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
Cust
Code
Name
Phone
S2
Customer
Number
First Name
Last Name
Phone Number
Ex2:
S1
Cust
CNo
CompName
FirstName
S2
Customer
CustID
Contact
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(prepositio
ns)
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 Contextual
para Integração
[Belian, 2008]
Ontologia Contextual
para Integração
[Belian, 2008]
Ontologia Contextual
para Integração
[Belian, 2008]
Ontologia Contextual
para 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-line
manga 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”
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.
[Belian, 2008]
“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 Ontology
Language to enable Contextual Interoperability. Proceedings of 4th
IFIP WG 6.1, International
Conference 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]