serão disponibilizados para os usuários de forma simples e intuitiva. A FIGURA 9 mostra que o usuário poderá encontrar a informação de interesse navegando nas pastas que descrevem conceitos do seu dia a dia na empresa e que são facilmente entendidos. Ao clicar na pasta Mercado o sistema irá sugerir para o usuári o informações relacionadas a Market Share e a Segmentação do Mercado. Desta forma o usuário poderá ir refinando a sua consulta de forma interativa até chegar na informação desejada.

12 Memória Organizacional através de relatórios estatísticos disponibilizados pelo sistema Organizar a informação e compartilhá-la é importante, pois permite uma maior integração entre os funcionários, uma vez que a informação gerada por um é compartilhada por vários. Entretanto, desde pequenas empresas até grandes corporações a produção de novas informações para atender demandas específicas é constante. Com o passar do tempo o volume de informação será tão grande que não se terá uma visão geral do seu conteúdo, por mais que esta informação esteja organizada. Exemplo, ter todos os documentos relativos a concorrentes armazenados em uma pasta Concorrentes não permite que se saiba sobre qual assunto relacionado a concorrentes estes documentos discorrem. Através de soluções baseadas em Tesauros e organização automática da informação, levantamentos estatísticos poderão ser feitos. A FIGURA 10 é um exemplo de relatório para o suporte a memória organizacional. Neste exemplo o usuário deseja saber sobre o que discorrem os documentos armazenados na pasta de Concorrentes. O sistema então informa que grande parte da sua informação está relacionada a Novos Produtos. Se o usuário desejar ele pode pedir para o sistema detalhar ainda mais a informação relacionada a Novos Produtos. O sistema permit e que o usuário tenha acesso a uma visão geral do conteúdo de sua informação de forma simples e intuitiva sem ter que ler um por um dos documentos. Além disso, o usuário pode solicitar que a informação seja colocada em uma linha de tempo. Através desta linha de tempo é possível definir análises de tendências, as evoluções dos projetos, dentre outras aplicabilidades. Por exemplo, na área de construção civil pesada, é possível verificar que há um ano atrás os projetos para a construção de pontes utilizava a metodologia A, com o passar do tempo tal metodologia foi sendo trocada pela metodologia B.

13 FIGURA 11: Cruzamento de informação FIGURA 12: Alerta de informação Cruzamento de Informação através de buscas baseadas em conceitos Uma outra vantagem em se ter a informação organizada através destas soluções é a possibilidade do cruzamento de informação. O cruzamento pode ser feito de forma simples através da seleção das pastas de interesse do usuário. Como exemplo temos a FIGURA 11. Nesta figura o usuário deseja saber quais são os documentos da empresa que tratam sobre o assunto Concorrentes e Segmentação de Mercado. O sistema então exibe para o usuário trechos dos documentos encontrados destacando as informações relacionadas ao conceito Concorrentes e Segmentação de Mercado. CONCLUSÕES Neste artigo descrevemos uma ferramenta para classificação, organização e disponibilização de documentos corporativos que baseada em Tesauros para a sua tomada de decisão. Além disso, foram exemplificadas diversas aplicabilidades para a ferramenta que vão desde ao compartilhamento da informação até ao suporte a memória organizacional. A busca por conceito é importante, pois permite que o usuário encontre a informação desejada de forma mais precisa. Por exemplo, um documento pode conter as palavras Segmentação e Mercado porém não discorrer sobre tal assunto. Assim, quando o usuário consultar por Segmentação de Mercado apenas documentos que tratam do assunto em questão serão retornados. O inverso também é verdade, ou seja, quando o

14 usuário consulta por Market Share documentos que discorrem sobre Participação no Mercado serão exi bidos. Como trabalho futuro pretendemos adicionar uma funcionalidade para o suporte a geração de Tesauros, onde o sistema irá sugerir conceitos para o profissional de informação durante o processo de elaboração do Tesauros. Além disso, a ferramenta irá sugerir associações entre conceitos de forma automática. Caberá ao profissional decidir se as sugestões são válidas ou não. REFERÊNCIAS: 1. BAEZA-YATES, R., RIBEIRO-NETO, B. Modern Information Retrieval. England: Addison Wesley, GARTNER Seção Knowledge Support. Disponível em Acesso em 21 set INFOTHES. Disponível em Acesso em 21 set NATIONAL INFORMATION STANDARDS ORGANIZATION (NISO). Guidelines for the construction, format, and management of monolingual thesauri. New York: ANSI, LIMA, L.R.S.; Laender, A.H.F.; RIBEIRO-NETO, B. Um modelo especializado para recuperação de informação aplicado a banco de dados médicos semi-estruturados, In: Anais do XII Simpósio Brasileiro de Banco de Dados. Fortaleza, Brasil, pp , 1997.

15 6. LIMA, L.R.S.; Laender, A.H.F.; RIBEIRO-NETO, B. A hierarquical approach to the automatic categorization of medical documents. In: Proc. of the 7th International ACM Conference on Information and Knowledge Management. Maryland, USA, pp , LIMA, L.R.S. Categorização automática de documentos médicos. Tese de Doutorado, Belo Horizonte: DCC/UFMG, VALE, R.F. Uma estratégia para fusão de respostas na busca de documentos médicos na web. Dissertação de Mestrado, Belo Horizonte: DCC / UFMG, VALE, R.F.; LIMA, L.R.S.; RIBEIRO-NETO, B.A.; LAENDER A.H.F., FREITAS- JUNIOR, H.R., Recuperação de Informação em Coleções Médicas Utilizando Categorização Automática de Documentos. In: Anais do XVI Simpósio Brasileiro de Banco de Dados, Rio de Janeiro, pp , FREITAS-JUNIOR, H.R., Um Método para Recuperação de Informação Médica Interlínguas. Dissertação de Mestrado, Belo Horizonte: DCC/UFMG, MARKET MILESTONE REPORT, Taxonomy & Content Classification. A Delphi Group White Paper, 2002.