Ontologias de domínio auxiliando tarefas
de mineração de dados:
anotações semânticas e
filtros de regras
Aluno: Rodrigo Estevan Bela
Orientadora: Profa. Dra. Marilde T. P. Santos
Co-Orientador: Prof. Dr. Mauro Biajiz
Agenda

Contextualização

Proposta

Estudo de Caso

Trabalhos Correlatos - Discussão

Conclusão
2/42
Agenda

Contextualização
▪ Mineração de Dados
▪ Desafios de pesquisa
▪ Ontologias
▪ Anotações




Proposta
Estudo de Caso
Discussão - Trabalhos Correlatos
Conclusão
3/42
Mineração de Dados

Extração de conhecimento de bases de dados é
o processo de identificação de padrões válidos,
novos, potencialmente úteis e compreensíveis
embutidos nos dados [Fayyad, U., G.P. Shapiro, and P. Smyth,
1994]

Utiliza processos não convencionais para realizar
a extração dos padrões.

Envolve técnicas de diversas áreas

Banco de Dados, Estatística, Aprendizado de Máquina,
Reconhecimento de Padrões, Inteligência Artificial e outras.
4/42
O processo de Mineração de Dados

Processo iterativo e
interativo

Conhecimento do
domínio tem impacto
em todas as etapas

O conhecimento sobre o
domínio subsidia
tomadas de decisão nas
etapas subsequentes do
processo de Mineração
de Dados [Melanda, E. A.,
2004]
Extraído do Livro Sistemas Inteligentes. Capítulo sobre Mineração de Dados. Rezende, S. O.
1 ed. 2003
5/42
I  i1 , i2 , i3 ...im 
Identifica itemsets, conjuntos de itens que tendem a
ocorrer juntos em transações.
 Gera regras da forma:

 A B

Métricas de avaliação:
 Suporte: a porcentagem de transações, em relação ao
todo, que contém A e B;
 Confiança: a porcentagem de transações que contém A
que também contém B.

Assim, se A B (suporte 0.4 / confiança 0.9):
 Então, 40% das transações contém A e/ou B;
 Em 90% das vezes que a transação contém A, ela também
contém B.
6/42
Desafios de Pesquisa em Mineração
de Dados
 Desempenho de algoritmos
 Avaliar automaticamente o grau de interesse dos
padrões encontrados
 Técnicas de visualização eficientes para padrões
mais complexos
 Enriquecer o processo com o conhecimento do
domínio
 Tratamento de informações já conhecidas ou
desinteressantes.
7/42
Desafios de Pesquisa em Mineração
de Dados
 Enriquecer o processo com o conhecimento do
domínio
▪ Como representar o conhecimento?
▪ Como suportar o conhecimento como entrada nos
algoritmos de mineração?
▪ Como e quais decisões podem ser tomadas pelo
algoritmo com base no conhecimento inserido?
 Tratamento de informações já conhecidas ou
desinteressantes.
▪ Como tratar informações que já fazem parte do
conhecimento do domínio?
8/42
Ontologias

Uma ontologia é uma especificação formal e
explicita de uma conceitualização
compartilhada [Gruber, T.R., 1993]
 Conceitualização
 Explicita
 Formal
 Compartilhada
9/42
Ontologias

Uma ontologia é uma descrição explícita de um domínio,
constituída por
 Conceitos [classes]
 Propriedades [atributos e relacionamentos]
 Axiomas [restrições sobre as propriedades]
 Instâncias [dos conceitos]

Uma ontologia define
 Um vocabulário comum
 Um entendimento compartilhado
10/42
Anotações

Todo o conjunto de marcas, notas, breves
comentários e explicações adicionais que são
realizadas sobre algum tipo de conteúdo

O contexto e a forma de utilização definem
formas especificas, como:




Metadados
Conteúdos
Hipertexto
Contexto
11/42
Anotações: aplicações

Bibliotecas digitais

Web

Estratégias de busca

Banco de dados
12/42
Agenda


Contextualização
Proposta
 Problemas
 Anotações Semânticas
 Filtro de Regras



Estudo de Caso
Discussão - Trabalhos Correlatos
Conclusão
13/42

Enriquecer o processo com o conhecimento do
domínio
 Como explicitar o significado presente em alguns
conjuntos de dados brutos?
 Como possibilitar a melhor visualização de dados brutos?

Tratamento de informações já conhecidas ou
desinteressantes.
 Como tratar informações que já fazem parte do
conhecimento do domínio?
14/42

Anotações Semânticas!
 Metadados adicionais que descrevem o
significado.
 Significado descrito usando termos controlados.
 Utilização de ontologia de domínio para definir o
significado e vocabulário.
 Que possam ser geradas automaticamente.
15/42
1 <regra_de_mapeamento> ::= se <expressão> = verdadeiro então <termo>
2 <termo> ::= <caractere> {<caractere>} α
3 <expressão> ::= <expressão_condicional>| <expressão_lógica>
4 <expressão_condicional> ::= <expressão_sql β> <operador> <valor_de_referência>
5 <operador> ::= = | > | < | !=
6 <valor_de_referência> ::= <caractere> {<caractere>}
7 <expressão_lógica> ::= <regra_de_mapeamento> <operador_lógico>
<regra_de_mapeamento>
8 <operador_lógico> ::= AND | OR
9 <caractere>::=A|B|C|D|E|F|G|H|I|J|K|L|M|N|O|P|Q|R|S|T|U|V|X|Y|Z|0|1|2|3|4|5|6|7|8|9
α = o termo deve ser uma seqüência de caracteres que esteja presente na ontologia do domínio, ou seja, deve representar uma
classe, propriedade ou relacionamento.
β = considerar as regras de construção de expressões SQL definida pelo BNF Grammar for ISO/IEC 9075-2:2003 – Database
Language SQL (SQL-2003) - SQL/Foundation.
Tabela com as regras de produção para geração de regras de mapeamento
16/42
Representação das principais atividades realizadas na SATO
17/42
Principais tela da SATO: A)Definição de um domínio; B) Definição de regra de mapeamento baseada em
consulta; C) Definição de regra de mapeamento lógica; D) Visualização de anotações semânticas geradas
18/42

Utilizar conhecimento definido na ontologia.

Considerar que termos da ontologia são um
item dentro da regra

Considerar propriedades entre conceitos como
associações já conhecidas.

Usuário define quais propriedades devem ser
avaliadas.
19/42
1
para cada regra
2
removerRegra  verdadeiro;
3
para cada item do lado esquerdo da regra
4
para cada item do lado direito da regra
se item do lado esquerdo não tem relacionamento com lado direito
5
removerRegra  falso;
6
fim se
7
8
9
10
11
12
13
fim para
fim para
Se removerRegra = verdadeiro então
listaDeRegrasASeremRemovidas  regraAtual
fim se
fim para
Pseudocódigo do Filtro de Regras de Associação
20/42
Varrer a base
Identificar Itens Similares
Gerar Candidatos
Calcular o peso dos
Candidatos
Avaliar os Candidatos
Gerar as Regras
Generalização e Tratamento
de Redundância
Aplicação de Filtro
Aplicação de Filtro
Generalização e Tratamento
de Redundância
Passos do algoritmo Filtered-NARFO.
21/42
Agenda



Contextualização
Proposta
Estudo de Caso
 Introdução – contexto
 Processo de Mineração de Dados


Discussão - Trabalhos Correlatos
Conclusão
22/42




Dados da ferramenta de ensino LECH-GEIC.
Ferramenta baseada no paradigma de
Equivalência de Estímulos
Ferramenta desenvolvida no contexto do
projeto TIDIA-Ae fase II.
Dados descrevem respostas dadas por
estudantes durante interação com a
ferramenta.
23/42
Organização de um programa de Ensino
Exemplo dos dados coletados pela ferramenta
24/42



Conhecimento sobre o domínio
Construção da ontologia de domínio
necessária
Definição dos objetivos do processo:
 Verificar as relações de comportamento presentes
nos dados;
 Suporte e confiança como métricas de
desempenho;
 Conhecimento obtido deve ser claro e de fácil
compreensão.
25/42



Geração de anotações para um conjunto de 30 sessões de
ensino.
Sessões referentes a um passo que ensina as relações AC
(mts som-texto) e AE (cr som-texto) para as palavras: vaca,
bolo e tatu.
Comportamentos/Termos a serem gerados:
 ACTreinoTatuSim, ACTreinoTatuNao, ACTreinoBoloSim,
ACTreinoBoloNao, ACTreinoVacaSim, ACTreinoVacaNao,
AETesteTatuSim, AETesteTatuNao, AETesteBoloSim, AETesteBoloNao e
AETesteVacaSim e AETesteVacaNao.

Geração de anotações para as latências observadas, como:
 ACLatenciaMuitoBaixa, ACLatenciaBaixa, ACLatenciaMedia,
ACLatenciaAlta, ACLatenciaMuitoAlta, AELatenciaMuitoBaixa,
AELatenciaBaixa, AELatenciaMedia, AELatenciaAlta e
AELatenciaMuitoAlta.
26/42
88
Tuplas
ACTreinoTatuSIM
Redução da dimensionalidade dos dados sem perda de significado
27/42
Comparações entre 3 algoritmos de regras de
associação: Apriori, NARFO e Filtered-NARFO.
 Comparação de vários níveis de conhecimento.
 Objetivos:

 Validar algoritmos;
 Validar filtro;
 Observar impacto do conhecimento no filtro;
 Atingir objetivos definidos pelo especialista no processo;
28/42
Tabela com as interações realizadas
Nro
Filtro
Teste Algoritmo
Antes
1 Apriori/Weka
2 NARFO
Não
3 F-NARFO
Não
4 F-NARFO
Não
5 F-NARFO
SIM
6 F-NARFO
SIM
7 F-NARFO
Não
8 F-NARFO
SIM
9 F-NARFO
Não
10 F-NARFO
SIM
Depois
Não
Não
Não
Não
Não
SIM
Não
Não
Não
minConf minSup minGen minSim Ont.
0.5
0.5
0.5
0.5
0.5
0.5
0.5
0.5
0.5
0.5
0.33
0.33
0.33
0.33
0.33
0.33
0.33
0.33
0.33
0.33
1
1
1
-
0.5
0.5
1
1
1
2
2
2
3
4
5
Regras
2534
2534
2534
2174
2503
2166
2174
2429
2534
2429
4
Versões da Ontologia de Domínio:
5
1
2
3
29/42




Apresentação dos resultados a especialista
do domínio;
Validação do filtro de regras;
Validação de comportamentos esperados;
Novos indícios para pesquisa:
 ACLatenciaMuitoBaixa~ACLatenciaBaixaAETest
eVacaNao,AETestTatuNão sup=0.38
conf=0.85714287 (Possuindo item
'ACLatenciaBaixa' com maior relevância!!!)
30/42
Agenda





Contextualização
Proposta
Estudo de Caso
Discussão - Trabalhos Correlatos
Conclusão
31/42
[kuo, Y.-T., A. Lonie,
and L. Sonenberg,
2007]
Extraído do Livro Sistemas Inteligentes. Capítulo sobre Mineração de Dados. Rezende, S. O. 1 ed. 2003
32/42
[Sidhu, A.S., T.S.
Dillon, and E.
Chang, 2007]
[Zhou, X. and J.
Geller, 2007]
[Bogorny, V., P.M.
Engel, and L.O.
Alvares, 2007]
Extraído do Livro Sistemas Inteligentes. Capítulo sobre Mineração de Dados. Rezende, S. O. 1 ed. 2003
33/42
[Khelif, K., R. DiengKuntz, and P.
Barbry, 2007]
[Pahm, M.H., et al,
2007]
[Miani et al, 2009]
Extraído do Livro Sistemas Inteligentes. Capítulo sobre Mineração de Dados. Rezende, S. O. 1 ed. 2003
34/42
[STAMOU et al.
2007]
Extraído do Livro Sistemas Inteligentes. Capítulo sobre Mineração de Dados. Rezende, S. O. 1 ed. 2003
35/42
[Trousse, B., et al,
2007]
[Mothe, J. and N.
Hernandez, 2007]
[Kotsifakos, E., G.
Marketos, and Y.
Theodoridis, 2007]
Extraído do Livro Sistemas Inteligentes. Capítulo sobre Mineração de Dados. Rezende, S. O. 1 ed. 2003
36/42

Utilização do conhecimento em todas as etapas do
processo;
 Identificação do problema: entendimento dos dados, de




seus significados e potenciais;
Pré-processamento: explicitação do significado dos dados
por meio da geração de anotações semânticas;
Extração de padrões: redução da complexidade da tarefa,
Pós-processamento: filtro de regras já conhecidas;
Utilização do conhecimento: conhecimento obtido pode
ser utilizado para atualizar a ontologia
37/42
88
ACLatenciaMuitoBaixa~ACLatenciaBaixaAETesteVacaNao,AETestTatuNão Tuplas
sup=0.38 conf=0.85714287
(Possuindo item 'ACLatenciaBaixa' com maior relevância!!!)
ACTreinoTatuSIM
38/42

Ontologia de Domínio para a Equivalência de Estímulos;

Uma abordagem para a geração de anotações semânticas
para dados brutos;

Um protótipo de ferramenta para a geração de anotações;

Uma proposta para a realização de filtros de regras de
associação;

Algoritmo Filtered-NARFO que aplica a abordagem de filtro
de regras;

Um estudo de caso real que foi viabilizado pelas propostas e
ferramentas apresentadas.
39/42





Melhorar ferramenta SATO.
Aplicação da abordagem proposta com
dados de outros domínios.
Combinar conhecimento do domínio com
métricas de interesse para avaliar regras.
Identificar exceções por meio do
conhecimento do domínio.
Algoritmo baseado no Filtered-NARFO para
extrair padrões sequenciais.
40/42

Pôster “Geração Automática de Anotações Semânticas
para o Domínio de Controle de Estímulos” no Second
Brazilian Workshop on Semantic Web and Education,
workshop satélite ao Simpósio Brasileiro de Informática na
Educação de 2008;

Resumo “Stimuli: uma ontologia para o paradigma de
Equivalência de Estímulos” no I Portuguese and Multilingual Ontologies Workshop, workshop satélite ao 7th
Brazilian Symposium in Information and Human Language
Technology

Demo “SATO: uma ferramenta para a geração de
anotações semânticas” na sessão de Demos do Simpósio
Brasileiro de Banco de Dados (SBBD 2009)
41/42

Obrigado!
42/42