Na sociedade atual, o conhecimento é um novo fator de produção que se agrega aos já tradicionais fatores de terra, mão de obra e capital financeiro. Porém, o conhecimento não pode ser herdado ou concedido. Diferente dos outros fatores, quanto mais o conhecimento é compartilhado, mais ele aumenta; quanto mais utilizado maior é o seu valor. Torna-se fundamental para as organizações, dependentes desse fator, capturar os ativos de conhecimento utilizados por seus colaboradores. Seu objetivo é transformar esse conhecimento em capital intelectual. Os meios para atingir esses objetivos são encontrados na Gestão do Conhecimento. A Gestão de Conhecimento corresponde ao conjunto de ações de uma organização para criar, adquirir, compartilhar e utilizar ativos de conhecimento, a fim de auxiliar na geração de idéias, solução de problemas e tomada de decisões. Essas ações são alcançadas através de metodologias, processos, técnicas, tecnologias e ferramentas. Este trabalho apresenta uma visão geral sobre as dimensões que influenciam a Gestão do Conhecimento – cultura e estrutura organizacional, estratégia, recursos humanos, aprendizado com o ambiente, avaliação permanente e tecnologia da informação. Embora todas as dimensões sejam consideradas, este trabalho enfatiza a tecnologia da informação Se o conhecimento e a Gestão do Conhecimento são tão importantes para as empresas em geral, ocupam um papel duplamente relevante nas empresas de tecnologia da informação, pois essas são, ao mesmo tempo, usuárias e fornecedoras. Foram ainda estudadas as diversas abordagens para tratar a Gestão de Conhecimento: a transferência do conhecimento entre trabalhadores, os ciclos do conhecimento segundo diferentes autores; e as principais ações e ferramentas que incentivam e implementam Gestão de Conhecimento em uma organização. O objetivo deste trabalho é propor um ambiente tecnológico capaz de oferecer suporte à Gestão do Conhecimento para o caso especial de uma empresa de tecnologia da informação: A SICREDI Serviços. A proposta apresentada considera o portal do conhecimento como o ambiente de sustentação e convergência para outras ferramentas tecnológicas, quais sejam: ferramentas de colaboração, infra-estrutura de ambiente da aplicação e aplicações do conhecimento. Considera-se que o projeto apresentado contempla as necessidades de todas as Dimensões da Gestão do Conhecimento, respeitando-se aspectos fundamentais como uso adequado da tecnologia e suporte às ações de Gestão do Conhecimento.

Na sociedade atual, o conhecimento é um novo fator de produção que se agrega aos já tradicionais fatores de terra, mão de obra e capital financeiro. Porém, o conhecimento não pode ser herdado ou concedido. Diferente dos outros fatores, quanto mais o conhecimento é compartilhado, mais ele aumenta; quanto mais utilizado maior é o seu valor. Torna-se fundamental para as organizações, dependentes desse fator, capturar os ativos de conhecimento utilizados por seus colaboradores. Seu objetivo é transformar esse conhecimento em capital intelectual. Os meios para atingir esses objetivos são encontrados na Gestão do Conhecimento. A Gestão de Conhecimento corresponde ao conjunto de ações de uma organização para criar, adquirir, compartilhar e utilizar ativos de conhecimento, a fim de auxiliar na geração de idéias, solução de problemas e tomada de decisões. Essas ações são alcançadas através de metodologias, processos, técnicas, tecnologias e ferramentas. Este trabalho apresenta uma visão geral sobre as dimensões que influenciam a Gestão do Conhecimento – cultura e estrutura organizacional, estratégia, recursos humanos, aprendizado com o ambiente, avaliação permanente e tecnologia da informação. Embora todas as dimensões sejam consideradas, este trabalho enfatiza a tecnologia da informação Se o conhecimento e a Gestão do Conhecimento são tão importantes para as empresas em geral, ocupam um papel duplamente relevante nas empresas de tecnologia da informação, pois essas são, ao mesmo tempo, usuárias e fornecedoras. Foram ainda estudadas as diversas abordagens para tratar a Gestão de Conhecimento: a transferência do conhecimento entre trabalhadores, os ciclos do conhecimento segundo diferentes autores; e as principais ações e ferramentas que incentivam e implementam Gestão de Conhecimento em uma organização. O objetivo deste trabalho é propor um ambiente tecnológico capaz de oferecer suporte à Gestão do Conhecimento para o caso especial de uma empresa de tecnologia da informação: A SICREDI Serviços. A proposta apresentada considera o portal do conhecimento como o ambiente de sustentação e convergência para outras ferramentas tecnológicas, quais sejam: ferramentas de colaboração, infra-estrutura de ambiente da aplicação e aplicações do conhecimento. Considera-se que o projeto apresentado contempla as necessidades de todas as Dimensões da Gestão do Conhecimento, respeitando-se aspectos fundamentais como uso adequado da tecnologia e suporte às ações de Gestão do Conhecimento.

Na sociedade atual, o conhecimento é um novo fator de produção que se agrega aos já tradicionais fatores de terra, mão de obra e capital financeiro. Porém, o conhecimento não pode ser herdado ou concedido. Diferente dos outros fatores, quanto mais o conhecimento é compartilhado, mais ele aumenta; quanto mais utilizado maior é o seu valor. Torna-se fundamental para as organizações, dependentes desse fator, capturar os ativos de conhecimento utilizados por seus colaboradores. Seu objetivo é transformar esse conhecimento em capital intelectual. Os meios para atingir esses objetivos são encontrados na Gestão do Conhecimento. A Gestão de Conhecimento corresponde ao conjunto de ações de uma organização para criar, adquirir, compartilhar e utilizar ativos de conhecimento, a fim de auxiliar na geração de idéias, solução de problemas e tomada de decisões. Essas ações são alcançadas através de metodologias, processos, técnicas, tecnologias e ferramentas. Este trabalho apresenta uma visão geral sobre as dimensões que influenciam a Gestão do Conhecimento – cultura e estrutura organizacional, estratégia, recursos humanos, aprendizado com o ambiente, avaliação permanente e tecnologia da informação. Embora todas as dimensões sejam consideradas, este trabalho enfatiza a tecnologia da informação Se o conhecimento e a Gestão do Conhecimento são tão importantes para as empresas em geral, ocupam um papel duplamente relevante nas empresas de tecnologia da informação, pois essas são, ao mesmo tempo, usuárias e fornecedoras. Foram ainda estudadas as diversas abordagens para tratar a Gestão de Conhecimento: a transferência do conhecimento entre trabalhadores, os ciclos do conhecimento segundo diferentes autores; e as principais ações e ferramentas que incentivam e implementam Gestão de Conhecimento em uma organização. O objetivo deste trabalho é propor um ambiente tecnológico capaz de oferecer suporte à Gestão do Conhecimento para o caso especial de uma empresa de tecnologia da informação: A SICREDI Serviços. A proposta apresentada considera o portal do conhecimento como o ambiente de sustentação e convergência para outras ferramentas tecnológicas, quais sejam: ferramentas de colaboração, infra-estrutura de ambiente da aplicação e aplicações do conhecimento. Considera-se que o projeto apresentado contempla as necessidades de todas as Dimensões da Gestão do Conhecimento, respeitando-se aspectos fundamentais como uso adequado da tecnologia e suporte às ações de Gestão do Conhecimento.

O avanço tecnológico de dispositivos capazes de capturar e armazenar volumes significativos de imagens permite o armazenamento de grandes quantidades de informações visuais. Uma área de intensa pesquisa atualmente é a extração e modelagem de conhecimento visual contido nessas bases de informações. O conceito de conhecimento visual e imagem são conceitos disjuntos, mesmo que pareçam intrinsecamente conectados. Conhecimento visual é o conjunto de modelos mentais compostos por imagens de objetos reais ou imaginárias manipuladas pelo cérebro. Esses modelos mentais são aplicados em tarefas cuja solução envolve a análise de informações visuais, como por exemplo, a extração de conteúdo semântico de imagens. Domínios imagísticos são os domínios nos quais a solução de problemas começa com um processo de casamento de padrões que capturam a informação visual e que mais tarde dará suporte ao processo abstrato da interpretação. A proposta desta dissertação é a definição de primitivas alternativas para a representação de conhecimento visual através da combinação de construtos proposicionais e pictóricos. Diferentemente de outras abordagens, o conhecimento visual capturado no modelo aqui proposto não reside nas imagens, mas na mente de especialistas. A captura do conhecimento visual é realizada através de dois metaconstrutos híbridos aplicáveis ao domínio da geologia. Os metaconstrutos são compostos de uma representação proposicional e outra icônica que são utilizadas para fins de comunicação e expressão do conhecimento visual do especialista, respectivamente. O metaconstruto Pictorial Concept representa tipos visuais enquanto que o metaconstruto Pictorial Attribute representa qualidades dos tipos visuais. Os metaconstrutos aqui definidos foram aplicados ao domínio da Estratigrafia Sedimentar, uma subárea da Geologia, na construção de uma ontologia de domínio com conteúdo visual agregado. A construção da ontologia de domínio foi realizada através de um processo de aquisição de conhecimento. O conhecimento visual foi eliciado a partir de um especialista, adquirido através da imersão na literatura do domínio e organizado de acordo com metapropriedades e metaconceitos de uma ontologia de fundamentação unificada. A ontologia é aplicada ao domínio da Estratigrafia Sedimentar para rochas siliciclásticas para a descrição de testemunhos e afloramentos. A ontologia inclui uma hierarquia de rochas, estruturas sedimentares e ambientes deposicionais. Foram modelados 36 conceitos com a adição de 60 ícones. A validação do conhecimento visual organizado foi realizada através de experimento empírico onde 21 geólogos utilizaram os ícones sem legenda para descrição de amostras de rocha. O nível de acertos das associações entre feições geológicas e ícones representam 70% para fácies e 66% para estruturas sedimentares sendo identificada uma conclusão positiva entre a experiência do geólogo e o número de acertos. / The advances in technological devices allow then to capture and store significant amounts of image data. Nowadays, an intense area of research is the extraction and modeling of the existing visual knowledge in image databases. The visual knowledge and image concepts are disjointed concepts, even though they seem intrinsically connected. Visual knowledge is the set of mental models composed by images of real or imaginary objects manipulated by the brain. These mental models are applied in tasks, like the extraction of semantic content of images, where the solution requires the analysis of visual information. Imagistic domains are the domains where the problem-solving process starts with a visual pattern-matching process that captures the information, which will further support the abstract inference process of interpretation. The proposal of this master thesis is the definition of alternative primitives for the visual knowledge representation, by the combination of both propositional and pictorial constructs. Differently from other approaches, the visual knowledge captured in this model is not identifiable in images, but in the mental models of experts. The capture of the visual knowledge is reached through the use of two domainindependent hybrid meta-constructs. The meta-constructs are composed by propositional and iconic representations used for communication and to express the expert’s visual knowledge. The meta-construct Pictorial Concept represents visual kinds while the metaconstruct Pictorial Attribute represents qualities of the visual kinds. The meta-constructs defined here where applied in the Sedimentary Stratigraphy domain, a sub-area of Geology, in the construction of a domain ontology with aggregated visual content. The construction of the domain ontology was done through a knowledge acquisition process. The visual knowledge was elicited from the expert, acquired from the immersion in the literature domain and was organized according to meta-properties and meta-concepts based on a foundational ontology. The resulting ontology is applied in the Sedimentary Stratigraphy domain for the description of well cores and outcrops of siliciclastic rocks. The ontology includes hierarchies of rocks, sedimentary structures and depositional environments. In total, 36 concepts were modeled and associated to 60 icons. The validation of the visual knowledge elicited was done through an empirical experiment where 21 geologists applied the unlabeled icon set to describe rock samples. The level of right associative answers between geological features and their icons was 70% for sedimentary facies and 66% for sedimentary structures. Moreover, it was identified a positive correlation between the expert’s experience and the number of right answers.

Em domínios com forte conteúdo visual, a interpretação de imagens por raciocínio visual pode ser mais eficaz na solução de problemas do que a interpretação de dados puramente textuais ou numéricos. No entanto, a representação do conhecimento visual é difícil de ser realizada por tratar-se de um conhecimento implícito para o observador. As ontologias de representação possibilitam a criação de estruturas para auxiliar na captura desse tipo de conhecimento, de forma a atribuir uma representação simbólica e significado semântico ao que está sendo visualizado. A formalização do conhecimento visual permite a sua utilização em processos de inferência, resultando na interpretação automática da imagem. O objetivo deste trabalho é a definição de construtos ontológicos que permitam descrever aspectos visuais presentes em uma imagem, com ênfase na atenção visual mais do que nos aspectos físicos dos objetos. Esses aspectos visuais são associados aos objetos físicos da imagem bem como aos objetos descritos no nível do conhecimento de domínio. Para cada um dos níveis foi definida uma ontologia de representação, sendo assim possível atribuir semântica específica a esses objetos através da descrição de seus atributos e manter a independência do conhecimento relativo a cada nível. O nível da imagem descreve os objetos passíveis de serem extraídos por algoritmos de processamento de imagem (embora esses algoritmos não tenham sido foco de estudo neste trabalho). O nível visual descreve objetos que são foco da atenção visual, tais como seções, interstícios e contornos. O nível semântico descreve os objetos da aplicação capturados através de aquisição de conhecimento. A identidade dos objetos modelados é garantida através de relações de mapeamento entre cada dois níveis adjacentes. O domínio de aplicação deste trabalho foi a Petrografia Sedimentar, com o objetivo de extrair por inferência a qualidade em termos de porosidade e permeabilidade de rochas reservatório de petróleo. Com ajuda do especialista, foi modelado um método de solução de problemas para identificação do grau de compactação da rocha, que raciocina sobre os conhecimentos modelados utilizando a ontologia proposta. Foi implementado um sistema que permite a descrição dos objetos individualizados através da segmentação manual da imagem, mapeando os dados descritos para a ontologia e aplicando sobre ela o método de solução de problemas. Esse sistema gera como resultado o grau de compactação da rocha, cuja imagem foi assim descrita. Uma validação preliminar da abordagem foi realizada através da descrição de imagens de rochas fazendo uso do sistema desenvolvido, confrontando os resultados com os obtidos por um geólogo para as mesmas rochas observadas. Na metade das amostras descritas, o sistema atingiu o mesmo resultado do especialista e, na outra metade, obteve grande aproximação dos resultados. / In domains that have strong visual content, the image interpretation applying visual reasoning can be more effective in solving problems than the interpretation of pure textual or numeric data. However, the representation of visual knowledge is hard to be achieved since, most of time, we are dealing with implicit knowledge for the observer. The representation ontologies allow the creation of structures for assisting the capture of this kind of knowledge, in order to associate a symbolic representation and semantic meaning to what it being visualize. The formalization of the visual knowledge allows its application for inference process, resulting in the automatic interpretation of image. The goal of this work is the definition of ontological constructs that allow describing the visual aspects presented in an image, giving more emphasis in the evidences captured by visual attention than in the physical aspects of the objects. These aspects are associated to the physical objects as well as to the objects described in the domain knowledge level. Separate representation ontologies were defined for each level, making possible to associate specific semantic content to the objects through the description of the attributes and to keep the independence of the knowledge related to each level. The image level describes the objects that are possible of being extracted by image processing algorithms (although these algorithms were not studied in this work). The visual knowledge describes the objects that capture the visual attention, such as sections, interstices and borders. The semantic level describes the application objects elicited by knowledge acquisition methods. The identity of the modeled objects is guaranteed through the mapping relation defined between each two adjacent levels. The application domain of this work is the Sedimentary Petrography, with the goal of extracting by inference methods the porosity and permeability quality of petroleum reservoir-rocks. With the aid of the expert, a problem-solving method that reasons over the knowledge formalized through the proposed ontology was modeled for the identification of the compaction level of the rock. Furthermore, it was implemented a system that supports the description of the objects individualized through a manual segmentation of the image. The described data was mapped to the ontology and the problem-solving method was applied to define the level of compaction. A preliminary validation was developed comparing the results achieved by the system with the manual interpretation done by the expert with the same rock samples. With the half of the described samples the system achieved the same results of the expert and has got strong approximation in the other half.

A Wikipédia é uma enciclopédia pública composta por milhões de artigos editados diariamente por uma comunidade de autores de diferentes regiões do mundo. Os artigos que constituem a Wikipédia possuem um tipo de link chamado de Cross-language Link que relaciona artigos correspondentes em idiomas diferentes. O objetivo principal dessa estrutura é permitir a navegação dos usuários por diferentes versões de um mesmo artigo em busca da informação desejada. Além disso, por permitir a obtenção de corpora comparáveis, os Cross-language Links são extremamente importantes para aplicações que trabalham com tradução automática e recuperação de informações multilíngues. Visto que os Cross-language Links são inseridos manualmente pelos autores dos artigos, quando o autor não reconhece o seu correspondente em determinado idioma ocorre uma situação de Cross-language Links ausente. Sendo assim, é importante o desenvolvimento de uma abordagem que realize a descoberta de Cross-language Links entre artigos que são correspondentes, porém, não estão conectados por esse tipo link. Nesta dissertação, é apresentado o CLLFinder, uma abordagem para a descoberta de Cross-language Links ausentes. A nossa abordagem utiliza o relacionamento entre as categorias e a indexação e consulta do conteúdo dos artigos para realizar a seleção do conjunto de candidatos. Para a identificação do artigo correspondente, são utilizados atributos que exploram a transitividade de Cross-language Links entre outros idiomas bem como características textuais dos artigos. Os resultados demonstram a criação de um conjunto de candidatos com 84,3% de presença do artigo correspondente, superando o trabalho utilizado como baseline. A avaliação experimental com mais de dois milhões de pares de artigos aponta uma precisão de 99,2% e uma revocação geral de 78,9%, superando, também, o baseline. Uma inspeção manual dos resultados do CLLFinder aplicado em um cenário real indica que 73,6% dos novos Cross-language Links sugeridos pela nossa abordagem eram de fato correspondentes. / Wikipedia is a public encyclopedia composed of millions of articles written daily by volunteer authors from different regions of the world. The articles contain links called Cross-language Links which relate corresponding articles across different languages. This feature is extremely useful for applications that work with automatic translation and multilingual information retrieval as it allows the assembly of comparable corpora. Since these links are created manually, in many occasions, the authors fail to do so. Thus, it is important to have a mechanism that automatically creates such links. This has been motivating the development of techniques to identify missing cross-language links. In this work, we present CLLFinder, an approach for finding missing cross-language links. The approach makes use of the links between categories and an index of the content of the articles to select candidates. In order to identify corresponding articles, the method uses the transitivity between existing cross-language links in other languages as well as textual features extracted from the articles. Experiments on over two million pairs of articles from the English and Portuguese Wikipedias show that our approach has a recall of 78.9% and a precision of 99.2%, outperforming the baseline system.A manual inspection of the results of CLLFinder applied to a real situation indicates that our approach was able to identify the Cross-language Link correctly 73.6% of the time.

Em domínios com forte conteúdo visual, a interpretação de imagens por raciocínio visual pode ser mais eficaz na solução de problemas do que a interpretação de dados puramente textuais ou numéricos. No entanto, a representação do conhecimento visual é difícil de ser realizada por tratar-se de um conhecimento implícito para o observador. As ontologias de representação possibilitam a criação de estruturas para auxiliar na captura desse tipo de conhecimento, de forma a atribuir uma representação simbólica e significado semântico ao que está sendo visualizado. A formalização do conhecimento visual permite a sua utilização em processos de inferência, resultando na interpretação automática da imagem. O objetivo deste trabalho é a definição de construtos ontológicos que permitam descrever aspectos visuais presentes em uma imagem, com ênfase na atenção visual mais do que nos aspectos físicos dos objetos. Esses aspectos visuais são associados aos objetos físicos da imagem bem como aos objetos descritos no nível do conhecimento de domínio. Para cada um dos níveis foi definida uma ontologia de representação, sendo assim possível atribuir semântica específica a esses objetos através da descrição de seus atributos e manter a independência do conhecimento relativo a cada nível. O nível da imagem descreve os objetos passíveis de serem extraídos por algoritmos de processamento de imagem (embora esses algoritmos não tenham sido foco de estudo neste trabalho). O nível visual descreve objetos que são foco da atenção visual, tais como seções, interstícios e contornos. O nível semântico descreve os objetos da aplicação capturados através de aquisição de conhecimento. A identidade dos objetos modelados é garantida através de relações de mapeamento entre cada dois níveis adjacentes. O domínio de aplicação deste trabalho foi a Petrografia Sedimentar, com o objetivo de extrair por inferência a qualidade em termos de porosidade e permeabilidade de rochas reservatório de petróleo. Com ajuda do especialista, foi modelado um método de solução de problemas para identificação do grau de compactação da rocha, que raciocina sobre os conhecimentos modelados utilizando a ontologia proposta. Foi implementado um sistema que permite a descrição dos objetos individualizados através da segmentação manual da imagem, mapeando os dados descritos para a ontologia e aplicando sobre ela o método de solução de problemas. Esse sistema gera como resultado o grau de compactação da rocha, cuja imagem foi assim descrita. Uma validação preliminar da abordagem foi realizada através da descrição de imagens de rochas fazendo uso do sistema desenvolvido, confrontando os resultados com os obtidos por um geólogo para as mesmas rochas observadas. Na metade das amostras descritas, o sistema atingiu o mesmo resultado do especialista e, na outra metade, obteve grande aproximação dos resultados. / In domains that have strong visual content, the image interpretation applying visual reasoning can be more effective in solving problems than the interpretation of pure textual or numeric data. However, the representation of visual knowledge is hard to be achieved since, most of time, we are dealing with implicit knowledge for the observer. The representation ontologies allow the creation of structures for assisting the capture of this kind of knowledge, in order to associate a symbolic representation and semantic meaning to what it being visualize. The formalization of the visual knowledge allows its application for inference process, resulting in the automatic interpretation of image. The goal of this work is the definition of ontological constructs that allow describing the visual aspects presented in an image, giving more emphasis in the evidences captured by visual attention than in the physical aspects of the objects. These aspects are associated to the physical objects as well as to the objects described in the domain knowledge level. Separate representation ontologies were defined for each level, making possible to associate specific semantic content to the objects through the description of the attributes and to keep the independence of the knowledge related to each level. The image level describes the objects that are possible of being extracted by image processing algorithms (although these algorithms were not studied in this work). The visual knowledge describes the objects that capture the visual attention, such as sections, interstices and borders. The semantic level describes the application objects elicited by knowledge acquisition methods. The identity of the modeled objects is guaranteed through the mapping relation defined between each two adjacent levels. The application domain of this work is the Sedimentary Petrography, with the goal of extracting by inference methods the porosity and permeability quality of petroleum reservoir-rocks. With the aid of the expert, a problem-solving method that reasons over the knowledge formalized through the proposed ontology was modeled for the identification of the compaction level of the rock. Furthermore, it was implemented a system that supports the description of the objects individualized through a manual segmentation of the image. The described data was mapped to the ontology and the problem-solving method was applied to define the level of compaction. A preliminary validation was developed comparing the results achieved by the system with the manual interpretation done by the expert with the same rock samples. With the half of the described samples the system achieved the same results of the expert and has got strong approximation in the other half.

O avanço tecnológico de dispositivos capazes de capturar e armazenar volumes significativos de imagens permite o armazenamento de grandes quantidades de informações visuais. Uma área de intensa pesquisa atualmente é a extração e modelagem de conhecimento visual contido nessas bases de informações. O conceito de conhecimento visual e imagem são conceitos disjuntos, mesmo que pareçam intrinsecamente conectados. Conhecimento visual é o conjunto de modelos mentais compostos por imagens de objetos reais ou imaginárias manipuladas pelo cérebro. Esses modelos mentais são aplicados em tarefas cuja solução envolve a análise de informações visuais, como por exemplo, a extração de conteúdo semântico de imagens. Domínios imagísticos são os domínios nos quais a solução de problemas começa com um processo de casamento de padrões que capturam a informação visual e que mais tarde dará suporte ao processo abstrato da interpretação. A proposta desta dissertação é a definição de primitivas alternativas para a representação de conhecimento visual através da combinação de construtos proposicionais e pictóricos. Diferentemente de outras abordagens, o conhecimento visual capturado no modelo aqui proposto não reside nas imagens, mas na mente de especialistas. A captura do conhecimento visual é realizada através de dois metaconstrutos híbridos aplicáveis ao domínio da geologia. Os metaconstrutos são compostos de uma representação proposicional e outra icônica que são utilizadas para fins de comunicação e expressão do conhecimento visual do especialista, respectivamente. O metaconstruto Pictorial Concept representa tipos visuais enquanto que o metaconstruto Pictorial Attribute representa qualidades dos tipos visuais. Os metaconstrutos aqui definidos foram aplicados ao domínio da Estratigrafia Sedimentar, uma subárea da Geologia, na construção de uma ontologia de domínio com conteúdo visual agregado. A construção da ontologia de domínio foi realizada através de um processo de aquisição de conhecimento. O conhecimento visual foi eliciado a partir de um especialista, adquirido através da imersão na literatura do domínio e organizado de acordo com metapropriedades e metaconceitos de uma ontologia de fundamentação unificada. A ontologia é aplicada ao domínio da Estratigrafia Sedimentar para rochas siliciclásticas para a descrição de testemunhos e afloramentos. A ontologia inclui uma hierarquia de rochas, estruturas sedimentares e ambientes deposicionais. Foram modelados 36 conceitos com a adição de 60 ícones. A validação do conhecimento visual organizado foi realizada através de experimento empírico onde 21 geólogos utilizaram os ícones sem legenda para descrição de amostras de rocha. O nível de acertos das associações entre feições geológicas e ícones representam 70% para fácies e 66% para estruturas sedimentares sendo identificada uma conclusão positiva entre a experiência do geólogo e o número de acertos. / The advances in technological devices allow then to capture and store significant amounts of image data. Nowadays, an intense area of research is the extraction and modeling of the existing visual knowledge in image databases. The visual knowledge and image concepts are disjointed concepts, even though they seem intrinsically connected. Visual knowledge is the set of mental models composed by images of real or imaginary objects manipulated by the brain. These mental models are applied in tasks, like the extraction of semantic content of images, where the solution requires the analysis of visual information. Imagistic domains are the domains where the problem-solving process starts with a visual pattern-matching process that captures the information, which will further support the abstract inference process of interpretation. The proposal of this master thesis is the definition of alternative primitives for the visual knowledge representation, by the combination of both propositional and pictorial constructs. Differently from other approaches, the visual knowledge captured in this model is not identifiable in images, but in the mental models of experts. The capture of the visual knowledge is reached through the use of two domainindependent hybrid meta-constructs. The meta-constructs are composed by propositional and iconic representations used for communication and to express the expert’s visual knowledge. The meta-construct Pictorial Concept represents visual kinds while the metaconstruct Pictorial Attribute represents qualities of the visual kinds. The meta-constructs defined here where applied in the Sedimentary Stratigraphy domain, a sub-area of Geology, in the construction of a domain ontology with aggregated visual content. The construction of the domain ontology was done through a knowledge acquisition process. The visual knowledge was elicited from the expert, acquired from the immersion in the literature domain and was organized according to meta-properties and meta-concepts based on a foundational ontology. The resulting ontology is applied in the Sedimentary Stratigraphy domain for the description of well cores and outcrops of siliciclastic rocks. The ontology includes hierarchies of rocks, sedimentary structures and depositional environments. In total, 36 concepts were modeled and associated to 60 icons. The validation of the visual knowledge elicited was done through an empirical experiment where 21 geologists applied the unlabeled icon set to describe rock samples. The level of right associative answers between geological features and their icons was 70% for sedimentary facies and 66% for sedimentary structures. Moreover, it was identified a positive correlation between the expert’s experience and the number of right answers.

A Wikipédia é uma enciclopédia pública composta por milhões de artigos editados diariamente por uma comunidade de autores de diferentes regiões do mundo. Os artigos que constituem a Wikipédia possuem um tipo de link chamado de Cross-language Link que relaciona artigos correspondentes em idiomas diferentes. O objetivo principal dessa estrutura é permitir a navegação dos usuários por diferentes versões de um mesmo artigo em busca da informação desejada. Além disso, por permitir a obtenção de corpora comparáveis, os Cross-language Links são extremamente importantes para aplicações que trabalham com tradução automática e recuperação de informações multilíngues. Visto que os Cross-language Links são inseridos manualmente pelos autores dos artigos, quando o autor não reconhece o seu correspondente em determinado idioma ocorre uma situação de Cross-language Links ausente. Sendo assim, é importante o desenvolvimento de uma abordagem que realize a descoberta de Cross-language Links entre artigos que são correspondentes, porém, não estão conectados por esse tipo link. Nesta dissertação, é apresentado o CLLFinder, uma abordagem para a descoberta de Cross-language Links ausentes. A nossa abordagem utiliza o relacionamento entre as categorias e a indexação e consulta do conteúdo dos artigos para realizar a seleção do conjunto de candidatos. Para a identificação do artigo correspondente, são utilizados atributos que exploram a transitividade de Cross-language Links entre outros idiomas bem como características textuais dos artigos. Os resultados demonstram a criação de um conjunto de candidatos com 84,3% de presença do artigo correspondente, superando o trabalho utilizado como baseline. A avaliação experimental com mais de dois milhões de pares de artigos aponta uma precisão de 99,2% e uma revocação geral de 78,9%, superando, também, o baseline. Uma inspeção manual dos resultados do CLLFinder aplicado em um cenário real indica que 73,6% dos novos Cross-language Links sugeridos pela nossa abordagem eram de fato correspondentes. / Wikipedia is a public encyclopedia composed of millions of articles written daily by volunteer authors from different regions of the world. The articles contain links called Cross-language Links which relate corresponding articles across different languages. This feature is extremely useful for applications that work with automatic translation and multilingual information retrieval as it allows the assembly of comparable corpora. Since these links are created manually, in many occasions, the authors fail to do so. Thus, it is important to have a mechanism that automatically creates such links. This has been motivating the development of techniques to identify missing cross-language links. In this work, we present CLLFinder, an approach for finding missing cross-language links. The approach makes use of the links between categories and an index of the content of the articles to select candidates. In order to identify corresponding articles, the method uses the transitivity between existing cross-language links in other languages as well as textual features extracted from the articles. Experiments on over two million pairs of articles from the English and Portuguese Wikipedias show that our approach has a recall of 78.9% and a precision of 99.2%, outperforming the baseline system.A manual inspection of the results of CLLFinder applied to a real situation indicates that our approach was able to identify the Cross-language Link correctly 73.6% of the time.

O avanço tecnológico de dispositivos capazes de capturar e armazenar volumes significativos de imagens permite o armazenamento de grandes quantidades de informações visuais. Uma área de intensa pesquisa atualmente é a extração e modelagem de conhecimento visual contido nessas bases de informações. O conceito de conhecimento visual e imagem são conceitos disjuntos, mesmo que pareçam intrinsecamente conectados. Conhecimento visual é o conjunto de modelos mentais compostos por imagens de objetos reais ou imaginárias manipuladas pelo cérebro. Esses modelos mentais são aplicados em tarefas cuja solução envolve a análise de informações visuais, como por exemplo, a extração de conteúdo semântico de imagens. Domínios imagísticos são os domínios nos quais a solução de problemas começa com um processo de casamento de padrões que capturam a informação visual e que mais tarde dará suporte ao processo abstrato da interpretação. A proposta desta dissertação é a definição de primitivas alternativas para a representação de conhecimento visual através da combinação de construtos proposicionais e pictóricos. Diferentemente de outras abordagens, o conhecimento visual capturado no modelo aqui proposto não reside nas imagens, mas na mente de especialistas. A captura do conhecimento visual é realizada através de dois metaconstrutos híbridos aplicáveis ao domínio da geologia. Os metaconstrutos são compostos de uma representação proposicional e outra icônica que são utilizadas para fins de comunicação e expressão do conhecimento visual do especialista, respectivamente. O metaconstruto Pictorial Concept representa tipos visuais enquanto que o metaconstruto Pictorial Attribute representa qualidades dos tipos visuais. Os metaconstrutos aqui definidos foram aplicados ao domínio da Estratigrafia Sedimentar, uma subárea da Geologia, na construção de uma ontologia de domínio com conteúdo visual agregado. A construção da ontologia de domínio foi realizada através de um processo de aquisição de conhecimento. O conhecimento visual foi eliciado a partir de um especialista, adquirido através da imersão na literatura do domínio e organizado de acordo com metapropriedades e metaconceitos de uma ontologia de fundamentação unificada. A ontologia é aplicada ao domínio da Estratigrafia Sedimentar para rochas siliciclásticas para a descrição de testemunhos e afloramentos. A ontologia inclui uma hierarquia de rochas, estruturas sedimentares e ambientes deposicionais. Foram modelados 36 conceitos com a adição de 60 ícones. A validação do conhecimento visual organizado foi realizada através de experimento empírico onde 21 geólogos utilizaram os ícones sem legenda para descrição de amostras de rocha. O nível de acertos das associações entre feições geológicas e ícones representam 70% para fácies e 66% para estruturas sedimentares sendo identificada uma conclusão positiva entre a experiência do geólogo e o número de acertos. / The advances in technological devices allow then to capture and store significant amounts of image data. Nowadays, an intense area of research is the extraction and modeling of the existing visual knowledge in image databases. The visual knowledge and image concepts are disjointed concepts, even though they seem intrinsically connected. Visual knowledge is the set of mental models composed by images of real or imaginary objects manipulated by the brain. These mental models are applied in tasks, like the extraction of semantic content of images, where the solution requires the analysis of visual information. Imagistic domains are the domains where the problem-solving process starts with a visual pattern-matching process that captures the information, which will further support the abstract inference process of interpretation. The proposal of this master thesis is the definition of alternative primitives for the visual knowledge representation, by the combination of both propositional and pictorial constructs. Differently from other approaches, the visual knowledge captured in this model is not identifiable in images, but in the mental models of experts. The capture of the visual knowledge is reached through the use of two domainindependent hybrid meta-constructs. The meta-constructs are composed by propositional and iconic representations used for communication and to express the expert’s visual knowledge. The meta-construct Pictorial Concept represents visual kinds while the metaconstruct Pictorial Attribute represents qualities of the visual kinds. The meta-constructs defined here where applied in the Sedimentary Stratigraphy domain, a sub-area of Geology, in the construction of a domain ontology with aggregated visual content. The construction of the domain ontology was done through a knowledge acquisition process. The visual knowledge was elicited from the expert, acquired from the immersion in the literature domain and was organized according to meta-properties and meta-concepts based on a foundational ontology. The resulting ontology is applied in the Sedimentary Stratigraphy domain for the description of well cores and outcrops of siliciclastic rocks. The ontology includes hierarchies of rocks, sedimentary structures and depositional environments. In total, 36 concepts were modeled and associated to 60 icons. The validation of the visual knowledge elicited was done through an empirical experiment where 21 geologists applied the unlabeled icon set to describe rock samples. The level of right associative answers between geological features and their icons was 70% for sedimentary facies and 66% for sedimentary structures. Moreover, it was identified a positive correlation between the expert’s experience and the number of right answers.