Semântica em Integração de Dados – Ontologia Contextual

1. Semântica em Integração de Dados – Ontologia Contextual Vinícius Torres

2. 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

3. 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.

4. Integração de Esquemas Integração de esquemas é o processo que recebe esquemas de fontes de dados distintos e produz um esquema unificado.

5. Integrando 2 esquemas Ex1: S1 S2 CustCustomer Code Number Name First Name Phone Last Name Phone Number Sistemas de Integração de dados assumem que os atributos estejam normalizados Ex2: S1 S2 CustCustomer CNo CustID CompName Contact FirstName Phone

6. 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).

7. 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]

8. 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.

9. 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)

10. 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.

11. Pré-processamento para Integração Ferramentas para normalização: (Belian, 2008)

12. WordNet • Alguns relacionamentos do synset car.

13. 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].

14. 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].

15. Contexto(Fases)

16. 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.

17. 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.

18. Ontologia Contextualpara Integração [Belian, 2008]

19. Ontologia Contextualpara Integração [Belian, 2008]

20. Ontologia Contextualpara Integração [Belian, 2008]

21. Ontologia Contextualpara Integração [Belian, 2008]

22. 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}.

23. Contexto para resolução semântica • O processo de integração de esquemas geralmente é baseado nas seguintes etapas: • Pre- Integração(processemento) ; • Comparação de Esquemas; • Merging entre as diversas fonte de dados. • [Belian, 2008].

24. Contexto para resolução semântica • Pré-Integração: • Expansão de abreviações e acrônimos. • Desambiguação de significado; • Spell-check.

25. Contexto para resolução semântica • Expansão de abreviação e acrônimos: • Exemplo: “PA”

26. 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

27. Contexto para Word Sense Disambiguation • Outro Exemplo: • Word: “Usuário” • Usuário de Computador. • Usuário de drogas em tratamento. • Usuário do SUS.(na esfera particular pode ser cliente ou paciente). • Domínio de Saúde. Porém subdomínios diferentes: • Psicologia • SUS

28. Contexto para Word Sense Disambiguation Ainda no exemplo: Word: “Usuário”

29. “Aplicação” Exemplo Normalização: Atributo: “diag_code” Entidade: “office_visit” • Obtem-se o termo completo formado pelos tokens “diag” e “code”; • O termo “diag code” é classificado na ontologia levando em consideração os elementos contextuais; • Diag é expandido na ontologia para Diagnoses; • O termo “Diagnoses Code” é classificado na ontologia. [Belian, 2008]

30. “Aplicação” Exemplo [Belian, 2008]

31. 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.

32. Dúvidas? [Belian, 2008]