Made available in DSpace on 2016-08-17T14:53:28Z (GMT). No. of bitstreams: 1
Suzane Carvalho dos Santos.pdf: 4549168 bytes, checksum: 85d08a343bc93d5bf241da9f6f02f5b4 (MD5)
Previous issue date: 2014-08-18 / Ontologies are knowledge representation structures capable of expressing a set of entities of a domain, their relationships and axioms that are being used by modern
knowledge based systems (KBS) in the decision making process. However, manual construction of ontology is expensive and subject to errors, thus a viable alternative is
the automation of this process. Several techniques and tools have been developed to learn the different components of an ontology from textual sources, named concepts,
hierarchies, instances, relationships, properties and axioms. However, these elements are generally acquired in a isolated manner. Due to the lack of approaches to acquire
all the elements of an ontology jointly, there is a need to develop a process to make the reuse and the learning of each of the elements of an ontology in a synergistic
manner. To attend this need, this work presents Apponto-Pro, an incremental learning process for populating application ontologies from textual information sources that
is capable of generating a complete ontology through the integration of different techniques to generate isolated elements of an ontology. The process was evaluated
through a case study that consisted in the automatic construction of Family_Law, an application ontology in the field of family law developed with Apponto-ProTool, a
software tool to support Apponto-Pro that integrates the approaches that compound the whole process. This evaluation aimed to determine the effectiveness of the
ontology constructed with Apponto-ProTool against an ontology manually built by a domain specialist and used as reference ontology. For this reason, the "precision"was
calculated for the elements of the ontology automatically generated using the reference ontology. As a result it was found that in some cases the ontology developed with
Apponto-ProTool tends to present more suitable results. / As ontologias são estruturas de representação de conhecimento capazes de expressar um conjunto de entidades de um dado domínio, seus relacionamentos e axiomas, sendo utilizadas pelos modernos Sistemas Baseados em Conhecimento (SBC) no
processo de tomada de decisões. No entanto, a construção manual de ontologias é cara e sujeita a erros, sendo uma alternativa viável a sua construção de forma
automática. Diversas técnicas e ferramentas têm sido desenvolvidas para aprender os diferentes componentes de uma ontologia a partir de fontes textuais, quais
sejam conceitos, hierarquias, instâncias, relacionamentos, propriedades e axiomas. Entretanto estes elementos são, em regra, adquidiros de forma isolada. Devido à carência de abordagens que adquirem todos os elementos de uma ontologia de forma conjunta, surgiu a necessidade de desenvolver um processo que faça o reúso e a aprendizagem de cada um dos elementos de uma ontologia de forma completa.
Atendendo a esta necessidade, este trabalho apresenta o Apponto-Pro, um processo incremental para o aprendizado e povoamento de ontologias de aplicação a partir
de fontes de informação textuais capaz de gerar uma ontologia completa através da integração de diferentes técnicas que geram elementos da ontologia de forma isolada.
O processo foi avalizado através de um estudo de caso que consistiu na construção automática da Family_Law, uma ontologia de aplicação no domínio do Direito da
Família construída através da aplicação da ferramenta de software Apponto-ProTool, desenvolvida para dar suporte ao processo Apponto-Pro que integrou as ferramentas
correspondentes as abordagens contidas no processo. Esta avaliação teve como objetivo verificar a efetividade da ontologia construída pela Apponto-ProTool em relação a uma ontologia construída manualmente por um especialista do domínio
e utilizada como ontologia de referência. Para isso foi calculado o valor da medida "precision" para os elementos da ontologia construída utilizando a ontologia de referência. Como resultado verificou-se formalmente que em alguns casos a ontologia desenvolvida pela Apponto-ProTool tende a apresentar resultados mais adequados.
| Identifer | oai:union.ndltd.org:IBICT/oai:tede2:tede/519 |
| Date | 18 August 2014 |
| Creators | Santos, Suzane Carvalho dos |
| Contributors | GIRARDI, Rosario, Silva, Francisco José da Silva e |
| Publisher | Universidade Federal do Maranhão, PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET, UFMA, BR, Engenharia |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da UFMA, instname:Universidade Federal do Maranhão, instacron:UFMA |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0023 seconds