EXPLORANDO INFERÊNCIA EM UM SISTEMA DE ANOTAÇÃO SEMÂNTICA

Explorando Inferência em um Sistema de
Anotação Semântica
Orientadoras:

Maria Claudia R. Cavalcanti, D.Sc.
Ana Maria de Carvalho Moura, Dr. Ing

Aluno: Celso Araujo Fontes

Instituto Militar de Engenharia

Rio de Janeiro, 26 de maio de 2011

Celso Araujo Fontes (IME) Explorando inferência em um sistema de anotação semântica Maio/2011

Sumário

1. Introdução
2. Fundamentação Teórica
3. Anotação Semântica
4. Arquitetura para o desenvolvimento de um
sistema de anotação automática em documentos
5. Desenvolvimento da ferramenta AutôMeta
6. Avaliação e Testes
7. Conclusão


Introdução
Fundamentação Teórica
Arquitetura
Desenvolvimento da Ferramenta
Avaliação e Testes
Conclusão

Introdução

• Pesquisas ainda são baseadas em
textos, dificultando a precisão na
recuperação da informação


Introdução
Arquitetura
Conclusão

Introdução

• Metadados
• Web Semântica
• RDF, OWL ...
• Web Tradicional = usa-se somente HTML
• Onde está a semântica?
nome: celso, cidade: rio de janeiro
• Anotação Semântica

Introdução
Arquitetura
Conclusão

Motivação

• Anotar não é uma tarefa trivial
• Grande volume de documentos
• Necessidade de mecanismos automáticos de
anotação
• Ferramentas atuais de anotação semântica
• Vocabulários Arbitrários
• Ferramentas nem sempre exploram as informações
implícitas
• Utilização de formatos próprios dificulta a
recuperação por ferramenta de busca
semântica.

Introdução
Arquitetura
Conclusão
Referências Bibliográficas

Hipótese

É possível gerar documentos melhor anotados a partir
da exploração mais profunda da
ontologia, contemplando inferência?


Introdução
Arquitetura
Conclusão

Objetivos da dissertação

• Desenvolver um sistema para anotação
semântica em documentos com base em
conceitos de uma ontologia
• Utilizar-se de um raciocinador para inferir
novas anotações
• Uso de meta anotações para justificar as
anotações inferidas.


Introdução
Arquitetura
Conclusão


• Ontologia:
• “Uma especificação explícita de uma
conceituação. A conceituação é uma abstração
simplificada do domínio em que se deseja
representar para algum propósito”
(GRUBBER, 1992)
• Características:
• Classes
• Relações
• Instâncias

Introdução
Arquitetura
Conclusão

Linguagens para Representação de Ontologias

• RDF (Resource Description Framework)
• Exemplo:
• Maria Claudia orienta Celso

#Maria orienta
#Celso
Claudia

Sujeito Predicado Objeto


Introdução
Arquitetura
Conclusão

Linguagens para Representação de Ontologias

OWL (Web Ontology Language):
Um exemplo com inferência com sinonímia
Celso

orienta (inferido)
Maria
Claudia

Yoko


Introdução
Arquitetura
Conclusão


“A anotação semântica de um
documento descreve o seu conteúdo pela
associação de trechos relevantes do
texto e conceitos descritos em uma
ontologia” (ELLER, 2008).



Adaptado de (OREN, 2006)

Introdução
Arquitetura
Conclusão


Para OREN et al. (2006), o resultado de uma
anotação A é uma tupla <as, ap, ao, ac>, onde:

• as é o dado (ou sujeito) sendo anotado
• ao é a anotação em si
• ap é o predicado que define o tipo de
relacionamento entre o as e ao
• ac é o contexto em que a anotação é feita.

Introdução
Arquitetura
Conclusão

Especificações para Anotação Semântica

• Microformat
• eRDF
• RDFa
• HTML5 Microdata


Introdução
Arquitetura
Conclusão

HTML

<div>
Celso Araujo, nascido em 25/11/1985.
</div>

Introdução
Arquitetura
Conclusão

HTML+RDFa

<div id="#Celso">
Celso Araujo, nascido em
25/11/1985
</div>

“Celso Araujo”

#Celso

“25/11/1985”

Introdução
Arquitetura
Conclusão

Ferramentas de Anotação Semântica

• GATE
• SMORE
• Annotea
• Amaya
• OpenCalais
• Zemanta
• Ontos
• Textwize

Introdução
Arquitetura
Conclusão

Ferramentas de Anotação Semântica

I Ii iii Iv v Vi Vii
Armazenamento da Referência com a Referência entre Entrada de Ontologias
Representação da Anotação Tipo Plataforma
Anotação Ontologia termo e Anotação Customizadas

Annotea Não intrusiva RDF/XML Xpointer SIM SIM Manual Desktop

GATE Híbrida Banco de dados e XML URIS SIM SIM Híbrida Desktop

KIM Não intrusiva ??? ??? SIM SIM Automática Desktop

RDF/XML, JSON,
OpenCalais Não intrusiva Microformat e URIS SIM NÃO Automática Web
SimpleFormat

XML, JSON, WNJSON,
Zemanta Não intrusiva URL NÃO NÃO Automática Web
RDF/XML

SMORE Não intrusiva RDF/XML URIS NÃO SIM Manual Desktop

Ontos Não intrusiva JSON ??? ??? SIM Automática Web

TextWise Não intrusiva JSON, XML e RDF URI SIM NÃO Automática Web


Introdução
Arquitetura
Conclusão

Ferramentas de Análise e Busca Semântica

• Sindice
• Google Rich Snippets
• Yahoo Search Monkey


Introdução
Arquitetura
Conclusão

Uso de Anotação Semântica


Introdução
Arquitetura
Conclusão

Uso de Anotação Semântica

fonte: http://oreilly.com/catalog/9780596153823/
as
<h1 ... property="dc:title">Programming the Semantic Web</h1>
ap ao

Introdução
Arquitetura
Conclusão

Ferramentas de Análise e Busca Semântica


Introdução
Arquitetura
Conclusão

Arquitetura para anotação Semântica Automática em Documentos

Analisador Raciocinador

Documento Usuário
Ontologia
Anotador Anotado
Análise e
Comparação MetaAnotação
Meta
Documento Anotador Agente
Não Estruturado


Introdução
Arquitetura
Conclusão

Processo de Anotação (Entrada)

owl:sameAs
#Maria_Claudia #Yoko
conhece

Ontologia #Celso conhece
#Ana_Maria


Introdução
Arquitetura
Conclusão

Processo de Anotação (Identificação dos Termos)

Celso é aluno das Professoras Yoko e Ana Maria.

Analise e owl:sameAs
Comparação #Maria_Claudia #Yoko
conhece

#Celso conhece
#Ana_Maria


Introdução
Arquitetura
Conclusão

Processo de Anotação (Identificação das Triplas)

Celso é aluno das Professoras Yoko e Ana Maria.
1. Celso conhece Maria_Claudia
2. Celso conhece Ana_Maria
3. Celso conhece Yoko
Analisador Raciocinador

owl:sameAs
conhece

#Celso conhece
#Ana_Maria


Introdução
Arquitetura
Conclusão

Processo de Anotação (Meta anotação sob a inferência)

3. Celso conhece Yoko
Anotação referenciaId ‘3’
_ resultadoDe:
Celso conhece Maria_Claudia
Maria_Claudia mesmaPessoaQue Yoko

owl:sameAs
conhece

#Celso conhece
Raciocinador
#Ana_Maria
Explainer


Introdução
Arquitetura
Conclusão

Meta-Anotação

Baseado em OWL (MCGUINNESS e HARMELEN, 2004) e OWL2 (MOTIK, et al., 2009)

Introdução
Arquitetura
Conclusão

Meta-Anotação

• Toda Pessoa tem 2 progenitores
• Neymar é filho de Nadine e Neymar Santos
• Sua mãe e seu pai não são as mesmas pessoas
• Seu pai também é conhecido como Neymar Pai
Declarações <2,"Annotation Inequality DifferentIndividuals" >
(metaanotaçao) <”#Pessoa”,rdf:subclass>
<”owl:cardinality, “2”>
<onProperty, “temProgenitor”>
<”#Neymar”,temProgenitor,”#Nadine”>
<”#Neymar”,temProgenitor,”#NeymarPai”>
<”#Neymar”,temProgenitor,”#NeymarDaSilvaSantos”>
<”#Nadine”,differentFrom,”#NeymarPai”>
<”#Nadine”,differentFrom,”#NeymarDaSilvaSantos”>

Anotação <2,”#NeymarPai”,sameAs,”#NeymarDaSilvaSantos”>
Inferida

Introdução
Arquitetura
Conclusão

Desenvolvimento da ferramenta AutôMeta (AutoMatic MetaData)

Tecnologias adotadas para prototipação:

• JAVA
• NetBeans
• OWLAPI
• Pellet
• Java-rdfa
• Jakarta-Commons


Introdução
Arquitetura
Conclusão

Formalismo de Anotação do AutôMeta

<ai, asi, T[ao1..aom] ><ai, apm+1, aom+1 />..<ai, apn ..aon /> Termo </>




…


Termo

Introdução
Arquitetura
Conclusão

Exemplo de Anotação gerada pelo Autômeta







Celso

AutôMeta (Interface GUI)


Introdução
Arquitetura
Conclusão

Prototipação – AutôMeta

Documento
+Anotação

Metadados
Extraídos


Introdução
Arquitetura
Conclusão

Prototipação – AutôMeta

Agente

Potencial para buscas
semânticas:
Usuário • Sindice
• Google Rich Snippets
• Yahoo Search Monkey

Introdução
Arquitetura
Conclusão


OBJETIVO:
• Avaliar o potencial de recuperação de
informações sobre documentos anotados
semanticamente pela ferramenta AutôMeta
• Volume extensivo de documentos
• Ontologia de domínio


Introdução
Arquitetura
Conclusão

TREC Genômica 2006

• Text Retrieval Conference
• Textos completos em HTML = 162.259
• 11.638 documentos distintos avaliados
• 28 perguntas


Introdução
Arquitetura
Conclusão

TREC (Pergunta e Avaliação)

NEW ID GENE(S) DISEASE QUESTION
160 PRNP Mad Cow What is the role of PrnP in mad cow
Disease disease?

TOPIC PMID OFFSET LENGTH SPANID RELEVANCE

160 8995353 1983 1766 899.535.319.831.766 NOT
160 8995353 3962 1369 899.535.339.621.369 DEFINITELY
160 9045652 4268 2400 904.565.242.682.400 DEFINITELY
160 9535949 50363 1856 9.535.949.503.631.850 NOT
160 15722549 8230 2514 1.572.254.982.302.510 POSSIBLY


Introdução
Arquitetura
Conclusão

TREC (Exemplo de Documento)


Introdução
Arquitetura
Conclusão

Ontologia de Entrada

• Testes com Gene e Mesh sem sucesso
• Através do SINDICE verificou-se que a
Dbpedia comtempla a maior parte dos
termos utilizados nas perguntas


Introdução
Arquitetura
Conclusão

Dbpedia

• Versão “semântica” da DBpedia
• Base de 3.5 milhões de conceitos
(BIZER, 2011)
• Triplas são extraídas da Wikipedia


Introdução
Arquitetura
Conclusão

Dbpedia
….

<resource:Obama> <ontology:spouse> <resource:Michelle_Obama>.

<resource:Obama> <ontology:vicePresident> <resource:Joe_Biden>

....

Introdução
Arquitetura
Conclusão

DBpedia (Recorte)

• Zemanta Web Service
• RDFCAT
• Esquema OWL Dbpedia 3.6
• Sinonímia (redirect):
• Bovine_Spongiform_Encephelopathy redirect Mad Cow
• Bovine_Spongiform_Encephelopathy sameAs Mad Cow


Introdução
Arquitetura
Conclusão

Dbpedia (Recorte)

Recurso OWL/RDF Total/Valor
Classes 323
Object Properties 629
Data Properties 706
Indivíduos 2665
Expressividade DL ALOF(D)
Relações de “is-a” 272
Object Properties Domain 505
Object Properties Range 488
Data Properties Domain 589
Data Properties Range 407
Sinonímia entre indivíduos 549
Functional Data Properties 18

[1] Description logic (lógica descritiva)
[2] A L= Attributive language; O = Object Restrictions (nominais) (ex: hasValue); F= Functional Properties; D = Data values (ex: data properties)

Introdução
Arquitetura
Conclusão

Ambiente de Testes

Intel Xeon 5520 2,26GHz (com 4 núcleos reais e
4 virtuais - hyper-threading)
12 GB Memória e 1TB de disco rígido
Sistema operacional Linux Debian Lenny.
Powered By


Introdução
Arquitetura
Conclusão

Massas de Dados

Artigos da TREC Artigos da TREC anotações Artigos da TREC anotações
convertidos em (TXT) sem do recorte Dbpedia e com do recorte Dbpedia
nenhuma anotação Inferência apenas com informações
semântica; explícitas


Introdução
Arquitetura
Conclusão

Recuperação de Informação (métricas)
Em (BECHARA, 2010):

• Precisão é a interseção entre os documentos relevantes e os documentos
recuperados, divididos pelo número de documentos recuperados; e
• Cobertura é a interseção entre os documentos relevantes e os documentos
recuperados, divididos pelo número de documentos relevantes.

Cobertura e Precisão (BARROS, 2011)

Introdução
Arquitetura
Conclusão

Recuperação da Informação (métricas)


Introdução
Arquitetura
Conclusão

Primeiro Ambiente

Simulação de um ambiente Tradicional de busca
Consultas em Texto Plano (Indexação e Busca)
Lucene 3.0.2
Remoção de STOP WORDS
Stemming


Introdução
Arquitetura
Conclusão

Precisão (TXT X REASONER)
001
001
001
001
001
001
000
000
000
000
000
160 161 162
163 164 165
166 167
168 169
170 171
172 174
176 177
178 179
181 182 184 185
txt (precision) reasoner (precision) 186 187


Introdução
Arquitetura
Conclusão

Precisão

• TXT precisao melhor
• Sinonímia aumentou o numero de
documentos retornados declinando a
precisao na maioria dos casos
• Valores para o predicado “ontology:abstract”
foram responsáveis por maior diferença
entre documentos anotados e não
anotados


Introdução
Arquitetura
Conclusão

Precisão (Sinonimia)
Trecho de documento RELEVANTE
 prion protein 

What is the role of PrnP im mad cow disease?

Introdução
Arquitetura
Conclusão

Precisão (Sinonimia)
Trecho de documento NAO RELEVANTE
 Cathepsin D


How do Cathepsin D (CTSD) and apolipoprotein E (ApoE) interactions contribute to Alzheimer’s
disease?

Introdução
Arquitetura
Conclusão

Cobertura (TXT X REASONER)
001
001
001
001
001
001
000
000
000
000
000
160 161 162
163 164
165 166
167 168
169 170
171 172
174 176
177 178 179 181 182 184
txt (recall) reasoner (recall) 185 186 187


Introdução
Arquitetura
Conclusão

Medida F (TXT x REASONER)
001
001
001
001
000
000
000
000
000
160 161 162
163 164 165
166 167 168
169 170
171 172
174 176
177 178
179 181
182 184
txt (medida f) reasoner (medida f) 185 186 187


Introdução
Arquitetura
Conclusão

Segundo Ambiente

Simulação de uma ferramenta de busca
semântica
Base com inferência X Base sem inferência
Consultas em SPARQL
Jena
JavaRDFa


Introdução
Arquitetura
Conclusão

SPARQL

Anotação das perguntas pelo AutôMeta para
recuperação dos termos da ontologia
Tripla Chave:
Sujeito anônimo (?asn)
Predicado (ap) e objeto (ao) únicos
SELECT ?g WHERE

GRAPH ?g{
?as1 foaf:page <wiki:Bovine_spongiform_encephalopathy> .
?as2 foaf:page <wiki:PRNP>
}

Introdução
Arquitetura
Conclusão

Precisão (REASONER x NOREASONER)
001
001
001
001
001
000
000
000
000
000
160 161 162
163 164 165
166 167
168 169
170 171
172 174
176 177
178 179 181 182
no reasoner (precision) reasoner (precision) 184 185 186 187


Introdução
Arquitetura
Conclusão

Precisão (REASONER x NOREASONER)

• Resultados baixos em sua maioria para ambas
as bases
• Maior sucesso na média final para
baseReasoner (0,22 x 0,09)
• Casos de Derrotas de Reasoner por:
– Maior número de documentos retornados
– Maior número de triplas retornados pelas
consultas SPARQLs


Introdução
Arquitetura
Conclusão

Cobertura (REASONER X NOREASONER)
001
001
001
001
001
001
000
000
000
000
000
160 161 162
163 164
165 166
167 168
169 170
171 172
174 176
177 178
no reasoner (recall) reasoner (recall) 179 181 182 184 185 186 187


Introdução
Arquitetura
Conclusão

Cobertura

• Melhores resultados da baseReasoner (0,89 x
0,29)
• Maior número de documentos retornados
graças a sinonímia e ao SPARQL


Introdução
Arquitetura
Conclusão

Medida F (REASONER x NOREASONER)

001
001
001
001
000
000
000
000
000
160 161 162
163 164 165
166 167 168
169 170
171 172
174 176
177 178
179 181
182 184
185 186
no reasoner (medida f) reasoner (medida f) 187


Introdução
Arquitetura
Conclusão

Medida F

Ambiente Tradicional Ambiente Semântico

0,22 0,21 0,08 0,29


Introdução
Arquitetura
Conclusão

Conclusão

• Este trabalho teve como objetivo
desenvolver um sistema que permitisse o
enriquecimento de documentos através de
anotações semânticas explorando o
potencial implícito de uma ontologia.


Introdução
Arquitetura
Conclusão

Contribuições

• Estudo comparativo de Ferramentas e Padrões de
anotação semântica;
• Proposta de uma arquitetura para anotação
semântica;
• Taxonomia para especificação de Meta Anotações;
• Recorte ontológico da base de dados Dbpedia;
• Metodologia para a tradução de perguntas para
SPARQL;


Contribuições

• Utilização de uma abordagem de anotação semântica
em formato aberto e visível pelos principais mecanismos
de busca semântica do mercado (ex.: Sindice e Google);
• Dois ambientes de recuperação (tradicional e
semântico);
• Artigo exposto no ONTOBRAS 2010 (FONTES, et
al., 2010c)
• Artigo apresentado no WTDBD 2010 (FONTES, et
al., 2010b)
• Artigo submetido para o SBBD 2011


Introdução
Arquitetura
Conclusão

Trabalhos Futuros

• Uso de técnicas avançadas de linguística computacional
• Anotações feitas pela ferramenta de modo a auxiliar na
seleção dos melhores termos, onde a ferramenta poderia
fazer “sugestões” ao especialista;
• Múltiplas ontologias
• Otimização no recurso de auto completar
• Formatos ricos de documento de entrada


• OREN, E. What are Semantic Annotations?. 2006. Disponível em: <http://
www.siegfried-handschuh.net/pub/2006/whatissemannot2006.pdf>.
• BECHARA, A. Expansão semântica de consultas baseada em esquemas
terminológicos: uma experimentação no domínio biomédico. 2010. Disponível
em: <http://teses2.ufrj.br/15/teses/751890.pdf>. Dissertação de
Mestrado, UFRJ.
• GRUBER, T. A Translation Approach to Portable Ontology Specifications. 1992.
Disponível em: <http://www-ksl.stanford.edu/KSL_Abstracts/KSL-92-71.html>.
• BARROS, F. Avaliação de Desempenho de Sistemas de RI. 2011. Disponível em:
<http://www.cin.ufpe.br/~if796/aulas/cap3.ppt>
• MCGUINESS D. e F. HARMELEN. OWL Web Ontology Language Overview.
Disponível em: <http://www.w3.org/TR/owl-features/>.
• MOTIK, B., P. PATEL-SCHNEIDER e B. PARSIA. 2009. OWL 2 Web Ontology
Language Structural Specification and Functional-Style Syntax. Disponível em:
<http://www.w3.org/TR/2009/REC-owl2-syntax-20091027/>.

EXPLORANDO INFERÊNCIA EM UM SISTEMA DE ANOTAÇÃO SEMÂNTICA

Recomendados

Recomendados

Más contenido relacionado

Último

Último (20)

Destacado

Destacado (20)

EXPLORANDO INFERÊNCIA EM UM SISTEMA DE ANOTAÇÃO SEMÂNTICA