Post on 22-Apr-2015
Semântica em Integração de Dados – Ontologia Contextual
Vinícius Torres
Roteiro•Integração de Esquemas
•Pré-processamento para Integração
•Word Sense Disambiguation•Spell Check•Expansão de abreviação e acrônimos
•Contexto
•Modelagem Contextual
•Ontologia Contextual
•Ontologia Contextual para pré-processamento
Integração de Esquemas
Integração de Informação: começou com integração de BD, e tem sido estudado pela comunidade de Banco de Dados desde a década de 80.
Problema: schema matching, que lida com 2 (ou mais) esquemas de banco de dados para produzir um mapeamento entre seus atributos.
Objetivo: merging dos esquemas em um esquema global único.
Integração de Esquemas
Integração de esquemas é o processo que recebe esquemas de fontes de dados distintos e produz um esquema unificado.
Integrando 2 esquemas
Ex1:S1 S2Cust CustomerCode NumberName First NamePhone Last Name
Phone Number
Ex2:S1 S2Cust CustomerCNo CustIDCompName ContactFirstName Phone
Pré-processamento para Integração
Tokenização: A tokenização é o processo de identificar e transformar os atributos em palavras.
Remoção de caracteres: “-”, “_”, ”.” …..
UpperCase: FirstName, MyHouse
Stop-words: Remoção de palavras sem relevância semântica(artigos, preposições, etc).
Pré-processamento para Integração
Spell-check:
Um problema adicional na normalização é a correção ortográfica. expansion of abbreviations and acronyms;schema element sense disambiguation;
4 tipos de erros
inserção(computter, com letras a mais);deleção(com letras a menos, hous);substituição(housi, com o i no lugar do e) ;transposição(dgo, com o g e o em posições invertidas).[Chan, 2005]
Pré-processamento para Integração
Expansão de Abreviações e Acrônimos:
• escolher o sentido correto de acordo com o contexto onde o termo é apresentado ;
• difícil, pois pode existir mais de sugestão de expansão, ou ainda, nenhuma.
Pré-processamento para Integração
Expansão de Abreviações e Acrônimos:
2 categorias de abreviações (Hill, 2008)
Simples: Única Palavra•Prefixo: ‘attri’(attribute)•Aleatório: ‘msg’(Message) e src(Source)
Composta: Multi-palavas•Acrônimos: ‘ssn’(Social Security Number)•Partes das Palavras: doctype(Document Type)
Pré-processamento para Integração
Expansão de Abreviações e Acrônimos:
Expansão baseada em dicíonários:
•mais de um termo encontrado;•problema expandido quando de utiliza a web;•dicionário precisa ser constantemente atualizado.
Pré-processamento para Integração
Ferramentas para normalização: (Belian, 2008)
Cupid Tokenização, expansão e eliminação(prepositions)
Thesaurus
Embley et al. Expansão Wordnet
COMA++ Expansão Thesaurus
OntoBuilder Tokenização Wordnet
WordNet
Alguns relacionamentos do synset car.
Contexto
Contexto é definido como um informação contextual usada para representar circunstâncias envolvendo certas entidades, onde a entidade pode ser uma pessoa, lugar, objeto ou um procedimento que é considerado relevante na interação entre usuários e aplicação.
[Strang et al., 2003].
Contexto
Sistemas Sensíveis ao Contexto auxiliam pessoas nas tarefas diárias adaptando seu comportamento baseado em informações contextuais do usuário. Contexto Computacional é qualquer informação relevante descrevendo entidades em um interação homem-máquina.
[Neto, 2005].
Contexto(Fases)
Modelagem Contextual
Definir e usar contexto em aplicações computacionais requer um modelo contextual bem definido que deve representar e lidar com o conhecimento contextual.
[Strang et al., 2003]
•Compartilha um entendimento comum da estrutura da informação;
•Reuso de conhecimento contextual;
•Raciocínio.
Contexto
Ontologia Contextual para Integração precisa incluir informações contextuais:
•Fontes de Dados;•Esquemas;•Vocabulario(significado, relacionamentos semânticos, léxico)
Elementos Contextuais
•Usuário;•Ambiente;•Dados;•Associações;•Procedimentos; e •Aplicação.
Ontologia Contextualpara Integração
[Belian, 2008]
Ontologia Contextualpara Integração
[Belian, 2008]
Ontologia Contextualpara Integração
[Belian, 2008]
Ontologia Contextualpara Integração
[Belian, 2008]
Ontologia Contextual- Raciocínio
A utilização de Ontologias para representação contextual nos permite inferências:
• Se “paciente” = {any};• Se “cliente” = {saúde privada};• Se “usuário” = {saúde pública, tratamento de drogas}.
Contexto para resolução semântica
O processo de integração de esquemas geralmente é baseado nas seguintes etapas:
1. Pre- Integração(processemento) ;2. Comparação de Esquemas;3. Merging entre as diversas fonte de dados.
[Belian, 2008].
Contexto para resolução semântica
Pré-Integração:
1. Expansão de abreviações e acrônimos.
2. Desambiguação de significado;
3. Spell-check.
Contexto para resolução semântica
Expansão de abreviação e acrônimos:
Exemplo: “PA”
Contexto para Word Sense Disambiguation
Word sense disambiguation é determinar qual o significado da palavra em questão a depender do contexto.[Jurafksy, 2000]
Exemplo Clássico:Word: “Manga”
Dicionário Aurélio On-linemanga 1 sf. 1. Parte do vestuário onde se enfia o braço. 2. Qualquer peça de forma tubular que reveste ou protege outra peça.3. O fruto da mangueira
Contexto para Word Sense Disambiguation
Outro Exemplo:Word: “Usuário”
1. Usuário de Computador. 2. Usuário de drogas em tratamento.3. Usuário do SUS.(na esfera particular pode ser cliente ou
paciente).
Domínio de Saúde. Porém subdomínios diferentes:
•Psicologia•SUS
Contexto para Word Sense Disambiguation
Ainda no exemplo:Word: “Usuário”
“Aplicação” Exemplo
Normalização:Atributo: “diag_code” Entidade: “office_visit”
[Belian, 2008]
1. Obtem-se o termo completo formado pelos tokens “diag” e “code”;2. O termo “diag code” é classificado na ontologia levando em
consideração os elementos contextuais;3. Diag é expandido na ontologia para Diagnoses;4. O termo “Diagnoses Code” é classificado na ontologia.
“Aplicação” Exemplo
[Belian, 2008]
Referências[Chan, 2005] Chan, S., He, B. & Ounis, I. (2005), An in-depth survey on the automatic detection and correction of spelling mistakes, in ‘Proceedings of the 5th Dutch-Belgian Information Retrieval Workshop (DIR)’.[Hill, 2008] Hill, E. et al. AMAP: Automatically Mining Abbreviation Expansions in Programs to Enhance Software Maintenance Tools. MSR. 2008[Strang et al. 2003] Strang, T., Linnhoff-Popien, C., Frank, K.: CoOL: A Context OntologyLanguage to enable Contextual Interoperability. Proceedings of 4th IFIP WG 6.1, InternationalConference on Distributed Applications and Interoperable Systems, DAIS, 2003.[Belian, 2008]Belian, Rosalie Barreto A context-based name resolution approach for semantic schema integration - Tese. – Recife – 2008.
Dúvidas
?[Belian, 2008]