Identificação em Documentos

Transcrição

1 Identificação de Contexto Geográfico em Documentos Marcos Henrique Fonseca Ribeiro Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 1

2 Roteiro Motivação e contexto Cenários a serem explorados Alguns trabalhos relacionados Observações finais Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 2

3 Motivação Projeto de Tese de Doutorado: Explorar formas de integrar Ontologias e Mineração de Dados para diminuir a intervenção humana no processo de KDD Duas vertentes: Incorporar conhecimento formalizado (ontologias e similares) em técnicas/algoritmos de MD Incorporar conhecimento extraído por meio de KDD a bases de conhecimento, de forma automatizada Retro-alimentação das vertentes Área de aplicação: SIG (identificação de contexto geográfico em documentos) Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 3

4 KDD Dados 1 2 Dados Selecionados 3 Dados Dados Transformados Pré-processados 4 Regras e Padrões 5 Conhecimento + Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 4

5 Roteiro Motivação e contexto Cenários a serem explorados Alguns trabalhos relacionados Observações finais Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 5

6 Cenários 1. Identificação de Contexto utilizando Relacionamentos Complexos entre Termos Diversos níveis de abstração (documento faz referência a um país, província, cidade, bairro, distrito etc.) Utilização de classificadores associativos para identificação e correlação entre termos de um documento Utilização de extração de regras de associação em múltiplos níveis Enriquecimento semântico das relações procuradas para validação ou restrição do espaço de busca: províncias não coesas, enchentes no deserto, neve no calor e outros exemplos Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 6

7 Cenários 2. Eliminação de Ambigüidade entre Termos Exemplo de São Paulo : cidade de São Paulo, estado de São Paulo, São Paulo Futebol Clube, Universidade de São Paulo, Morro de São Paulo, Bairro São Paulo, a Grande São Paulo etc. Uso de termos auxiliares, que poderiam ocorrer simultaneamente: renda per capita, população, média pluviométrica, tricolor paulista etc. Como diferenciar o estado da cidade? O que analisar primeiro? Capital: exemplo de Goiás Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 7

8 Cenários 2. Eliminação de Ambigüidade entre Termos Ontologias podem contribuir para a préclassificação das relações que devem ser analisadas primeiro e para um filtro prévio, auxiliando na eliminação de documentos fora de interesse Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 8

9 Cenários 3. Interesse e Relevância de Padrões e Regras Ontologias: auxiliar na pré-validação de conhecimento extraído por uma mineração convencional Avaliar o ineditismo/obviedade de um padrão e/ou regra, através da comparação com as relações contidas em sua representação Quão facilmente uma regra válida (por medidas convencionais) pode ser comprovada ou inferida na ontologia? Manaus X Curitiba, Brasília X Montevidéu o quão próximas podem ser em contextos diferentes? Classificar os resultados obtidos na extração por meio do ineditismo, durante a apresentação destes ao usuário. Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 9

10 Cenários 4. Seleção de atributos e documentos Objetivo: redução do custo computacional das técnicas de mineração, sem que haja perda significativa na qualidade dos modelos obtidos. Exemplo do uso de ontologias: Usando dados geográficos, qual a melhor localização para a construção de um centro de convenções? Escolaridade média dos habitantes de uma região é relevante? Em um contexto técnico, poderia não ser, mas em um contexto comercial, sim. Clusterizar documentos que possuem termos semelhantes e eliminar da análise os que não possuem volume significativo de termos de interesse Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 10

11 Cenários 5. Incorporação de Conhecimento Descoberto Automaticamente a Bases de Conhecimento Objetivo: reuso do conhecimento obtido por KDD. Abordagens: Classificar relações de uma ontologia utilizando Mineração de Dados, na busca de quais ocorrem com mais freqüência nos dados reais e transformando-as em mais relevantes Regras classificadas com boas métricas convencionais e grau elevado de ineditismo viram relações empíricas entre objetos na ontologia, por incorporação automática Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 11

12 Roteiro Motivação e contexto Cenários a serem explorados Alguns trabalhos relacionados Observações finais Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 12

13 A confidence-based framework for disambiguating geographic terms Erik Rauch, Michael Bukatin, and Kenneth Baker Sistema de desambiguação de termos geográficos baseados em medidas de relevância estatística (confiança) Ocorrências do termo wine na Europa Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 13

14 Geographical Information Retrieval with Ontologies of Place Christopher B. Jones, Harith Alani and Douglas Tudhope Propõe uma medida de proximidade que combina medidas de distância euclidiana, hierárquica e temática. Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 14

15 Geographical Information Retrieval with Ontologies of Place Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 15

16 Geographical Information Retrieval with Ontologies of Place Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 16

17 Geographical Information Retrieval with Ontologies of Place Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 17

18 Geographical Information Retrieval with Ontologies of Place Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 18

19 Geographical Information Retrieval with Ontologies of Place Query em um contexto arqueológico: Axes in Edinburgh Interesses: machados encontrados em Edimburgo, próximos a Edimburgo ou que se encontram atualmente em Edimburgo. Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 19

20 Geographical Information Retrieval with Ontologies of Place Distância hierárquica: Query Candidato Pesos Níveis hierárquicos Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 20

21 Geographical Information Retrieval with Ontologies of Place Medida de proximidade espacial combinada: Distância Euclidiana Distância hierárquica Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 21

22 Geographical Information Retrieval with Ontologies of Place Distância temática: Baseada no menor número de links que separam termos em uma rede semântica Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 22

23 Geographical Information Retrieval with Ontologies of Place Ranking de resultados Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 23

24 Geographical Information Retrieval with Ontologies of Place Ranking de resultados Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 24

25 Web-based delineation of imprecise regions Avi Arampatzis et al. Utiliza a Web para determinar que localidades fazem ou não fazem parte da região a ser delineada Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 25

26 Web-based delineation of imprecise regions Avi Arampatzis et al. Utiliza a Web para determinar que localidades fazem ou não fazem parte da região a ser delineada Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 26

27 Web-based delineation of imprecise regions Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 27

28 Modelling vague places with knowledge from the Web C. B. Jones et al. Densidades de georreferências Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 28

29 Roteiro Motivação e contexto Cenários a serem explorados Alguns trabalhos relacionados Observações finais Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 29

30 Observações Finais Foi possível encontrar trabalhos com escopos e idéias similares às propostas, indicando que o problema é relevante O problema abordado apresenta diversos aspectos, o que o torna interessante e com muitas facetas a serem exploradas Além de uma infra-estrutura de dados, infraestruturas de metadados e representação de conhecimento (ex.: ontologias) espaciais são necessárias para realização de trabalhos envolvendo o problema e os tipos de abordagens apresentados Bancos de Dados Geográficos Marcos Henrique Fonseca Ribeiro Slide 30