Loopy Belief Propagation

Bueno (2008) apresenta uma ferramenta denominada Suíte de Gestão de Conhecimento, que permite a construção de aplicativos web. Tem as seguintes funções: a) Para o engenheiro do conhecimento (EC): programar observadores de fontes web de conhecimento; determinar domínios de conhecimento; definir termos representativos de conceitos. b) Para o cliente: efetivar procura por assuntos específicos, utilizando textos completos e linguagem natural, dentro de determinados intervalos de tempo; pesquisar a freqüência de aparição de documentos sobre determinado assunto, e o grau de semelhança dos documentos encontrados com o texto procurado.

A Suíte de Engenharia do Conhecimento permitiu a construção de alguns sistemas de conhecimento: MONGEE, Ontojuris, Ontoweb e SERPI, descritos a seguir.

3.4.3.1 MONGEE-Monitoramento On-Line de Gases de Efeito Estufa

Segundo Bedin et al. (2008), o sistema MONGEE (Figura 17) foi criado com a intenção de organizar o conhecimento sobre redução na emissão de gases de efeito estufa no setor madeireiro do Planalto Norte Catarinense, para acelerar, transparecer e compartilhar os processos de tomada de decisão:

[...] um Sistema Inteligente de Monitoramento de Informações que traz em seu escopo o objetivo de tornar os processos de tomada de decisão e organização do conhecimento muito mais céleres, transparentes, compartilhadas e eficientes através do monitoramento de informações para redução dos Gases de Efeito Estufa do Setor Madeireiro do Planalto Norte Catarinense. É um Sistema de Gestão de Informação com o uso de Inteligência Artificial e Ontologias que permite atingir resultados tecnológicos inovadores capazes de avaliar as práticas adotadas pelas empresas para reduzir os gases de efeito estufa, monitorar e integrar informações relativas à gestão ambiental das atividades de silvicultura e transformação madeireira na região, bem como facilitar iniciativas e processos de melhoria da gestão e certificação ambiental.

3.4.3.2 Ontojuris

Segundo Bueno (2009), o projeto Ontojuris (Figura 18) foi criado para facilitar o acesso a informações legais multilíngues na área de Propriedade Intelectual, Direito do Consumidor e Direito Eletrônico, em um consórcio formado por países ibero-americanos. Sua tecnologia se baseia na tecnologia de representação do conhecimento através de ontologias e de palavras universais:

O projeto ONTOJURIS tem por finalidade facilitar o acesso a Informações sobre legislação na área de Propriedade Intelectual, Direito do Consumidor e Direito Eletrônico no consórcio formado pelo Brasil, Chile, Espanha e Argentina. Para isso, conta com uma rede social estabelecida entre estes países e com uma estrutura computacional, representada pelas tecnologias de busca inteligentes do instituto i3G e de universal words da Universidade Politécnica de Madrid. O Sistema Inteligente de busca baseia-se em ontologias, que permitem o mapeamento dos assuntos e termos relacionados às matérias tratadas pelo sistema, possibilitando pesquisas contextualizadas. [...]

A singularidade desta tecnologia permite a realização de consultas com grandes volumes de texto e destaca-se na nova era da Internet, na qual semântica e ontologias trabalham juntas para incrementar o processo de busca de informações relevantes em documentos digitais. Além disso, a utilização de universal words aliada a ontologias em português, espanhol e inglês permite ao ONTOJURIS ativar uma sistemática completamente inovadora na localização de documentos, por considerar o contexto do assunto que está sendo pesquisado em vários idiomas.

3.4.3.3 Ontoweb

Hoeschl (2009), em um rápido levantamento sobre as características de ferramentas de busca, e separando-as em gerações, descreve a ferramenta de gestão de conhecimento especializada em Governo Eletrônico, chamada Ontoweb (Figura 19):

As ferramentas de busca nasceram praticamente junto com a interface www da internet. Na primeira geração, tivemos os diretórios (Yahoo! e

similares). Logo em seguida, vieram os robôs (spiders) e as tecnologias automatizadas (Altavista). A terceira geração veio com os metabuscadores (Miner‟s). Logo em seguida, veio mais refinamento na organização dos resultados (All The Web). O Google, reunindo sofisticação e muita abrangência, trouxe o Page Rank para a web, e marca a quinta geração. Juntar vários tipos de arquivos diferentes em uma mesma busca (textos e imagens, por exemplo) é o foco da sexta geração (A9), que está se desenvolvendo (HOESCHL, 2009).

O autor caracteriza a ferramenta como tendo recursos de seleção de informações através de análise inteligente de conteúdo, com uso de ontologias e inteligência artificial, e sendo o primeiro buscador do mundo a trabalhar com ontologias e estruturas de avaliação de relações entre as palavras existentes nos textos procurados:

A sétima geração é marcada pela qualidade na seleção das informações, por meio das análises inteligentes de conteúdo, e ela já está na internet com o Ontoweb, um incrível e inteligente motor de busca, baseado em ontologias e técnicas de inteligência artificial, que é capaz de “pensar” durante a seleção das informações.

O Ontoweb é o primeiro buscador do mundo a trabalhar com engenharia de ontologias, e é fruto de um projeto de desenvolvimento científico, utilizando semânticas e estruturas valorativas para contextualizar as buscas e refinar os resultados. O uso das ontologias é um dos principais segredos da nova ferramenta (daí o nome Ontoweb), e é também um dos principais fatores responsáveis pela alta qualidade dos seus resultados (HOESCHL, 2009).

3.4.3.4 Sistema SERPI

Segundo Hoeschl et. al. (2005) e Oenning et. al. (2006), o Sistema SERPI (Figura 20) foi criado pelo Núcleo de Tecnologia da informação de Santa Catarina (NECATI), para facilitar a conexão entre pesquisa, proteção e gestão industrial orientada a negócios. O instrumento apresenta, em um ambiente integrado, dados e informação consolidada com a intenção de identificar problemas institucionais, permitindo o planejamento de investimentos em Pesquisa e

Desenvolvimento. A ferramenta é usada por uma rede comercial envolvendo os setores produtivos e acadêmicos do estado, com a intenção de atrair mais recursos e redirecionar investimentos para além do mercado local.

Figura 17:Telas de pesquisa e de resultados do Sistema Mongee.

Figura 19:Telas de pesquisa, freqüência de resultados, resultados e legenda do Sistema Ontoweb.

3.4.4 Protègè

Figura 21:Interface do plug-in OWLViz no Protègè.

O aplicativo Protègè (2010) (Figuras 21 e 22) é uma ferramenta de construção e consulta de conhecimento em ontologias, através de

queries. O sistema trabalha com as três variantes de ontologias OWL: Lite, DL e Full, possuindo algumas variações em relação ao formato OWL original, o Protègè-OWL.

A partir do exemplo didático de construção de uma ontologia sobre pizzas, mostrado em Horridge et. al., (2004), é sugerido como construir um modelo de classes compatível com o modelo OWL-DL. O aplicativo também permite a exportação e importação de ontologias a partir de um endereço HTTP. Então, o EC pode definir classes, suas propriedades e objetos das classes criadas.

É possível também definir as condições das classes, a partir da lógica quantificacional (Figura 22). Desta forma, o aplicativo pode determinar, com o auxílio de uma máquina de inferência (Racer Pro, 2009), e dentro de um conjunto gigantesco de classes, quais classes são

filhas diretas de outras classes, sem a necessidade da análise completa de um time de EC´s.

Figura 22:Determinação de condições para as classes, utilizando lógica quantificacional.

Horridge et. al. (2004) mostra outro exemplo contendo o conjunto de condições para a classe SpicyPizza (pizza apimentada). Os autores estabelecem três condições necessárias e suficientes (apontadas pela seta vermelha na Figura 22): 1) A classe SpicyPizza é herdada da classe base

Pizza; 2) A classe SpicyPizza possui uma instância da classe

PizzaTopping (o molho da pizza) e também (intersecção ∩) tem, pelo menos ( ), a propriedade hasSpiciness (acidez da pimenta), com um valor Forte (spicvalpartHot); 3) A classe SpicyPizza possui pelo menos ( ), a propriedade hasTopping com alguma instância de PizzaToping.

Quanto à variedade de funções, o Protègè permite o acoplamento a vários plug-ins, sendo que alguns já vêm disponíveis na instalação do aplicativo, outros são desenvolvidos à parte e tem seu código ou instaladores específicos disponíveis na internet.

Finalmente, após ou durante a construção da ontologia, o time de analistas pode consultar o conhecimento contido nas ontologias criadas

a partir de queries, que são preenchidas a partir das propriedades das classes que representam os objetos da ontologia.

3.4.4.1 Método 101

Noy e McGuinness (2010) apresentam um método para a construção de ontologias, utilizando a ferramenta Protége. Inicialmente, enfatizam os seguintes princípios: a) Não há um meio correto de modelar um domínio; b) O desenvolvimento de uma ontologia é um processo iterativo; c) Os conceitos dentro da ontologia devem ser próximo aos objetos físicos ou lógicos, representados. Recomendam os seguintes passos na construção de uma ontologia:

1. Determinar o domínio (qual o conjunto de conhecimento que uma ontologia vai representar) e escopo (qual finalidade) da ontologia, utilizando questões básicas, e também questões de competência, que serão as questões as quais se deseja que a ontologia responda depois de construída.

2. Reutilizar ontologias existentes, para poupar trabalho, considerando que o problema do formato das ontologias pode ser abstraído devido á existência de várias ferramentas que executam a importação / exportação de ontologias4.

3. Enumerar os termos importantes de uma ontologia: Quais e o que gostaríamos de falar sobre estes termos? Que propriedades têm estes termos?

4. Definir as classes e sua hierarquia: Podendo se dar de três formas: Das classes mais genéricas para as classes mais específicas; Das classes mais específicas para as classes mais genéricas; ou uma combinação entre estas duas formas, iniciando com os conceitos mais salientes. Rosch apud Noy e McGuinness (2010) sugerem que a abordagem da construção combinada é a mais adequada, já que as classes intermediárias tendem a ser as mais descritivas do domínio.

5. Definir as propriedades das classes: Dada a lista de termos gerada na primeira etapa, os projetistas de ontologias selecionam quais

4 _{Noy e McGuinness (2010), nesta etapa, sugerem algumas referências de métodos de}

ontologias reusáveis na Web, tais como: a Ontolingua

(http://www.ksl.stanford.edu/software/ontolingua/); a biblioteca de ontologias DAML (http://www.daml.org/ontologies/); e as bibliotecas comerciais: UNSPSC (www.unspsc.org), RosettaNet (www.rosettanet.org) e DMOZ (www.dmoz.org).

termos são classes, e quais termos são propriedades. Após esta diferenciação inicial, estes projetistas determinam quais classes são descritas pelas propriedades.

Os autores diferenciam dois tipos de propriedades: a) Propriedades intrínsecas das classes, que não podem ser alteradas; b) Propriedades extrínsecas, que podem ser determinadas de acordo com a conveniência de uso destas classes em aplicações; Partes, que compõem as classes e as instâncias destas classes; e Relações com outros indivíduos.

6. Definir as restrições das propriedades: São a cardinalidade e os tipos das restrições (se são números inteiros, strings, valores booleanos, enumerações ou instâncias).

Os autores acrescentam mais dois conceitos referentes a uma restrição: Domínio e Abrangência. O Domínio é a classe que possui a propriedade. A Abrangência aborda as instâncias de uma determinada classe que servem como propriedade da classe Domínio.

Noy e McGuinness (2010) ainda apresentam um conjunto de regras para simplificar ou reprojetar a abrangência de classes: a) Se uma lista de classes definindo um intervalo ou um domínio de uma propriedade inclui uma classe e a sua subclasse, remova a subclasse; b) Se uma lista de classes definindo uma abrangência ou um domínio de uma propriedade contém todas as subclasses da classe A, mas a própria classe A, a abrangência deveria conter somente a classe A não as suas subclasses; c) Se uma lista de classes definindo uma abrangência ou um domínio de uma propriedade contém quase todas as subclasses de uma classe A, considere o caso em que a classe A poderia ter uma melhor definição de abrangência.

Nesta etapa da determinação de propriedades das classes, os autores comparam ontologias em que se pode determinar a pertinência de uma propriedade a uma classe através de duas formas: Ou a ontologia permite criar uma lista de propriedades, e incluir classes dentro desta lista, informando desta maneira que a classe dentro desta lista terá estas propriedades, ou a ontologia permite a inclusão da propriedade dentro de uma classe. Para estes dois casos, há uma função de equilíbrio (trade-

off) entre a genericidade da propriedade, e a garantia de que a classe realmente necessita daquela propriedade.

7. Criar Instâncias: A última etapa na construção da ontologia é composta de três subetapas: escolher a classe; criar uma instância

individual para aquela classe; e preencher os valores de suas propriedades.

3.4.5 Growl

A ferramenta Growl, baseada na biblioteca Prefuse, permite a visualização de ontologias OWL e DL na forma de redes de relacionamento (KRIVOV et. al., 2007). A ferramenta é baseada na semântica DL das ontologias OWL e suporta edição visual. Está implementada como uma Applet Java, um plug-in para o aplicativo Protégé e uma aplicação Java standalone. A construção atual do aplicativo é de código aberto. O aplicativo está sendo usado em um portal para ajudar na previsão de valores econômicos de serviços de eco- sistema. (Figura 23).

Para casos de ontologias extensas, os autores contam com as capacidades de filtragem que o aplicativo oferece, durante a navegação da rede formada pela instância das ontologias carregadas.

Figura 23:Ferramenta GROWL para visão de ontologias OWL e DL, na forma de redes de relacionamento.