ATHENAS: uma avaliação experimental da Combinação de Métricas de similaridade para o Alinhamento de Ontologias através de Mineração de Dados

Silva, Alex Alves da

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	Silva, Alex Alves da
dc.date.accessioned	2018-10-31T20:03:01Z
dc.date.available	2018-10-31T20:03:01Z
dc.date.issued	2013-09-24
dc.identifier.citation	SILVA, Alex Alves da. Athenas: uma avaliação experimental da combinação de métricas de similaridade para o alinhamento de ontologias através de mineração de dados. 2013. xiii, 133 f. Dissertação (Mestrado em Informática) - Universidade Federal do Estado do Rio de Janeiro (2003-), Rio de Janeiro, 2013.	pt_BR
dc.identifier.uri	http://hdl.handle.net/unirio/12525
dc.description	Dissertação também disponível em formato impresso, com o número de chamada CCET 2013/21.	pt_BR
dc.description.sponsorship	n/a	pt_BR
dc.language.iso	Portuguese	pt_BR
dc.rights	openAccess	pt_BR
dc.title	ATHENAS: uma avaliação experimental da Combinação de Métricas de similaridade para o Alinhamento de Ontologias através de Mineração de Dados	pt_BR
dc.type	masterThesis	pt_BR
dc.contributor.advisor-co	Amorim, Fernanda Araujo Baião
dc.contributor.referee	Revoredo, Kate Cerqueira
dc.contributor.referee	Amorim, Fernanda Araujo Baião
dc.contributor.referee	Zardrozny, Bianca
dc.contributor.referee	Siqueira, Sean Wolfgand Matsui
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	Ontology Alignment	pt_BR
dc.subject.en	Ontology	pt_BR
dc.subject.en	Machine Learning	pt_BR
dc.subject.en	Data Mining	pt_BR
dc.description.abstracten	Ontologies have attracted the attention of the scientific community, especially in the field of Semantic Web. An ontology describes a domain of knowledge in terms of its entities (concepts, relationships and instances), thus allowing the sharing of knowledge about a domain and can serve as a conceptual model for the development of Information Systems. However, the popularity of the subject has favored the emergence of several ontologies that describe the same domain, resulting in the use of different entities to represent the same object in the real world. In this scenario, there are problems of ambiguity and semantic heterogeneity that make information sharing difficult. The alignment of ontologies establishes correspondences between entities of different ontologies that represent the same object in the domain and has been successfully applied in the literature to solve previously mentioned problems. Several similarity metrics have been considered to indicate the potential correspondence between entities of two ontologies, and some studies show what happens when metric groups are combined. However, there are still not satisfactory scenarios results, requiring new approaches. On the other hand, Data Mining has been used to automatically discover models that explain implicit knowledge in data. In this master thesis, data mining is applied to historical database of alignments of ontologies to discover a model that combines four different groups of similarity metrics. The combination of the four groups of metrics is a novel approach, which was evaluated through an experiment considering three different domains. The results show the potential of the work, with the improvement in precision and recall of alignment when compared to state of the art.	pt_BR
dc.degree.country	Brasil	pt_BR
dc.description.sponsordocumentnumber	n/a	pt_BR
dc.description.abstractpt	Ontologias têm atraído a atenção da comunidade científica, especialmente no campo da Web Semântica. Uma Ontologia descreve um domínio de conhecimento em termos de suas entidades (conceitos, relacionamentos e instâncias), permitindo assim o compartilhamento de conhecimento sobre um domínio e podendo servir como modelo conceitual para o desenvolvimento de Sistemas de Informação. No entanto, sua popularidade tem favorecido o surgimento de várias ontologias que descrevem um mesmo domínio, resultando no uso de diferentes entidades para representar o mesmo objeto no mundo real. Neste cenário, surgem problemas de ambiguidade e heterogeneidade semântica, dificultando o compartilhamento de informações. O alinhamento de ontologias estabelece correspondências entre entidades de ontologias distintas que representam o mesmo objeto do domínio, e vem sendo aplicado com sucesso na literatura para resolver os problemas mencionados. Várias métricas de similaridade têm sido consideradas para indicar a potencial correspondência entre entidades de duas ontologias, e alguns trabalhos evidenciam quando grupos de métricas são combinados. Entretanto, há cenários com resultados ainda não satisfatórios, demandando novas abordagens. Por outro lado, Mineração de Dados tem sido utilizada para descobrir automaticamente modelos que explicitem conhecimento implícito em dados. Neste trabalho, mineração de dados é aplicada a uma base de dados históricos de alinhamentos de ontologias para descobrir um modelo que combine quatro grupos diferentes de métricas de similaridade. A combinação dos quatro grupos de métricas é um diferencial da abordagem, que foi avaliada através de um experimento considerando três domínios diferentes. Os resultados mostram o potencial do trabalho com a melhora em precisão e cobertura dos alinhamentos quando comparados com o estado da arte.	pt_BR
dc.subject.pt	Alinhamento de Ontologia	pt_BR
dc.subject.pt	Ontologia	pt_BR
dc.subject.pt	Aprendizado de Máquina	pt_BR
dc.subject.pt	Mineração de dados	pt_BR