Submitted by Lucelia Lucena (lucelia.lucena@ufpe.br) on 2015-03-05T19:44:25Z No. of bitstreams: 2 DISSERTAÇÃO Antonio Ezequiel de Mendonça.pdf: 2393951 bytes, checksum: 04f2793296259577c32a75f66eb859aa (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-05T19:44:25Z (GMT). No. of bitstreams: 2 DISSERTAÇÃO Antonio Ezequiel de Mendonça.pdf: 2393951 bytes, checksum: 04f2793296259577c32a75f66eb859aa (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2014-08-21 / FACEPE / Usuários acessam aplicações de consulta a dados com a intenção de obter informações que lhes possam ser úteis. Para isso, eles submetem uma consulta e, dependendo da resposta, podem tentar refazê-la diversas vezes e, a cada nova consulta submetida, procuram filtrar os resultados, até que uma resposta satisfatória seja encontrada. Esse problema ocorre devido, principalmente, à grande quantidade de informação disponível e, até mesmo, devido à diferença de contexto existente para cada usuário. Entendemos por contexto o conjunto de elementos que caracterizam uma entidade de domínio e que são considerados relevantes em uma situação específica, durante um intervalo de tempo. Diante disso, temos que diferentes usuários podem receber informações diversas e considerá-las relevantes ou não para suas consultas, pois eles têm contextos e objetivos diferentes quando as realizam. Nesse sentido, um processo automático para reescrita de consultas pode criar uma consulta personalizada fazendo uso do contexto adquirido (por exemplo, do usuário e do ambiente) e, assim, as respostas retornadas tendem a ser mais adequadas. Para isso, a consulta pode ser reescrita usando técnicas de expansão, relaxamento ou formatação de respostas. Nesse panorama, o presente trabalho propõe a utilização de informações contextuais a fim de realizar a reescrita de consultas SQL submetidas pelos usuários. Para tanto, é apresentada a abordagem para reescrita de consultas denominada CORE - Context-based Rules for rEwriting queries, que proporciona a adequação da consulta original submetida pelo usuário de acordo com o contexto adquirido. O trabalho incluiu o desenvolvimento de um protótipo que implementa a abordagem. Este protótipo foi usado para realizar experimentos com usuários, os quais submeteram consultas que consideravam ou não o uso do contexto. Em outro experimento, foram aplicadas métricas de precisão e cobertura para avaliar a relevância da informação retornada pelas consultas com e sem o uso do contexto. Analisando os resultados dos experimentos, pôde-se observar que as consultas reescritas a partir do contexto obtiveram mais repostas consideradas relevantes do que as consultas sem contexto. O presente trabalho traz como diferencial de pesquisa em comparação com outros, o fato de tanto fazer uso de contexto como realizar inferência de novos elementos contextuais.

Made available in DSpace on 2014-06-12T15:57:22Z (GMT). No. of bitstreams: 2 arquivo3186_1.pdf: 4312700 bytes, checksum: dc73d3362ddcea01428e6624d0d875a0 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2010 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / O processamento de consultas é um tema de pesquisa muito importante em ambientes distribuídos e dinâmicos, tais como os Peer Data Management Systems. Uma questão crucial nesse processo é a reformulação da consulta em um ponto de origem em termos de um ponto destino, considerando as correspondências existentes entre eles. Como parte do projeto SPEED (Semantic Peer-to-Peer Data Management System) uma ferramenta de reformulação de consultas, chamada SemRef (Semantic Reformulator), foi desenvolvida. Por seu intermédio, as consultas submetidas pelo usuário são reformuladas, executadas e os resultados integrados para exibição. O SemRef explora um conjunto de correspondências semânticas para enriquecimento da consulta na sua reformulação. A idéia é produzir um conjunto de resultados que expresse o que os usuários consideram importante no momento em que submetem suas consultas, considerando a dinamicidade do sistema. De uma maneira geral, os resultados das consultas são gerados de forma única sem refletir as preferências e perfis dos usuários. Neste trabalho, o objetivo é estender o módulo SemRef, passando a ser chamado PSemRef (Personalized Semantic Reformulator), propondo uma abordagem na qual as consultas sejam personalizadas e seus resultados ordenados de acordo com as preferências dos usuários e um conjunto de informações contextuais. Abordamos o problema da personalização de consultas no SPEED, bem como a especificação de nossa proposta para solucioná-lo, a qual envolve a obtenção de uma informação contextual estática (na forma de perfil do usuário) e dinâmica (localização do usuário). Capturamos as preferências do usuário na seleção e na priorização de um conjunto de variáveis de enriquecimento, as quais estão ligadas diretamente à reformulação da consulta. Todas essas informações citadas influenciam na geração de um conjunto ordenado de resultados das consultas. Detalhamos também os aspectos de implementação do nosso trabalho e, por fim, apresentamos a experimentação realizada envolvendo um estudo de caso com os resultados que foram obtidos

Submitted by Clebson Anjos (clebson.leandro54@gmail.com) on 2016-02-16T19:48:57Z No. of bitstreams: 1 arquivototal.pdf: 2420194 bytes, checksum: 8e6329082b403c1f41ce1c101f432f96 (MD5) / Made available in DSpace on 2016-02-16T19:48:57Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 2420194 bytes, checksum: 8e6329082b403c1f41ce1c101f432f96 (MD5) Previous issue date: 2015-03-27 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / This work presents an extension of the XQuery query language called XQuery-Pref, to support conditional preferences. In order to make transparent to the user executing queries written in language XQuery-Pref, we use a system called XQPref, which is responsible for elicitation of preferences dynamics and the processing of these custom queries. Restrict the scope of this work to XML documents, essential technology for knowledge management and dissemination of data on the Web, that given the information overload, has aroused concern in personalizing query results according to the needs of each user. / O presente trabalho apresenta uma proposta de extensão da linguagem de consulta XQuery, denominada XQuery-Pref, para suporte a preferências condicionais. Com objetivo de tornar transparente para o usuário a execução de consultas escritas na linguagem XQuery-Pref, utiliza-se um sistema denominado XQPref, que é responsável pela elicitação de preferências dinâmicas e pelo processamento destas consultas personalizadas. Restringimos o escopo deste trabalho a documentos XML, tecnologia essencial para a gestão do conhecimento e divulgação de dados pela web, que diante da sobrecarga da informação, tem despertado a preocupação em personalizar os resultados de consultas de acordo com as necessidades de cada usuário.

Made available in DSpace on 2016-06-02T19:07:09Z (GMT). No. of bitstreams: 1 BERBEL_Talita_2015.pdf: 2383674 bytes, checksum: 3c3c42908a145864cffb9aa42b7d45b7 (MD5) Previous issue date: 2015-03-23 / With the rapid growth of unstructured data, such as text documents, it becomes more and more interesting and necessary to extract such information to support decision making in business intelligence systems. Recommendations can be used in the OLAP process, because they allow users to have a particular experience in exploiting data. The process of recommendation, together with the possibility of query personalisation, allows recommendations to be increasingly relevant. The main contribution of this work is to propose an effective solution for semantic recommendation of documents through personalisation of OLAP aggregation queries in a data warehousing environment. In order to aggregate and recommend documents, we propose the use of semantic similarity. Domain ontology and the statistical measure of frequency are used in order to verify the similarity between documents. The threshold of similarity between documents in the recommendation process is adjustable and this is the personalisation that provides to the user an interactive way to improve the relevance of the results. The proposed case study is based on articles from PubMed and its domain ontology in order to create a prototype using real data. The results of the experiments are presented and discussed, showing that good recommendations and aggregations are possible with the suggested approach. The results are discussed on the basis of evaluation measures: precision, recall and F1-measure. / Com o crescimento do volume dos dados não estruturados, como os documentos de texto, torna-se cada vez mais interessante e necessário extrair informações deste tipo de dado para dar suporte à tomada de decisão em sistemas de Business Intelligence. Recomendações podem ser utilizadas no processo OLAP, pois permitem que os usuários tenham uma experiência diferenciada na exploração dos dados. O processo de recomendação, aliado à possibilidade da personalização das consultas dos usuários, tomadores de decisão, permite que as recomendações possam ser cada vez mais relevantes. A principal contribuição deste trabalho é a proposta de uma solução eficaz para a recomendação semântica de documentos mediante a personalização de consultas de agregação OLAP em um ambiente de Data Warehousing. Com o intuito de agregar e recomendar documentos propõe-se a utilização da similaridade semântica. A ontologia de domínio e a medida estatística de frequência são utilizadas com o objetivo de verificar a similaridade entre os documentos. O limiar de similaridade entre os documentos no processo de recomendação pode ser parametrizado e é esta a personalização que oferece ao usuário uma maneira interativa de melhorar a relevância dos resultados obtidos. O estudo de caso proposto se baseia em artigos da PubMed e em sua ontologia de domínio com o propósito de criar um protótipo utilizando dados reais. Os resultados dos experimentos realizados são expostos e analisados, mostrando que boas recomendações e agregações são possíveis utilizando a abordagem sugerida. Os resultados são discutidos com base nas métricas de avaliação: precision, recall e F1-measure.