On the learning of multiple concepts in description logic

Thiago, Raphael Melo

DSpace Home
→
Centro de Ciências Exatas e Tecnologia (CCET)
→
Informática Aplicada
→
INAP - Dissertações de Mestrado
→
View Item

dc.contributor.advisor	Revoredo, kate Cerqueira
dc.contributor.author	Thiago, Raphael Melo
dc.date.accessioned	2018-07-18T18:00:42Z
dc.date.available	2018-07-18T18:00:42Z
dc.date.issued	2014-05-30
dc.identifier.citation	THIAGO, Raphael Melo. On the learning of multiple concepts in description logic. 2014. xi, 76 f. Dissertação (Mestrado em Informática) - Universidade Federal do Estado do Rio de Janeiro. Rio de Janeiro, 2014.	pt_BR
dc.identifier.uri	http://hdl.handle.net/unirio/12008
dc.description	Dissertação também disponível em formato impresso, com o número de chamada CCET MI 2014/16.	pt_BR
dc.description.sponsorship	Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES	pt_BR
dc.language.iso	English	pt_BR
dc.rights	openAccess	pt_BR
dc.title	On the learning of multiple concepts in description logic	pt_BR
dc.type	masterThesis	pt_BR
dc.contributor.advisor-co	Carvalho, Aline Marins Paes
dc.contributor.referee	Revoredo, Kate Cerqueira
dc.contributor.referee	Carvalho, Aline Martins Paes
dc.contributor.referee	Siqueira, Sean Wolfgand Matsui
dc.contributor.referee	Cozman, Fabio Glagliardi
dc.degree.department	CCET	pt_BR
dc.degree.grantor	Universidade Federal do Estado do Rio de Janeiro - UNIRIO	pt_BR
dc.degree.level	Mestrado Acadêmico	pt_BR
dc.degree.local	Rio de Janeiro, RJ.	pt_BR
dc.degree.program	Programa de Pós-Graduação em Informática	pt_BR
dc.subject.cnpq	CIÊNCIAS EXATAS E DA TERRA	pt_BR
dc.subject.cnpq	CIÊNCIA DA COMPUTAÇÃO	pt_BR
dc.subject.en	Multiple Concept Learning in Description Logics	pt_BR
dc.subject.en	Terminology Learning	pt_BR
dc.subject.en	Redundancy Removal on Description Logics	pt_BR
dc.subject.en	Terminology Compression	pt_BR
dc.subject.en	Theory Restructure	pt_BR
dc.description.abstracten	Description Logics based languages have emerged as the standard knowledge representation scheme for ontologies. Typically, an ontology formalizes a number of dependent and related concepts in a domain, encompassed as a terminology. As manually defining such terminologies is a complex, time consuming and error-prone task, there is great interest and even demands for methods that learn terminologies automatically. However, the existing approaches follow a single concept learning strategy, disregarding dependencies that may exist among the concepts. As a consequence, a more complex and sometimes illegible terminology may be induced. Thus, methods for learning all the concepts within an unique task, respecting their dependency are essential for automatically inducing compact and understandable ontologies. Then, in this work, we propose three strategies for learning a terminology composed of multiple related concepts. We empirically evaluated successfully all of them in two benchmarks and compared them with a standard single concept learning algorithm.	pt_BR
dc.degree.country	Brasil	pt_BR
dc.description.sponsordocumentnumber	n/a	pt_BR
dc.description.abstractpt	Linguagens baseadas em Lógicas de Descrição são comumente adotadas como o esquema padrão para a representação de conhecimento em ontologias. Tipicamente, uma ontologia formaliza um número de conceitos dependentes e relacionados de um domínio, agrupados como uma terminologia. Como a definição manual de tais terminologias é complexa, consome tempo e ainda é passível de erros, existe um grande interesse e demanda por métodos automáticos de aprendizado de terminologias. No entanto, as abordagens existentes seguem uma estrat´egia de aprendizado de um único conceito, desconsiderando dependências que possam existir entre conceitos. Como consequência, são induzidas terminologias mais complexas e por vezes ilegíveis. Logo, métodos para o aprendizado de vários conceitos dentro de uma tarefa, respeitando suas dependências são essenciais para a indução automática de ontologias compactas e compreensíveis. Assim, neste trabalho, propomos três estratégias para o aprendizado de terminologias compostas por múltiplos conceitos relacionados. Nós empiricamente avaliamos com sucesso todas as três em dois benchmarks e as comparamos com um algoritmo padrão de aprendizado de conceitos únicos.	pt_BR
dc.subject.pt	Aprendizado de Múltiplos Conceitos em Lógicas de Descrição	pt_BR
dc.subject.pt	Aprendizado de Terminologias	pt_BR
dc.subject.pt	Remoção de Redundâncias em Lógicas de Descrição	pt_BR
dc.subject.pt	Compressão de Terminologias	pt_BR
dc.subject.pt	Restruturação de Teorias	pt_BR