Como extrair insights no meio digital para execução de uma Estratégia Data Driven
Representação do conhecimento -...
Transcript of Representação do conhecimento -...
Representação do conhecimento
1
Universidade Católica de Pelotas
Centro Politécnico
Engenharia da Computação
Disciplina: Inteligência Artificial
Representação do Conhecimento (1/2)
• Uma boa solução para um problema depende de uma boa representação do conhecimento.
• O conhecimento pode ser expresso de formas distintas:
▫ Parte do raciocínio conduzido pelos humanos
▫ Parte de outros agentes é incerto (difícil usar a lógica)
2
Representação do Conhecimento (2/2)
• Linhas/Paradigmas da IA para construção de Sistemas Inteligentes ▫ Simbólica: Abordagem clássica
▫ Não-Simbólica (Sub-Simbólicos): Abordagem moderna
3
Simbólica (1/2)
• Representa o conhecimento por sentenças declarativas
▫ Mapeado a partir de símbolos, que representam as relações e entidades do domínio do problema.
• Deduz consequências por métodos de raciocínio lógico - segue a tradição lógica
▫ Geralmente baseados em regras;
▫ Possuem conhecimento intensivo do domínio da aplicação;
▫ Construídos por especialistas humanos.
4
Simbólica (2/2)
• É uma abordagem top-down, onde o conhecimento é introduzido explicitamente no sistema. ▫ Esta necessidade faz com que os sistemas simbólicos encontrem
dificuldade para lidar de forma autônoma, em ambientes reais (contínuos) desconhecidos.
• Exemplo:
▫ pai(joão, maria). ▫ pai(joão, eduardo). ▫ João e Maria são parentes!!!
• Relacionados ▫ Redes semânticas ▫ Programação em Lógica
5
Não-Simbólica (1/2)
• O conhecimento não é representado explicitamente por meio de símbolos
• Conhecimento é construído a partir de um processo de aprendizado, adaptação ou inferência (bottom-up). ▫ A semântica do domínio não precisa ser introduzida
explicitamente no sistema. ▫ O sistema pode induzir este conhecimento, através de
um processo de aprendizagem. ▫ Pode ser muito ineficiente aprender adequadamente
em ambientes complexos. ▫ O conhecimento aprendido não se torna facilmente
interpretável pelo usuário.
6
Não-Simbólica (2/2)
• Exemplos:
Sistemas de apoio à decisão, classificação, reconhecimento de padrões, otimização, previsão, controle e automação.
• Relacionados
Redes Neurais Artificiais
Algoritmos Genéticos
Sistemas Nebulosos (Fuzzy).
7
Conhecimento
8
Definição
• ―Conhecimento pode ser definido como a informação armazenada ou os modelos usadas pela pessoa ou máquina para interpretar, predizer e responder apropriadamente ao mundo exterior‖ (Fischler & Firschein, 1987) apud (Rabuske, 1995)
9
Razões para representar o conhecimento
• Recuperar, raciocinar a partir dele e adquirir mais conhecimento ▫ Consulta: responder questões fazendo buscas na base
de conhecimentos ▫ Dedutiva: obter novos resultados a partir do
conhecimento armazenado ▫ Organização: representar implica em organizar o
conhecimento: facilita entendimento, compartilhamento
▫ Interpretação: permite a comparação com modelos pré-estabelecidos
10
Lógica
• Uma das primeiras ferramentas para representação e processamento do conhecimento
• Motivação para uso da lógica:
▫ Ferramenta para fazer dedução em uma base de conhecimento
▫ Uma lógica define:
Sintaxe
Semântica
11
Lógica Proposicional (1/3)
• Referenciada como cálculo proposicional, lógica booleana, lógica das proposições, lógica sentencial....
• Proposições (sentenças) são afirmações que admitem um valor lógico: Verdadeiro ou Falso
• Uma base de conhecimento aqui é representada por um conjunto de proposições
▫ É possível inferir novas proposições
12
Lógica Proposicional (2/3)
• Exemplos de proposições
▫ 1 + 1 = 10
▫ Está chovendo
▫ 2 + 2 = 4
▫ 5 > 4
▫ 1 é um número par
13
Lógica Proposicional (3/3)
• Proposições individuais (atômicas) podem ser reunidas por meio de conectivos
• Alguns conectivos ˄ conjunção ˅ disjunção ¬ negação → condicional
• Possui limitações: ▫ Rex é um cachorro: cachorro(rex) ▫ Todos os cachorros são mamíferos: para expressar isto
é necessário o uso de variáveis e quantificadores
14
Lógica de Predicados
• Consiste da Lógica Proposicional extendida
• Exemplos de quantificadores:
▫ ∃ Existencial ("existe um")
▫ ∀ Universal ("para todo")
• Usando
traidor(tiradentes)
∀x traidor(x) -> enforcado
15
Redes Semânticas
• Basicamente é um grafo dirigido • Qualquer tipo de arco pode ser aceito • Tipos de arcos:
▫ Subconjuntos/subclasses (é_um) ▫ Subparte (é-parte-de) ▫ Arcos de pertinência em conjuntos (instância) ▫ Relacionamentos
• Utilizadas como ferramenta de modelagem para se obter uma representação visual dos objetos do domínio
• Mecanismo de inferência não é associado a representação (salvo herança – é um)
16
Exemplo de Rede Semântica
17
A notação muda...
Frames/Quadros • São estruturas de preenchimento para
representação de objetos ou eventos típicos • Um frame/quadro
▫ Tem um nome ▫ Um conjunto de pares atributo-valor (slots).
• Estão relacionados às redes semânticas ▫ O nome do frame corresponde a um nó numa rede
semântica. ▫ Slots (atributo-valor)
Os atributos são os nomes dos arcos associados ao nó da rede semântica
Os valores correspondem aos nós nas outras extremidades desses arcos.
18
Frames/Quadros
19
Frame: ave Tem: asas
Frame: ave_de_rapina é_um: ave come: carne
Frame: águia é_um: ave_de_rapina
Frame: Flecha instância: águia
Frame: asas
Frame: carne
As arestas têm direção!!!!
Ontologias
• Na filosofia ―O estudo da existência‖
▫ Objetivo: criar sistemas de categorização para organizar a realidade
• Em domínios pequenos e pouco complexos é fácil criar um vocabulário consistente
▫ Imaginem compra pela Internet...
• Criar uma ontologia de tudo...(É possível?)
20
Web Semântica
• Objetivos da Web Semântica: ▫ Estruturar e dar significado ao conteúdo existente nas
páginas Web, de forma que agentes de software possam, a partir do processamento das páginas, realizar tarefas sofisticadas para os usuários.
• A Web Semântica não é uma Web separada, mas
uma extensão da Web atual em que é dada a informação um significado bem definido, de forma a permitir que a cooperação entre computadores e pessoas seja aprimorada (BERNERS-LEE; HENDLER; LASSILA, 2001).
21
Web Semântica: Origem
• Temo cunhado por Tim Berners-Lee • Artigo 2001: ―The Semantic Web‖
▫ http://www.scientificamerican.com/article.cfm?id=the-semantic-web
22
Web Semântica: Cenário
23
Fonte: (BREITMAN, 2005)
Web Semântica
• ―The original Scientific American article on the Semantic Web appeared in 2001.2 It described the evolution of a Web that consisted largely of documents for humans to read to one that included data and information for computers to manipulate. The Semantic Web is a Web of actionable information—information derived from data through a semantic theory for interpreting the symbols. The semantic theory provides an account of ―meaning‖ in which the logical connection of terms establishes interoperability between systems. This was not a new vision. Tim Berners- Lee articulated it at the very first World Wide Web Conference in 1994. This simple idea, however, remains largely unrealized.‖ http://eprints.soton.ac.uk/262614/1/Semantic_Web_Revisted.pdf
24
Web Semântica e Ontologias
• Definição de ontologia muito utilizada na literatura relacionada à Web Semântica ▫ Ontologia é uma especificação formal e
explícita de uma conceitualização compartilhada‖ (GRUBER, 1993).
25
Web Semântica e Ontologias
• Conceitualização: representa um modelo abstrato de algum fenômeno que identifica os conceitos relevantes para o mesmo.
• Explícita: os elementos e suas restrições estão claramente definidos.
• Formal: a ontologia deve poder ser processada computacionalmente.
• Compartilha: deve refletir o conhecimento consensual de um grupo de pessoas (BREITMAN, 2005).
26
Web Semântica
• Na Web Semântica as ontologias são criadas usando padrões relacionados especialmente às linguagens RDF – Resource Description Format e OWL- Web Ontology Language.
27
Classificação das ontologias
• Generalidade: classifica ontologias utilizando generalidade como critério (Guarino, 1998)
28
Ontologias de Nível Superior
Ontologias de Tarefa
Ontologias de Domínio
Ontologias de Aplicação
Também chamadas de Ontologias de Topo descrevem Classes/Conceitos genéricos
Área específica (medicina) Especializam Classes/Conceitos das ontologias de Nível Superior
Tarefas relacionadas a uma área específica (diagnóstico) Especializam Classes/Conceitos das ontologias de Nível Superior
Geradas a partir de especializações de outras ontologias. Papéis desempenhados por entidades do domínio em alguma tarefa
Ontologias: Segundo Espectro Semântico
• Lassila e McGuiness (2001) propõe uma categorização de acordo com o espectro semântico (estrutura interna e conteúdo)
29
Espectro Ontológico (adaptado de Lassila e McGuiness (2001))
Mais Leve (lightyweight) -> Mais Pesada (heavyweight)
Lista de Termos
Glossários Tesauros
Hierarquias tipo-de informais
Hierarquias tipo-de formais
Restrições de valores
Frames (Propriedades)
Restrições Lógicas Axiomas/regras
Componentes da Ontologia
• Classes
• Atributos
• Relacionamentos
• Axiomas
• Instâncias
30
Fonte: Adaptado de(Horridge, et. al., 2007) apud (Machado, 2012)
Componentes da Ontologia
• Classe={t,s,e}
▫ t: termo que nomeia (único)
▫ s: significado
▫ e: estrutura ={{a},h,{r}}
a: atributos
h: hierarquia
r: relações
31
• Classes representam conceitos, geralmente contem atributos e são organizados em taxonomias
Componentes da ontologia
• Atributo: Características (propriedades) que descrevem as classes.
32
Pessoa
nome: String idade: String
Componentes da Ontologia • Tipos de relações (Khoo, Na, 2006) • Relações são a forma que os conceitos
se relacionam com outros conceitos ▫ Taxonomia (is-a)
Generalização / especialização
Herança de Atributos
▫ Partonomia (part-of)
Agregação / Composição
33
Pessoa
Caçador
É um Bicicleta
Roda
parte - de
Animal
Carnívoro Herbívoro
É um
É um
Adaptado de (MACHADO, 2012)
Ontologias Componentes
• Indivíduos/Instâncias
34
Anori
Ubirata
Gazela_02
Bufalo_02
Gazela_01
Felipe
Existem na realidade (Gizzardi and Wagner, 2010)
Adaptado de (MACHADO, 2012)
Classe: Herbívoro
Ontologias componentes
• Indivíduos/Instâncias
35
Anori
Ubirata
Gazela_02
Bufalo_02
Gazela_01
Classe: Caçador eCaçadorDe
Classe: Pessoa
Felipe
Existem na realidade (Gizzardi and Wagner, 2010)
Adaptado de (MACHADO, 2012)
Ontologias Componentes • Axiomas: modelam sentenças sempre verdadeiras
▫ Úteis para inferência de um novo conhecimento
▫ Restringem a interpretação dos estados possíveis de uma conceituação (Guarino et al, 2009)
36
Adaptado de (MACHADO, 2012)
Modelos podem ser imprecisos
37
Pessoa Animal caça N N
Várias Pessoas, que são animais carnívoros, para se alimentar, caçam outros Animais que não são Pessoas
Fonte: (MACHADO, 2012)
Ontologias Componentes
• Axiomas: modelam sentenças sempre verdadeiras
▫ Úteis para inferência de um novo conhecimento
▫ Restringem a interpretação dos estados possíveis de uma conceituação (Guarino et al, 2009)
▫ Ex:
Todo Caçador caça Animais que não são Pessoas;
(∀ Caçador = ∃caça.Animal and (not Pessoa))
Carnívoro é um Animal e alimenta-se de Carne
(∀ Carnívoro= is-a Animal and ∃hasAlimento.Carne)
38
Adaptado de (MACHADO, 2012)
Ontologias - Componentes
• A partir dos axiomas é possível inferir, isto é chegar a outras conclusões
• Exemplo (bem original :P)
▫ Todos os homens são mortais
▫ Sócrates é um homem.
▫ Conclusão: Portanto, Sócrates é mortal.
39
Problemas com Metadados/Web
Semântica • Mentiras
• Preguiça
• Erros no preenchimento
• Chegar a consensos
• ―Metacrap‖: ▫ http://pt.wikipedia.org/wiki/Metacrap
40
Aplicações/Avanços
• The semantic web in action ▫ http://homepages.cwi.nl/~ivan/AboutMe/Publications/SCIAM.pdf
• DBPedia. Extrair dados estruturados da Wikipedia.
▫ http://dbpedia.org/About
▫ http://pt.dbpedia.org/ (em Português)
• Publicando dados de bancos de dados relacionais em RDF ▫ http://www.w3.org/blog/SW/2012/08/14/w3cs-rdb2rdf-documents-have-been-published-as-proposed-
recommendations/
41
Material utilizado/consultado
• RUSSELL, S.; NORVIG, P. Inteligência Artificial. 2. ed. Rio de Janeiro: Campus, 2004.
• RABUSKE, R. A. Inteligência Artificial. Florianópolis: Editora da UFSC, 1995.
• ROSA. J. L. G. Fundamentos da Inteligência Artificial. Rio de Janeiro: LTC, 2011.
• MACHADO, A. Exame de Qualificação – Tema de profundidade: Ontologias, UFRGS, 2012
• BREITMAN, K. Wen Semântica: A Internet do Futuro. Rio de Janeiro: LTC, 2005.
• COPIN, B. Inteligência Artificial. Rio de Janeiro: LTC, 2012. • Páginas Web:
▫ http://www.inf.ufrgs.br/~alvares/INF01048IA/INF01048.html
42