Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-08-29T14:17:25Z No. of bitstreams: 1 Fabio Augusto.pdf: 2319314 bytes, checksum: 7dc99465ac724efe228c61bb9dfafa80 (MD5) / Made available in DSpace on 2017-08-29T14:17:25Z (GMT). No. of bitstreams: 1 Fabio Augusto.pdf: 2319314 bytes, checksum: 7dc99465ac724efe228c61bb9dfafa80 (MD5) Previous issue date: 2009-05-18 / Several techniques for extracting meaning from text in order to construct more accurate internal representations of both queries and information items in retrieval systems have been already proposed. However, there is a lack of semantic retrieval models to provide appropriate abstractions of these techniques. This work proposes a knowledge--based information retrieval model that explores the semantic content of information items . The internal representation of information items is based on user interest groups, called “semantic cases”. The model also defines a criteria for retrieve information items and a function for ordering the results that uses similarity measures based on semantic distance between semantic cases items. The model was instantiated by a sample system built upon the tributary legal domain using the specialization of the ONTOJURIS, a generic legal ontology, called ONTOTRIB. Legal normative instruments can be instantiated in a knowledge base by ONTOTRIB classes. The results obtained for this specific domain showed an improvement in the precision rates compared to a keyword-based system. / Várias técnicas para extrair significado de textos com o objetivo de construir representações internas mais precisas, tanto para itens de informação quanto para consultas em sistemas de recuperação já foram propostas. Contudo, faltam modelos de recuperação baseados em semântica que especifiquem abstrações apropriadas para essas técnicas. Este trabalho apresenta um modelo de recuperação baseado no conhecimento que explora o conteúdo semântico dos itens de informação. A representação interna dos itens de informação é baseada em grupos de interesse do usuário chamados de “casos semânticos”. O modelo também define um critério para a recuperação dos itens de informação e uma função para ordenar os resultados obtidos que utiliza medidas de similaridade baseadas na distância semântica entre os elementos das representações internas. O modelo foi instanciado em um sistema construído para o domínio jurídico tributário usando a ontologia ONTOTRIB, uma extensão da ontologia genérica ONTOJURIS, que permite a instanciação de instrumentos jurídico-tributários. Os resultados obtidos nos testes realizados neste domínio específico apontaram uma melhoria da precisão em relação a um sistema baseado em palavras-chave.

Made available in DSpace on 2016-08-17T14:53:01Z (GMT). No. of bitstreams: 1 Roberval Gomes Mariano.pdf: 3806410 bytes, checksum: 98c37c22e17816b87c3a646527ac2c4e (MD5) Previous issue date: 2008-12-05 / The huge amount of data available on the Web and its dynamic nature create a demand for information filtering applications such as recommender systems. The lack of semantic structure of data available on the Web constitutes a barrier for increasing the effectiveness of such applications family. This work discusses the analysis, design, implementation and evaluation of Semantic Web based hybrid filtering agents. Such agents were integrated in ONTOSERS, an application family for the development of recommender systems based on the Semantic Web technology. The implemented agents were evaluated and their results were compared with the results of collaborative and content-based filtering agents. The hybrid filtering techniques presented better results than the other approaches in the conducted experiments. The tested hybrid filtering approaches were the weighted and switched ones. The explicit feedback was used to validate the recommendations, presenting a better correlation with the hybrid filtering techniques. The developed agents were also evaluated through the reuse of the ONTOSERS systems family, a multi-agent recommender system in the Brazilian tributary domain. / A grande quantidade de dados disponíveis na Web e a sua natureza dinâmica criam uma demanda por aplicações de filtragem de informação, tais como os sistemas de recomendação. A falta de estruturação semântica dos dados disponíveis na Web é uma barreira para a melhoria da efetividade desta família de aplicações. Este trabalho apresenta a análise, projeto, implementação e avaliação de agentes de filtragem híbrida baseados na tecnologia da Web Semântica. Estes agentes foram integrados na ONTOSERS, uma família de aplicações para o desenvolvimento de sistemas de recomendações baseados na tecnologia da Web Semântica. Os agentes implementados foram testados e tiveram seus resultados comparados com os resultados de agentes utilizando filtragem colaborativa e baseada em conteúdo. As técnicas de filtragem híbrida apresentaram resultados melhores do que os obtidos com as outras técnicas nos experimentos realizados. As técnicas de filtragem híbrida testadas foram a ponderada e a alternada. O feedback explícito foi utilizado para validar as recomendações, apresentando uma melhor correlação com as técnicas de filtragem híbrida. Os agentes desenvolvidos foram ainda avaliados através do reuso da família de sistemas ONTOSERS na construção do INFOTRIB, um sistema multiagente de recomendações no domínio tributário brasileiro.