( PDF ) Evolui: uma metodologia para auxiliar a criação de ontologias

Download PDF

ads:

FUNDAÇÃO EDUCACIONAL EDSON QUEIROZ

UNIVERSIDADE DE FORTALEZA – UNIFOR

JOSÉ WAGNER VASCONCELOS ALVES

EVOLUI – UMA METODOLOGIA PARA AUXILIAR A CRIAÇÃO DE

ONTOLOGIAS

FORTALEZA

2003

ads:

Livros Grátis

http://www.livrosgratis.com.br

Milhares de livros grátis para download.

FUNDAÇÃO EDUCACIONAL EDSON QUEIROZ

UNIVERSIDADE DE FORTALEZA – UNIFOR

JOSÉ WAGNER VASCONCELOS ALVES

EVOLUI – UMA METODOLOGIA PARA AUXILIAR A CRIAÇÃO DE

ONTOLOGIAS

Dissertação apresentada ao Curso de

Mestrado em Informática Aplicada da

Universidade de Fortaleza como

requisito parcial para obtenção do

Título de Mestre em Informática

Aplicada.

Orientador : Prof. Dr. Pedro Porfírio Farias

FORTALEZA

2003

ads:

iii

EVOLUI – UMA METODOLOGIA PARA AUXILIAR A CRIAÇÃO DE

ONTOLOGIAS

Banca Examinadora :

Prof. Orientador Dr. Pedro Porfírio Farias

Prof. Docteur João José Vasco Furtado

Profa. Dra. Káthia Marçal de Oliveira

ALVES, JOSÉ. EVOLUI – UMA METODOLOGIA PARA AUXILIAR A CRIAÇÃO DE

ONTOLOGIAS. Unifor, Dissertação (Mestrado em Informática Aplicada), 2003.

Resumo :

A Web Semântica tenciona proporcionar um ambiente no qual o conteúdo da web passará a

ser acessado mais facilmente por agentes. Para isto as ontologias terão um papel importante

para dar um caráter semântico a estas páginas. O processo manual de construção de ontologias

é tedioso e tipicamente uma atividade de modelagem. Métodos semi-automáticos são uma

alternativa viável para auxiliar a construção destas ontologias, na medida que tornam mais

rápidos e menos tediosos esta tarefa. Neste trabalho é proposto uma metodologia que a partir

da análise de textos (páginas web) e mapeamenteo entre predicados da linguagem natural e

axiomas da linguagem OWL, sugere palavras candidatas a conceito, relações taxonômicas e

não-taxonômicas para auxiliar a montagem de uma ontologia.

Palavras Chaves :

Ontologia

Engenharia do Conhecimento

Web Semântica

“Concerning words, also, it is further to be considered :

First, that they being immediately the signs of men’s idea;

Secondly, that though the proper and immediate signification of words are ideas.”

(John Locke, 1690,Of Words)

AGRADECIMENTOS

Agradeço inicialmente a Deus por mais um degrau galgado na minha formação

profissional.

A minha esposa Dijé e meu filho Davi, pela compreensão que tiveram nos momentos

que deixei de acompanhá-los ou de compartilhar horas de diversão ou alegria .

A minha família que tão bem compreendeu minhas ausências por conta deste trabalho.

A meu orientador Porfírio, pela paciência, pelo estímulo e pelas dicas que recebi

durante todo o processo desta dissertação.

vii

ABSTRACT

A Web Semântica tenciona proporcionar um ambiente no qual o conteúdo da web

passará a ser acessado mais facilmente por agentes. Para isto as ontologias terão um papel

importante para dar um caráter semântico a estas páginas. O processo manual de construção

de ontologias é tedioso e tipicamente uma atividade de modelagem. Métodos semi-

automáticos são uma alternativa viável para auxiliar a construção destas ontologias, na

medida que tornam mais rápidos e menos tediosos esta tarefa. Neste trabalho é proposto uma

metodologia que a partir da análise de textos (páginas web) e mapeamenteo entre predicados

da linguagem natural e axiomas da linguagem OWL, sugere palavras candidatas a conceito,

relações taxonômicas e não-taxonômicas para auxiliar a montagem de uma ontologia.

viii

ABSTRACT

Semantic Web wishes to provide an environment where Web content will be accessed

easily by agents. For this, ontologies will have a critical mission, that is, to give a semantic

face to Web. Manual process to build ontologies consumes time because it is a modelling

task. Semi-automatic methods are a viable aproach to help someone to construct those

ontologies, because they make the process to construct ontologies less tedious and more fast.

This work proposes a metodology to help ones to construct ontologies in semi-automatic

manner, suggesting concept candidates words, taxonomic and non-taxonomic relations and

axioms from texts (web pages), mapping predicates expressed in natural language to axioms

expressed in OWL.

SUMÁRIO

Capítulo 1 – Introdução 1

1.1 Motivação ................................................................................................. 1

1.2 Descrição do Problema ........................................................................... 2

1.3 Descrição da Solução Proposta ................................................................ 2

1.4 Objetivo da Dissertação ............................................................................ 4

1.5 Organização da dissertação ....................................................................... 5

Capítulo 2 - Ontologias 6

2.1 Conceituação ............................................................................................ 6

2.2 Princípios para Construção de Ontologias ................................................ 7

2.3 Elementos que Compõem uma Ontologia ................................................ 9

2.4 Tipos de Ontologias .................................................................................. 10

2.5 Usos de Ontologias ................................................................................... 12

2.6 Relação entre Tesauro, Base de Conhecimento e Ontologia .................... 13

2.7 Principais Tesauros e Ontologias Conhecidas .......................................... 15

2.8 Metodologias de Construção e Métricas de Avaliação de Ontologias ..... 16

2.9 Principais Formalismos para Representar Ontologias ............................. 26

Capítulo 3 - Técnicas Semi-Automáticas e Automáticas de

Aquisição de Conceitos a partir da Linguagem Natural Escrita

3.1 Técnicas de Processamento Natural da Linguagem ................................. 47

3.2 Técnicas de Recuperação e Extração de Informação ............................... 48

3.3 Casamento de Padrões Léxicos e Sintáticos ............................................ 52

3.4 Técnicas de "Datamining" e "Text Datamining" ..................................... 54

3.5 Abordagens Interativas ............................................................................ 56

3.6 Abordagens Integradas ............................................................................ 57

3.7 Comparação entre as Técnicas Semi-Automáticas e Automáticas de

Aquisição de Conceitos a partir da Linguagem Natural Escrita .......

Capítulo 4 - Método de Criação de Ontologias Evolutivo (EVOLUI) 60

4.1 Descrição da Metodologia ........................................................................ 60

4.2 Descrição das Fases da Metodologia EVOLUI ........................................ 63

4.3 Comparação com Trabalhos correlatos .................................................... 74

Capítulo 5 - Aplicação do Método de Criação de Ontologias

Evolutivo (EVOLUI)

5.1 Planejamento da Ontologia ....................................................................... 75

5.2 Definição dos predicados dos axiomas ..................................................... 76

5.3 Aquisição das palavras candidatas a conceito .......................................... 76

5.4 Aquisição dos axiomas ............................................................................. 80

5.5 Geração e avaliação da ontologia ............................................................. 83

Capítulo 6 - Conclusão e Perspectivas Futuras

Referências Bibliográficas

Anexos

Anexo I - Exemplos das Linguagens SHOE, XOL, RDF-Schema, OIL e

DAML+OIL ................................. ............................................................

Anexo II - Linguagem OWL em EBNF ................................................... 104

Anexo III - Exemplo de Planejamento de Ontologia ................................ 106

Anexo IV - Predicados dos Axiomas utilizados ....................................... 108

Anexo V - Lista de Palavras Candidatas a Conceito ................................ 109

Anexo VI - Ontologia ............................................................................... 110

Anexo VII - Sites Extraídos no Domínio Cardiologia............................... 112

Anexo VIII - Palavras Removidas ............................................................ 115

Anexo IX - Axiomas Encontrados ........................................................... 120

Anexo X - Ontologia Referência no Domínio Cardiologia (Oliveira,

1999) .........................................................................................................

122

Capítulo 1

Introdução

1.1 Motivação.

Segundo DECKER (2001), a Internet foi projetada para o processamento da informação

(e conhecimento) diretamente pelo homem, mas a próxima geração, que TIM BERNERS-

LEE (1999) chama de “Semantic Web”, possuirá serviços e características inteligentes que

permitirão aos computadores processarem a informação e o conhecimento embutidos nas

páginas ou em outros depósitos de dados. LEE (2001 b) propõe que a arquitetura da

"Semantic Web" tenha três níveis ou camadas : metadados, semântico (ou esquema) e lógico.

Segundo esses autores, as ontologias representam um papel fundamental para a

construção da Web Semântica, pois irá compor o nível semântico.

STAAB e outros (2001) expressam que a construção de ontologias manualmente é um

processo extremamente trabalhoso e tedioso. O processo de construção de ontologias é

tipicamente um trabalho de modelagem.

De acordo com TOKUNAGA e outros (1977), vários autores propuseram a construção

semi-automática de dicionários a partir de textos. A maioria destes trabalhos usa tesauros

Vocabulário controlado e dinâmico de palavras usadas para representar conceitos, que relacionadas semântica

e genericamente cobre de forma extensiva um ramo específico de conhecimento (Dicionário Aurélio).

para a seleção e relacionamentos de palavras candidatas a conceitos

e alguns poucos usam

algoritmos de “data mining”. Possuindo versões em diversos idiomas, o tesauro Wordnet

(MILLER, 1995) é bastante utilizado para este intento.

Em idiomas em que o Wordnet não existe, como é o caso da língua portuguesa, ou

existam poucos tesauros, o trabalho de seleção e relacionamento entre as palavras candidatas

a conceitos torna-se ainda mais difícil. Outra desvantagem da construção semi-automática de

ontologias usando o Wordnet é que o mesmo é de propósito genérico, tornando difícil a

montagem de ontologias em domínio muito técnico, por exemplo, um domínio que trata do

estudo avançado de química orgânica.

1.2 Descrição do Problema.

Tomando como motivação a dificuldade do processo manual da construção de

ontologias e o cenário da Web Semântica :

a) como auxiliar o processo de construção de ontologias, de forma semi-automática, a

partir de textos extraídos de páginas web ?

b) como representar a ontologia sugerida para possível uso na Web Semântica ?

1.3 Descrição da Solução Proposta.

Para a solução do problema, do item 1.2, é proposta a metodologia EVOLUI, semi-

automática, interativa, para auxiliar a construção de ontologias, a partir de textos extraídos de

páginas web.

Palavras que serão usadas para representar conceitos.

Também é desenvolvida a técnica FLEX baseada na técnica de "casamento de padrões"

(POTTER, 2003). FLEX auxilia a identificação das relações entre palavras candidatas a

conceitos.

Para representar a ontologia para um possível uso na Web Semântica, foi escolhida a

linguagem OWL ("Ontology Web Language"), linguagem recentemente definida pelo

organismo W3C ("World Wide Web Consortium").

Essa metodologia propõe as seguintes contribuições ao processo de criação de

ontologias de forma semi-automática :

a) auxílio à confecção de ontologias interativamente, através de processo cíclico e

evolutivo, em que o conhecimento inicial para a confecção da ontologia parte

de expressões de consultas realizadas à web, montadas pelo usuário, para

extrair páginas relacionadas ao domínio da ontologia, podendo repetir esta

etapa inúmeras vezes, a fim de capturar mais conhecimento para a ontologia;

b) extração de palavras candidatas a conceitos combinando a frequência relativa e

a presença de predicados de relações (predicado é uma palavra ou expressão

que une duas palavras candidatas a conceito);

c) auxílio à extração de relações taxonômicas e não-taxonômicas , usando FLEX,

técnica de "casamento de padrões" (POTTER, 2003) ;

1.4 Objetivo da Dissertação.

O objetivo principal deste trabalho é criar uma metodologia interativa que auxilie e

automatize parte do trabalho de criação de ontologias, com as seguintes características :

a) faça uso de ferramenta automatizada;

b) no início do processo, a ferramenta automatizada receba expressões de consultas

similares aos dos sites de busca (altavista, google e outros); o resultado dessas consultas

resultará em uma lista de endereços de páginas da web, cujo conteúdo será extraído e

depois, através da análise lexográfica (WIVES, 1999), sugerir palavras candidatas a

conceito;

c) não aplique análise sintática nos textos (páginas web);

d) não use tesauros ou ontologias para auxiliar a identificação ou escolha de conceitos;

e) use a web para adquirir as fontes de extração de conhecimento ;

f) extraia conceitos, combinando a freqüência e existência de predicados definidos pelo

usuário;

g) sugira relações taxonômicas e não-taxonômicas;

h) sugira axiomas OWL

a partir das relações extraídas;

i) a qualidade da ontologia seja avaliada e o resultado utilizado para aperfeiçoar a

ontologia ;

j) a ontologia gerada deve estar pronta para ser usada na Web Semântica, ou seja,

codificada em linguagem compatível com a Web Semântica ;

1.5 Organização da Dissertação.

Este trabalho está dividido em sete capítulos :

O primeiro é a introdução.

Um axioma OWL pode ser um conceito primitivo, como o conceito "pessoa", ou uma descrição conceitual,

nomeada ou não como, por exemplo, "mulher é uma pessoa de sexo feminino" ou "mulher que caiu no chão".

O segundo conceitua ontologia, mostra os usos desta, faz um comparativo entre

metodologias de construção de ontologias e termina com o comparativo dos principais

formalismos usados para representar ontologias na Web : RDF-Schema, SHOE, XOL, OIL,

DAML+OIL e a recente OWL.

No terceiro, comparam-se também os vários métodos de extração de conhecimento a

partir da linguagem natural escrita. Em particular, explicam-se as técnicas de "pattern

matching" que serviram de base para a criação da técnica FLEX, contribuição desta

dissertação. No final, é apresentado quadro comparativo entre os diversos métodos.

Apresentam-se as atuais metodologias de avaliação de qualidade da ontologia.

O quarto descreve a metodologia para construção de ontologias EVOLUI e, em

detalhes, a técnica FLEX. Em linhas gerais, a metodologia EVOLUI auxilia a criação de

ontologias a partir de textos, na linguagem natural, usando a técnica FLEX. A metodologia

EVOLUI e a técnica FLEX são contribuições desta dissertação.

O quinto aplica a metodologia EVOLUI no domínio da Cardiologia e compara os

resultados obtidos com outros métodos.

O sexto, conclusões e perspectivas futuras para o trabalho, mostra as contribuições desta

dissertação e o que ainda pode ser desenvolvido para melhorar a metodologia EVOLUI e a

técnica FLEX.

Capítulo 2

Ontologias

2. Ontologias

2.1 Conceituação.

A palavra ontologia é formada dos prefixos gregos “óntos”, que significa indivíduo, ser

e do sufixo “lógos”, que significa estudo, compreensão.

O dicionário Aurélio da língua portuguesa conceitua ontologia como : “parte da

filosofia que trata do ser enquanto ser, isto é, do ser concebido como uma natureza comum

que é inerente a todos e a cada um dos seres”.

PÉREZ (2000) diz que a palavra ontologia provém da filosofia, que significa

“explanação sistemática da Existência”. Complementa afirmando que, no campo da

Inteligência Artificial, a palavra ontologia possui outro significado, sendo inicialmente

definida por NECHES et al. (1991) : “uma ontologia define os termos e relações básicas do

vocabulário de uma área específica, bem como as regras para combinar termos e relações para

definir extensões do vocabulário”.

De acordo com MAHESH (1996), ontologia é um depósito de dados com informações

à respeito : a) de quais categorias (ou conceitos) existem no mundo/domínio; b) quais as

propriedades que possuem e c) como se relacionam.

Na realidade, uma ontologia, complementando a definição de Mahesh, é um depósito de

metadados capaz de descrever conceitos e suas relações de domínio, ou de todo o mundo.Esta

definição é a que será usada neste trabalho.

Segundo FARQUHAR et al. (1995), as ontologias desempenham papel fundamental

para a construção de sistemas que fazem uso da inteligência artificial (sistemas inteligentes).

De acordo com Farquhar et al. (1995), a ontologia permite a representação e o

compartilhamento do conhecimento do domínio (ou do mundo).

Porém, segundo PÉREZ (2000), a conceituação mais famosa do termo ontologia, no

campo da inteligência artificial, provém de GRUBER (1993) : “uma ontologia é uma

especificação explícita de uma conceituação”.

Resumidamente, ontologia é uma entidade computacional que descreve um domínio e é

formada por conceitos, relações, funções, axiomas e instâncias (ver item 2.3).

2.2 Princípios para Construção de Ontologias.

GRUBER (1993) propõe cinco princípios para o projeto e construção de ontologias com

a finalidade de representação e compartilhamento do conhecimento :

a)clareza : a ontologia deve expressar objetivamente o que pretende representar. O uso

da linguagem natural é adequado para documentá-la;

b)coerência : a ontologia deve ratificar inferências que são consistentes com as

definições dos conceitos;

c)extensibilidade : a ontologia deve permitir, a qualquer pessoa, manter (incluir, alterar

e excluir) os conceitos e relações nela existentes, sem necessidade de alterar a sua estrutura

básica;

d)dependência mínima da linguagem de metadados: o significado da ontologia não

deve depender da linguagem de meta-dados usada. Se representarmos a ontologia com outra

linguagem de metadados, o significado deve ser o mesmo;

e)cometimento ontológico mínimo : a ontologia deve fazer referência mínima ao

mundo que modela, tornando-se genérica e por isto reutilizável.

PÉREZ (2000) complementa os cinco princípios, citando outros autores :

a) distinção ontológica (BORGO et. al., 1996) : cada conceito na ontologia deve ser

distinto;

b) modularidade (BERNARAS et. al., 1996);

c) diversificação de hierarquia (ARPÍREZ, 1998):

para aumentar a possibilidade de

heranças múltiplas;

d) minimização da distância semântica entre conceitos irmãos (ARPÍREZ, 1998) :

conceitos similares devem ser agrupados e representados como subclasses de uma

classe;

e) padronização de nomes (ARPÍREZ, 1998) : a fim de evitar interpretação dúbia.

2.3 Elementos que compõem uma Ontologia.

PÉREZ (2000) diz que uma ontologia possui cinco elementos :

conceitos

, “usados no sentido mais amplo” : “qualquer coisa que é dita sobre algo”,

assim, um conceito pode ser uma descrição de uma tarefa, função, ação, estratégia,

pensamento, processo e outros.

b) relações : “representam um tipo de interação entre conceitos de um domínio. São

formalmente definidas como qualquer subconjunto do produto cartesiano de n

conceitos, isto é, R= C

..C

”, em que C

..C

representam conceitos.

c) funções : “são um caso especial de relações no qual o enésimo elemento de um

relacionamento é único para os n-1 elementos anteriores. Formalmente definidas por F:

..C

-1 Î C

” Por exemplo, a função ternária "preço-de-carro-usado" que

depende do modelo de carro, data de fabricação e número de quilômetros.

axiomas

: de acordo com OLIVEIRA (1999), o objetivo dos axiomas é especificar a

semântica de termos na ontologia e restrições sobre a sua interpretação. Por exemplo,

em uma ontologia sobre animais africanos, pode-se especificar um axioma para o

conceito de elefante adulto, como sendo um elefante (é também um conceito) que

possui entre cinco e oito toneladas. Nessa mesma ontologia, pode-se também dizer que

o conceito de vegetal é distinto, diferente do conceito de animal.

instâncias

: são exemplos ou elementos de conceitos . Por exemplo, em uma

ontologia sobre países do mundo, Índia é uma instância do conceito país.

2.4 Tipos de Ontologias.

Existem diversas classificações de tipos de ontologia, dentre estas os trabalhos de

vanHEIJST et al. (1997) e GUARINO (1997).

vanHEIJST classifica as ontologias em dois níveis : quanto a quantidade e tipo da

estrutura e, o assunto da conceituação.

Quanto a quantidade e tipo da estrutura da conceituação as ontologias podem ser

classificadas em:

a) terminológicas : quando os termos usados definem o domínio estudado;

b) de informação : quando especificam informações contidas em sistemas por exemplo,

a especificação de um registro de banco de dados;

c) de modelagem de conhecimento : quando os termos da ontologia são usados para

especificar a conceituação do conhecimento.

Quanto ao assunto da conceituação podem ser classificadas em :

a) genéricas : especificam conceitos genéricos tais como : ação, processo, estado, etc.;

b) de domínio : quando os termos da ontologia definem um assunto específico, por

exemplo cardiologia;

c) de aplicação : os termos desta ontologia combinam os conceitos das ontologias

genéricas com os das de domínio;

d) de representação : procuram representar as ontologias de forma neutra, sem levar em

conta o domínio, em um nível de abstração superior, o qual GUARINO (1997) chamou de

"meta-level" (meta-nível).

GUARINO (1997) propõe classificar as ontologias de acordo com o nível de detalhe e o

nível de dependência em uma determinada tarefa ou ponto de vista.

Quanto ao nível de detalhe, existem ontologias compartilhadas e ontologias de

referência. As ontologias compartilhadas são ontologias simples, sem muito detalhes e são

usadas por usuários que previamente concordam com o significado dos termos da mesma. Ele

chamou-as também de ontologias "on-line". As ontologias de referência ou "off-line" são

ontologias com grande riqueza de detalhes, que descrevem precisamente os termos do

vocabulário, usando uma sofisticada linguagem de representação de ontologia.

Quanto ao nível de dependência, existem ontologias de alto-nível, ontologias de

domínio, ontologias de tarefas e ontologias de aplicação. As de alto-nível descrevem

conceitos bem genéricos como os de espaço, tempo, matéria, objeto, evento, etc., que não

dependem de um problema ou domínio particular. Respectivamente, as de domínio e as de

tarefas descrevem o vocabulário de um determinado domínio (como medicina, automóveis)

ou de uma determinada tarefa ou atividade (como diagnosticar ou selar), especializando ou

detalhando os termos introduzidos na ontologia de alto-nível. As de aplicação descrevem

conceitos que dependem simultaneamente das ontologias de domínio e tarefas. Esses

conceitos correspondem a regras desempenhadas por entidades de domínio quando executam

uma certa atividade, como por exemplo os conceitos unidade_a_ser_substituída (a entidade é

unidade e a atividade é substituir) ou componente_de_troca (a entidade é componente e a

atividade é trocar).

2.5. Usos de Ontologias.

As ontologias servem para :

a) melhorar a comunicação entre pessoas, sistemas e organizações, reduzindo

sentidos dúbios entre conceitos e terminologias (USCHOLD et. al, 1996);

b) melhorar a interoperabilidade entre sistemas, pois a ontologia serve de

linguagem neutra de representação entre diversas linguagens e formalismos

(USCHOLD et. al, 1996);

c) traduzir linguagem natural (MAHESH,1996);

d) representar conhecimento (SOWA, 1997);

e) extrair e recuperar informações (WELTY, 1998);

f) melhorar o projeto de sistemas baseados em conhecimento ou sistemas

comuns, pois a definição de ontologias melhoram as especificações,

confiabilidade e reutilização de sistemas computadorizados (OLIVEIRA

(1999);

g) auxiliar a gerência de conhecimento (KIM, 2000);

h) melhorar o funcionamento de sistemas para gerência de conhecimento e

comércio eletrônico (FENSEL et al. 2001a e FENSEL 2001b);

i) representar o conhecimento humano na Web Semântica (ver seção 2.9) (LEE

et.al, 2001a);

j) reusar e organizar o conhecimento sobre um determinado problema ou domínio

(GRUNINGER e LEE, 2002);

k) realizar inferência computacional - analisando algoritmos, entradas e saídas de

sistemas em produção (GRUNINGER e LEE, 2002);

l) dar suporte a consultas específicas, estruturadas e comparativas

(McGUINNESS, 2002);

m) organizar sites e facilitar a navegação desses (McGUINNESS,2002);

n) realizar generalizações ou especializações sobre o resultado de consultas

(McGUINNESS,2002);

o) dar suporte para testes de verificação e validação (McGUINNESS,2002);

2.6 Relação entre Tesauro, Base de Conhecimento e Ontologia.

BRUSCHINI (1998) diz que “um tesauro reúne palavras escolhidas, destinadas à

indexação e recuperação de documentos e dados num determinado campo de saber. Não é

dicionário, nem vocabulário controlado. Um tesauro distingue-se de um simples vocabulário

controlado por duas características. A primeira é que cada palavra é um conceito. Sendo

assim, essas palavras que designam conceitos não são mais simples palavras, tornam-se

"termos", ou ainda "descritores". A segunda característica é que todos os termos estão

relacionados

entre si

; nenhum termo pode figurar no tesauro sem estar relacionado a algum

outro, sendo essa relação determinada pelo seu significado.”

MILLER (1995) criou um tesauro eletrônico para a língua inglesa chamado Wordnet. O

Wordnet possui quatro classes de palavras : verbos, adjetivos, advérbios e substantivos. Cada

descritor do Wordnet é formado por tupla de dois elementos : palavra e senso. Os descritores

estão relacionados entre si através de uma estrutura de ponteiros, que apontam sinônimos,

antônimos, hipernônimos (descritores que conceitualmente são mais abrangentes que o atual),

hiponônimos (o contrário de hipernônimos), meronônimos (descritores que são parte de um

todo) e holonônimos (são o todo dos meronônimos).

MOURA (2002) considera o conceito de tesauro um "ancestral" do conceito de

ontologia.

O conceito de base de conhecimento é anterior ao conceito de ontologia

(computacional) e geralmente guarda regras, para ser usado pelo motor de inferência de um

sistema especialista (base de conhecimento + motor de inferência + memória de trabalho que

contém os fatos) (GIARARRATO e RILEY, 1998). Essas regras são geralmente explicitadas

em formalismos específicos para determinado sistema especialista (OLIVEIRA, 1999).

Com base nas distinções realizadas por OLIVEIRA (1999) entre ontologia e base de

conhecimento, foi montada a tabela abaixo, acrescentando a coluna tesauro.

Em relação a Tesauro Ontologia Base de Conhecimento

Métodos de

raciocínio

Geralmente não possui Geralmente não possui Geralmente possui.

Linguagem de

representação

Geralmente não possui Mais expressiva,

declarativa e

independente do

domínio.

Mais expressiva,

declarativa e geralmente

independente do domínio

Conceitos Descreve-os Descreve-os Instancia-os.

Tabela 2.1 - Comparação entre Tesauro, Ontologia e Base de Conhecimento.

2.7 Principais Tesauros e Ontologias Conhecidas.

Com base em NOY e HAFNER (1997) , OLIVEIRA (1999) e PÉREZ (2000) montou-

se a tabela 2.2 relatando as principais ontologias e tesauros conhecidos no mundo.

Nome/Projeto Tipo Tamanho Formalismo Imple-

mentada?

Ano Publicada ?

CYC Terminológi

ca e

Genérica

conceitos

axiomas

Linguagem

CYCL

Sim.

1990 Em www.cyc.com

Wordnet Terminológi

ca e

Genérica

95600

conceitos

Redes

Semânticas

Sim.

1990 ftp://clarity.pricenton

.edu/

pub/wordnet

Frame

Ontology

Modelagem

conheciment

KIF Sim.

1993 Impressa (GRUBER

1993)

Unified

Medical

Language

System

(UMLS)

Terminológi

ca e de

Domínio

252982

conceitos

51 relações

Redes

semânticas

Sim 1993 Em

wwwkss.nlm.nih.gov

/Docs/

umls.fact.html

Generalized

Upper

Model

Terminológi

ca e

Genérica

250

conceitos

LOOM Sim 1994 www.darmstadt.gmd

.de/

publish/komet/genu

newUM.html

Plinius Terminológi

ca e de

Domínio

150

conceitos

Frames Sim 1994 Não publicou

TOVE Terminológi

ca e de

Domínio

Frames Sim 1995 www.ie.utoronto.ca/

EIL/

tove/ontoTOC.html

Dahlgren’s

Ontology

Terminológi

ca e

Genérica

1800

conceitos

PROLOG Sim 1995 Impressa

(DAHLGREN 1998)

SOWA Terminológi

ca e

Genérica

90 conceitos

40 relações

Grafos

conceituais

Não 1997 Impressa (SOWA

1997)

Sensus Terminológi

ca e

Genérica

51000

conceitos

Sim 1997

Nome/Projeto Tipo Tamanho Formalismo Imple-

mentada?

Ano Publicada ?

Modelagem

conheciment

Sim http://www.aifb.uni-

karlsruhe.de/WBS/

broker/KA2.html

Tabela 2.2 - Principais Tesauros e Ontologias conhecidos.

2.8. Metodologias de Construção e Métricas de Avaliação de

Ontologias.

2.8.1 Metodologias para Construção de Ontologias.

DECKER et al. (2001) dizem que a construção de ontologias manualmente é um

processo extremamente trabalhoso e tedioso. Segundo os autores, o processo ideal de

construção da ontologia deve incorporar técnicas de aquisição automática de conhecimento

(“machine learning techniques”).

Segundo o autor, não existe a Engenharia de Ontologias firmada. O que existe é uma

série de contribuições nas áreas de recuperação de informação, extração de informações e

“machine learning” para a construção de ontologias. Segundo ele, também não há

metodologia padrão, aceita largamente no mundo para a construção das ontologias.

OLIVEIRA (1999) afirma que as propostas de metodologias para construção de

ontologias apresentadas na literatura são, normalmente, decorrentes da necessidade de

definição de ontologias para algum projeto específico.

As principais propostas apresentadas na literatura são mostradas na tabela 02.

USCHOLD e MARTIN (1995) propõem metodologia bem simples (“skeletal

methodology”), composta das seguintes fases :

a)Identificação do objetivo : nesta etapa, diz-se o porquê da construção da ontologia e

quem a usará ;

b)Criação da ontologia : constituída das seguintes subfases :

• captura da ontologia : identificação dos conceitos-chaves e

relações no domínio de interesse, definição clara destes conceitos

e relacionamentos, identificação de termos para se referir a esses

conceitos;

• codificação da ontologia : representação dos conceitos e relações

extraídos usando uma metalinguagem;

• integração com as ontologias existentes : se já existir uma

ontologia no domínio estudado, verificar a possibilidade de

extrair conceitos e relações das metodologias.

c)Avaliação : consiste em fazer julgamento técnico da ontologia criada, considerando

referências, que podem ser especificações do usuário, questões relevantes ou o mundo

real;

d)Documentação: esta fase consiste em documentar todo o trabalho feito anteriormente.

O autor não explicita claramente como fazê-lo.

Segundo OLIVEIRA (1999) a metodologia de GRUNINGER e FOX possui as

seguintes fases : a) Cenários de motivação; b) Questões informais de competência; c) Lógica

de primeira ordem : terminologia; c) Questões formais de competência; d) Lógica de primeira

ordem : axiomas e e) Teoremas de completude. Ela assim explica a metodologia : “a

característica básica do projeto de GRUNINGER e FOX (1995) é o fato de, através de

formalização mais rigorosa, orientar o projeto e a avaliação de ontologias. Nesse sentido, o

propósito da ontologia é definido inicialmente em questões informais de competência que são

posteriormente formalizadas, especificadas em sentenças de primeira ordem, criando um

vínculo com os os axiomas da terminologia. São definidos, ainda, os teoremas de completude,

nos quais é especificado, em sentenças de primeira ordem, o conjunto de condições sob o qual

as soluções para o problema são completas.”

A metodologia proposta por BERNARAS et. al (1996) para o projeto KACTUS é

baseada na estratégia “bottom-up”, em quatro fases :

a)Especificação da ontologia a ser gerada;

b)Desenho preliminar da ontologia baseado em categorias relevantes de alto nível;

c)Desenho da ontologia acrescentando detalhes manualmente;

d)Se especialista achar que a ontologia não está concluída, volta-se à fase b, para novo

ciclo de definição da ontologia.

Proposta Projeto Característica

Básica

Definição e

Relacionamento entre

conceitos (ou primitivas

conceituais) .

Internet

como

“corpus”

tesauro.

Forma de

avaliação da

ontologia

gerada

USCHOLD e

KING (1995)

Elicitação de

conhecimento.

Manualmente Não usa. Especialista.

GRUNINGER e

FOX (1995)

TOVE

(modelagem

de empresa)

Formalização Manualmente Não usa. Não

especificada.

BERNARAS et

al. (1996)

KACTUS Elicitação de

conhecimento.

Manualmente Não usa. Não

especificada.

SWARTOUT et

al. (1997)

SENSUS Extração de

ontologias de

Base de

Conhecimentos

Usa a base de conhecimento

SENSUS e algoritmos para

otimizar a ontologia.

Não usa. Não

especificada.

GÓMEZ-

PÉREZ et al.

(1996) e

FERNÁNDEZ

et al. (1997)

LOPEZ et al.

(1999)

METHONT

OLOGY

(elementos

químicos)

Documentação Manualmente. Não usa. Especialista.

MAEDCHE et

al. (2000

2001)

OntoEdit,

Text-To-

Onto,

OntoAnnota

Elicitação de

Conhecimento

Reusa ontologias, usa

tesauro (Germanet) e utiliza

algoritmos de associação de

AGRAWAL e SRKIKANT

(1995).

Não usa. Não

especificada.

GUARINO e

WELTY (2000

e 2002)

Ontoclean Avaliação

formal de

ontologias.

Manualmente através de

anotações.

Não usa. Especialista.

NOBÉCOURT

(2001) e LAME

(2001)

Baseado em

metodologia

do TIA

(Terminolo

gie et

Intelligence

Artificielle)

Elicitação de

Conhecimento

Usa ferramentas de PLN

(LEXTER) para extração de

primitivas conceituais.

Não usa Especialista.

PINTO e

MARTINS

(2001 a e b)

Integração de

Ontologias

Manualmente. Não usa Especialista.

Tabela 2.3 – Metodologias da Engenharia de Ontologias.

Já a metodologia proposta por SWARTOUT et al. (1997) para o projeto SENSUS é

baseada na estratégia “top-down”, com três fases :

a)O especialista identifica uma série de termos importantes para certo domínio de

estudo;

b)Esses termos são ligados manualmente com base em uma grande ontologia, no caso a

SENSUS. A ontologia resultante é chamada ontologia esqueleto;

c)A ontologia esqueleto é otimizada com base em algoritmos heurísticos.

De acordo com OLIVEIRA (1999), a metodologia de GOMÉZ-PÉREZ et al..,

FERNANDEZ et al. e LÓPEZ et al. possui as seguintes fases : a) Especificação; b)

Conceituação; c) Formalização; d) Integração; e) Implementação e f) Manutenção. Segundo a

mesma autora, “O primeiro passo na construção da ontologia é então a definição do propósito

e escopo (especificação), seguido de uma conceituação do domínio considerado. O modelo

conceitual produzido é formalizado em uma representação lógica de descrição ou uma

representação orientada a “frame”. Deve-se integrar a ontologia, o máximo possível, com

ontologias já existentes, implementar na linguagem formal escolhida e, em qualquer

momento, poder incluir ou modificar definições na ontologia (manutenção). Todos os estágios

devem ser apoiados pelas atividades de aquisição de conhecimento, documentação e

avaliação. Finalmente, FERNÁNDEZ et al. (1997), LOPEZ et al. (1999) propõem que o ciclo

de vida que melhor se adequa para o processo de desenvolvimento de ontologias é o ciclo de

vida evolutivo dado que a ontologia cresce de acordo com a necessidade, modificando,

adicionando ou removendo definições em qualquer momento.”

MAEDCHE et al. (2000

a, 2001), propõem uma metodologia que segundo o autor, “não

garantimos que seja uma metodologia boa para todos os propósitos” . É composta das

seguintes fases :

a)Seleção de fontes : a partir de uma ontologia base (Germanet – tradução do

“theasaurus” Wordnet) extraem-se os conceitos das fontes que podem ser textos, html,

etc.

b)Aprendizado de conceitos : usa-se uma série de heurísticas para extração de conceitos,

algumas inerentes a características da língua alemã;

c)Foco no domínio : são removidos os conceitos que não interessam ao domínio usando

como critério para exclusão, a frequência dos conceitos;

d)Aprendizado de relações : usa-se o algoritmo de associação de regras de AGRAWAL

e SKRIKANT (1995) para fazer o relacionamento entre os conceitos.

e)Avaliação : o autor não explicita como a avaliação deve ser realizada.

GUARINO e WELTY (2000) baseiam-se nos conceitos filosóficos de rigidez,

identidade, unidade e dependência para avaliar taxonomias. A metodologia consiste

basicamente em duas etapas :

a)o especialista faz anotações, ao lado de cada nó da taxonomia, do grau de rigidez,

identidade, unidade e dependência que o mesmo possui em relações a outros nós;

b)logo a seguir, o especialista avalia a ontologia levando em conta estas anotações,

podendo alterá-la, a fim de que tenha avaliação melhor em relação aos conceitos

filosóficos elencados.

LAME (2001) e NOBÉCOURT (2001) propõem uma metodologia para extração de

ontologias a partir de textos, baseado na metodologia do grupo francês TIA (Terminologie et

Intelligence Artificielle), que é um grupo de trabalho da AFIA (Associacion Française pour

Intelligence Artificielle). A metodologia se beneficia da maturidade de algumas ferramentas

de processamento natural da linguagem, como é o caso da LEXTER, ver BOURIGAULT

(1996) e TERMINAE, ver BIÉBOW e SZULMAN (1999). A abordagem define um modelo

(“framework”) em que o especialista seleciona as ferramentas apropriadas, combina o uso das

mesmas e interpreta o resultado para construir um modelo de domínio. As fases são as

seguintes :

a) O engenheiro do conhecimento seleciona as ferramentas de processamento de

linguagem natural, e usa-as para extrair as chamadas primitivas conceituais (termos que,

no futuro, se tornarão conceitos, de acordo com a análise do especialista). Essas

primitivas conceituais formam a Base de Conhecimento Terminológica (TKB –

Terminological Knowledge Base) ;

b)Na segunda fase, cria-se um modelo conceitual para ligar os termos da TKB com os

elementos desse modelo conceitual. O resultado da ligação é chamado Ontologia

Terminológica Semi-Formal (SFTO – Semi-Formal Terminological Ontology);

c)Na última fase, a SFTO é formalizada usando-se uma linguagem de representação de

ontologias .

PINTO e MARTINS (2001

a e 2001 b) propõem metodologia bastante genérica para

integração de ontologias. Ela é independente do domínio e dá ênfase especial na qualidade das

ontologias envolvidas em processo particular. O processo todo necessita de um especialista

para realizar a integração. Ainda não há ferramenta disponível para apoiar a metodologia.

Possui as seguintes fases :

a)Identificar a possibilidade de integração entre ontologias;

b)Identificar os módulos das ontologias (subontologias) a serem integrados;

c)Identificar hipóteses e cometimentos ontológicos;

d)Identificar conhecimento a ser representado nos módulos;

e)Escolher as ontologias candidatas;

f)Estudar e analisar as ontologias candidatas;

g)Selecionar as fontes das ontologias;

h)Aplicar as operações de integração (integração , "merge" ou reuso);

i)Analisar a ontologia resultante.

2.8.2 Comparação entre as Metodologias para Construção de Ontologias.

De forma geral, pelo exposto na seção anterior, podem-se tirar as seguintes conclusões

sobre as atuais metodologias de construção de ontologias :

a)A maioria está ligada à tarefa de elicitação de conhecimento;

b)O desenvolvimento da ontologia ainda é realizado de forma manual e poucos fazem

usos de ferramentas de processamento de linguagem natural, ou algoritmos de

aprendizagem de máquina;

c)Usam dicionários, tesauros genéricos (Wordnet) ou base de conhecimentos para servir

de ontologia-núcleo para construção da ontologia definitiva;

d) Não usam a Internet como tesauro genérico para a construção da ontologia definitiva.

A Internet, devido ao seu caráter dinâmico, devia ser considerada um elemento

importante na definição de ontologias.

2.8.3 Avaliação de Ontologias

Existem diversas propostas para avaliação de ontologias.

GRUBER (1993) propõe cinco critérios tanto para criação como para avaliação de

ontologias : clareza, coerência, extensibilidade, independência da linguagem de representação

e cometimento ontológico mínimo, já explicitados na seção 2.2.

GRÜNINGER e FOX (1995) propõem avaliar uma ontologia logo na fase de

concepção, através das respostas às questões informais de competência. As respostas a essas

questões representam os requisitos necessários para a criação e avaliação de uma ontologia.

Por exemplo, para uma ontologia organizacional, pode-se fazer questões como estas :

• Para executar uma atividade em particular, quem fornece as permissões necessárias ?

• Quais metas um empregado deve atingir ?

• Quais as limitações de autoridade são necessárias entre um grupo de empregados para

ser atingida uma meta ?

• Se uma meta deve ser realizada somente por um empregado, quais empregados são

requeridos para auxiliá-lo para atingir a meta ?

Segundo MAEDCHE e STAAB (2000b), uma ontologia possui relações taxonômicas e

não-taxonômicas e estas últimas são importantes, pois são as que mais consomem tempo para

a sua definição.

MAEDCHE e STAAB (2002) avaliam ontologias comparando-as com uma ontologia

referência. Seja O

a ontologia referência e O

a ontologia a ser comparada, seja R

conjunto de relações não-taxonômicas de O

, R

o conjunto de relações totais de O

Definiram então os índices "precision" de O

e "recall" de O

como :

Estes índices podem ser interpretados da seguinte maneira :

Supondo que a ontologia referência é a ontologia ideal para representar um determinado

domínio, quanto mais relações (não-taxonômicas) em comum as ontologias possuirem entre

si, maior será o grau de acerto ("precision") de O

. Este grau de acerto pode ser 100 %, ou

seja, todas relações de O

estão em O

, porém o inverso pode não ser verdade, ou seja, será

que todas relações de O

estão em O

? O índice que mede a resposta à pergunta da oração

anterior é o de recuperação ("recall"). O que é melhor para medir a semelhança entre O

? Uma maior "precision" ou um maior "recall" ? Os índices "precision" e "recall"

tradicionalmente são usados na área de recuperação de informação ("information retrieval").

Nesta área, quando aplica-se estes dois índices, para se medir a semelhança entre a

informação recuperada e a pretendida usa-se um terceiro índice, chamado "f-measure" que é a

média harmônica entre o "recall" e "precision". Segundo IAN e EIBE (2000) , "f-measure" é

definido por :

O Precision

∩

O Recall

∩

Assim, quanto maior o "f-measure" maior a semelhança entre o objeto referência e o

objeto a ser comparado. Entenda objeto como sendo informação ou ontologia.

2.8.4 Comentários sobre as propostas para avaliação de ontologias

As propostas de GRUBER (1993) e GRÜNINGER e FOX (1995) são subjetivas e há

maior dificuldade de serem quantificadas.

Apesar de bastante objetiva, a proposta de MAEDCHE e STAAB (2002) depende da

existência da ontologia referência, que nem sempre é possível obtê-la.

2.9 Principais formalismos para Representar Ontologias.

Existem inúmeros formalismos para representação de ontologias. Devido a

importância que a

Internet desempenha no mundo atual, dar-se-á um enfoque naquelas

linguagens capaz de representar ontologias para a Web, em especial, para uma nova filosofia

da Web, criado por LEE et. al. (2001) chamado de Web Semântica.

2.9.1.

Web Semântica

Segundo LEE et al. (2001), o objetivo nuclear da Web Semântica é fazer com que as

páginas da Web possam ser “entendidas” pelos computadores, o que possibilitará relacionar

páginas a partir do conteúdo das mesmas, agilizando e tornando mais eficazes mecanismos de

precision recall

precisionx recallx 2

measure-f

buscas, facilitando e aumentando a troca de informações e conhecimento entre empresas,

pessoas, pessoas e empresas.

De acordo com o mesmo autor, a Web Semântica não será uma nova Web e sim a

extensão da atual. Possuirá as mesmas características básicas : universalidade e

descentralização.

Para a construção desta Web, LEE et al. (2001a) dizem o que será necessário :

a)linguagem ou linguagens de computador universais, capazes de representar dados e

regras;

b)ontologias para representar o conhecimento humano e,

c)agentes, que são entidades (hardware, software ou ambos), que percebem e agem.

Formalmente um agente é uma função que transforma percepções (P) em ação (A) :

ƒ:P*ÎA (RUSSELL e NORVIG, 1998).Os agentes serão os responsáveis para resolver

as necessidades de informação e conhecimento da Web Semântica (LEE et al. ,2001a).

A fim de que dois sistemas computacionais "entendam" a expressão enviada por um

deles, são possíveis vários níveis de interoperabilidade (EUZENAT, 2001) :

a) em nível de codificação : a decodificação da expressão é feita a nível de código usado

para representar cada carácter ;

b) em nível léxico : a decodificação da expressão é feita a nível de palavras;

c) em nível sintático : a decodificação da expressão é realizada a nível de sentenças;

d) em nível semântico : entende-se o significado da expressão;

e) em nível semiótico : entende-se o significado da expressão dentro de um contexto.

A arquitetura para a Web Semântica, proposta por LEE (2001b), possui níveis de

interoperabilidades semelhantes aos citados por EUZENAT (2001). LEE (2001b) propôs três

camadas, representadas na figura 2.1, adaptada de FARIA e ROSARIO (2002) : camada de

metadados, de esquema e de lógica.

Figura 2.1 - Arquitetura da Web Semântica

A figura 2.1 mostra o relacionamento entre as três camadas : no nível de metadados o

dado é estruturado pelas linguagens XML (Extensible Markup Language) e RDF (Resource

Definition Framework); no nível de esquema, ao dado estruturado é atribuído semântica

definindo-o como um elemento (conceito, relação, função, axioma ou instância) de uma

ontologia; no nível lógico, tomando-se como base o significado explicitado na camada de

Engenho de

Busca

....

Comércio

Eletrônico

Web Semântica

Camada

Ló

ica

Camada de

Esquema

Camada de

Metadados

Ontologia

RDF

XML

Lógica: Regras de Inferência

esquema, inferências são realizadas sobre os dados e o resultado destas retornado para as

aplicações da Web Semântica, na figura 2.1, engenho de busca e comércio eletrônico.

A camada de metadados é responsável pela estruturação dos dados, nos níveis de

codificação, léxico e sintático.

A camada de esquema é responsável pela estruturação dos dados nos níveis semântico e

semiótico. Na realidade, de acordo com BROEKSTRA et al. (2002) , FARIA e ROSARIO

(2002), essa camada, juntamente com a lógica, permite realizar a representação do

conhecimento do problema estudado.

A camada lógica é responsável por definir mecanismos para fazer inferência sobre os

dados e é composta por um conjunto de regras de inferência, que fornecem, aos agentes

computacionais, o poder para "raciocinar" sobre as estruturas de dados (RAMALHO, 2002).

FENSEL et al. (2002) vislumbram duas aplicações bem importantes para a Web

Semântica : gerenciamento de conhecimento e comércio eletrônico.

Segundo FENSEL et al. (2002), o gerenciamento de conhecimento está relacionado com

aquisição, manutenção, recuperação e disponibilização de conhecimento através de uma

empresa.

De acordo com FENSEL et al. (2002), vários sistemas de gerenciamento eletrônico de

documentos (GED) procuram efetuar as ações relatadas acima, porém possuem os seguintes

pontos fracos :

a)consultas baseadas em palavras-chaves retornam muitos documentos não relevantes

para o que se está procurando;

b)a ação humana é necessária para extrair informações relevantes, tornando o processo

de seleção de informações importantes lento e oneroso;

c)é difícil a manutenção de textos longos, pois não existe forma de resumir, ou

representar o conteúdo do documento;

d)a maioria destes sistemas não permite geração automática de documentos,

personalizados de acordo com o perfil do usuário que acessa esses sistemas.

FENSEL et al. (2002) indicam que o uso de ontologias, nesses sistemas,

disponibilizarão novas possibilidades : buscas inteligentes ao invés de buscas através de

palavras-chaves; resposta a perguntas ao invés de recuperação de informação; troca de

documentos entre departamentos, através do mapeamento ontológico e definição de visões

para os documentos, de acordo com o definido na ontologia.

O Ontobroker é um exemplo de um Sistema de Gerenciamento Eletrônico de

Documentos, que utiliza ontologias (FENSEL et al., 2000). Ontobroker possui uma

arquitetura formada por um mecanismo de consulta, um agente de informação e uma máquina

de inferência. A ontologia é o princípio geral da estruturação de dados : o agente a utiliza para

extrair fatos, o mecanismo de inferência para estruturar dados e o mecanismo de consulta para

formular as consultas.

Em relação ao comércio eletrônico, FENSEL et. al. (2000) citam os seguintes desafios

necessários para a expansão do mesmo :

a)tradução entre várias formas de representação de documento, usadas no “B2B

procurement” ;

b)mediação entre diferentes ontologias de produtos e serviços, de descrições formais e

hierarquias de produtos e serviços;

c)mediação entre diferentes ontologias de negócios, que especificarão processos, regras

de mercado e cadeias de valores dos fornecedores.

Em relação ao último problema, FENSEL et al. (2002) citam a solução dada pelo

projeto OBELIX (GORDIJN et al., 2000), que provê, entre outras coisas, integração e

interoperabilidade entre processos, baseado em ontologias de negócios, manipulando serviços

e produtos complexos, cadeias e redes de valores.

2.9.2. Linguagens para Representar Ontologias na Web

Existem diversos formalismos para representar ontologias na web : SHOE (HEFLIN,

2001), XOL (KARP, 2000), RDF-Schema (BRICKLEY e GUHA, 2002), OIL (DECKER,

2000b), DAML+OIL (DARPA, 2000) e a recente OWL (DEAN et al., 2002).

2.9.2.1 Simple Html Ontology Extensions (SHOE)

SHOE foi criado por HEFLIN (2001), na dissertação de doutourado. SHOE é definida

usando-se SGML ("Standard Generalized Markup Language"), extensão da linguagem de

marcação HTML ou XML (HEFLIN, 2000).

A marcação <ontology> define o início de uma ontologia. Os conceitos são chamados

de categorias e definidos pela marcação <def-category name ... >. O relacionamento entre as

categorias é realizado com a marcação <def-relation name ...>.

É possível também definir axiomas em SHOE usando a marcação <def-inference ...> .

Observe o exemplo no Anexo I , que define pequena ontologia definindo familia, retirado de

MOURA (2002).

Em SHOE (PÉREZ e CORCHO, 2002) :

a) os conceitos são chamados de categorias (DEF-CATEGORY), seus atributos são

definidos através de relações (DEF-RELATION);

b) não é possível definir partições de conceitos (conjunto de conceitos disjuntos);

c) não é possível decomposições exaustivas de conceitos;

d) não é possível restrição de cardinalidade;

e) não é possível restrição de integridade;

f) é possível definição de axiomas usando-se lógica de primeira ordem.

2.9.2.2 XML - BASED ONTOLOGY EXCHANGE LANGUAGE (XOL)

A sintaxe de XOL é baseada em XML (KARP, 2001). Uma ontologia em XOL possui a

seguinte forma :

<class>

...

</class>

...

<class>

...

</class>

...

<slot>

...

</slot>

...

<slot>

...

</slot>

...

...

</individual>

....

....

</individual>

</module>

Os módulos ("module") identificam as ontologias. As classes ("class"), os conceitos. As

divisões ("slots") os atributos e os indivíduos ("individual") as instâncias das classes. No

Anexo I há um exemplo definindo uma ontologia chamada família.

O significado das marcações XML é dado por um DTD ("Document Type

Declaration"), que possibilita o entendimento de cada uma das marcações (KARP, 2001).

Em XOL (PÉREZ e CORCHO, 2002) :

a) os conceitos são chamados de classes (Class); os atributos dos conceitos, de divisões

(Slots);

b) não é possível definir partições de conceitos (conjunto de conceitos disjuntos);

c) não é possível decomposição exaustiva de conceitos;

d) é possível restrição de cardinalidade;

e) não é possível restrição de integridade;

f) não é possível definição de axiomas .

2.9.2.3 RDF-Schema

O objetivo do RDF-Schema é complementar o modelo RDF básico, objetivando dar-lhe

interoperabilidade semântica. Em termos de representação de conhecimento, enquanto o

modelo RDF é equivalente à rede semântica, RDF-Schema aproxima-se do formalismo frame

(PÉREZ e CORCHO, 2002).

Enquanto que nas linguagens orientadas a objeto, a definição de classe é realizada em

termos das propriedades de suas instâncias, no RDF-Schema, as propriedades são definidas

em termos das classes dos recursos que estas se aplicam.

As primitivas do RDF-Schema podem ser agrupadas em classes, propriedades e

restrições das propriedades. A figura 2.2 mostra o relacionamento entre os objetos.

Observando a mesma, tem-se que qualquer objeto (classe, propriedade e restrição) é um

recurso.

Classes.

Através das classes podem-se definir subclasses que herdam as características das

classes ascendentes, possibilitanto implementar herança múltipla. Esta propriedade é

importante pois permite o reuso. Possuem as seguintes primitivas principais : rdfs : Resource

(classe genérica do RDF Schema) , rdfs : Class (subclasse de rdfs:Resource) e rdf : Property

(subclasse de rdfs:Resource). A letra "s" ao lado de rdf representa o "namespace" que contém

todos os elementos do RDF Schema.

Propriedades.

Permitem estabelecer relacionamentos entre classes e superclasses , classes e instâncias

e entre propriedades. Possuem as seguintes primitivas principais : "rdf:type" (subclasse de

rdf:Property), "rdfs:subClassOf" (subclasse de rdf:Property) e "rdfs:subPropertyOf"

(subclasse de rdf:Property).

Restrições.

Estabelecem restrições sobre as propriedades dos recursos. Exitem duas primitivas

principais : "rdfs:domain" que determina qual a classe de determinada propriedade e

"rdfs:range" que determina o intervalo de valores de determinada propriedade. Ambas são

instâncias de "rdfs:ConstraintProperty".

Figura 2.2 - Relacionamento das primitivas básicas do RDF-Schema (BRICLEY,2002)

Para exemplificar o uso do RDF-Schema há um exemplo no Anexo I.

Em RDF-Schema (PÉREZ e CORCHO, 2002) :

a) os conceitos são chamados de classes (Class); seus atributos de propriedades

("Property");

b) não é possível definir partições de conceitos (conjunto de conceitos disjuntos);

c) não é possível decomposição exaustiva de conceitos;

d) não é possível restrição de cardinalidade;

e) não é possível restrição de integridade;

f) não é possível definição de axiomas.

2.9.2.4 Ontology Interchange Language (OIL)

DECKER et al. (2000b) propõem uma linguagem para representação de ontologias

denominada OIL.

A ontologia descrita por OIL possui descrições de classes, slots e indivíduos. Classes

são coleções de objetos. As classes podem ser relacionadas com outras através de subclasses,

por exemplo, pessoa é uma subclasse de mamífero. Pode-se definir pessoa através da seguinte

sintaxe :

Class-def pessoa

Subclass-of mamífero

Slots são os atributos das classes. São constituídos pela tupla objeto e valor (A(O,V)).

Pode-se definir um slot assim :

Slot-def come

Inverse

é-comido-por

Os slots podem ser transitivos, simétricos ou funcionais.Os slots são transitivos se (x,y)

e (y,z) são instâncias do slot, então (x,z) também será uma instância do slot. Os slots são

simétricos se (x,y) é instância do slot, então (y,x) também o é. Os slots são funcionais se (x,y)

é uma instância do slot, então não existe nem um z tal que (x,z) é uma instância do slot no

qual y é igual a z. Exemplo de um slot funcional :

Slot-def

tem-mãe

Properties funcional

Um slot pode ter restrições designadas pela cláusula slot-constraint. Quando

designamos restrição, precisamos indicar o valor da restrição pela cláusula has-value ou has-

filler

. Veja exemplo no Anexo I.

OIL apresenta quatro tipos de axiomas : equivalência, disjunção, cobertura e disjunção

de cobertura. Os axiomas são definidos pelo seguinte trecho da gramática OIL em EBNF

("Extended Backus-Naür Form") :

<disjoint-exp>::=disjoint <class-exp> <class-exp>+

<cover-exp>::=covered <class-exp> by <class-exp>+

<disjoint-cover-exp>::=disjoint-covered <class-exp> by <class-exp>+

<equiv-exp>::=

equivalent

<class-exp> <class-exp>+

Para maiores detalhes sobre o funcionamento destes axiomas, ver Anexo III.

Em OIL (PÉREZ e CORCHO, 2002) :

a) os conceitos são chamados de classes, os atributos dos conceitos são chamados de

propriedades;

b) é possível definir partições de conceitos (conjunto de conceitos disjuntos);

c) é possível definir decomposições exaustivas de conceitos;

d) é possível definir restrição de cardinalidade;

e) é possível definir restrição de integridade;

f) é possível definir alguns axiomas em lógica de primeira ordem, somente para as

classes.

2.9.2.5 DAML+OIL

A linguagem DAML+OIL é baseada na lógica descritiva, que é um subconjunto da

lógica de primeira ordem. O nome lógica descritiva

foi motivado pelo fato de que um

domínio é descrito por descrições conceituais

, isto é, conjunto de expressões que são

construídas a partir de conceitos atômicos (predicados unários) e regras atômicas (predicados

binários). Os conceitos e as regras atômicos são elaborados a partir de construtores de

conceito e regras providos pela linguagem que expressa a lógica descritiva. A lógica

descritiva difere de outros mecanismos de representação de conhecimento como redes

semânticas e frames, porque possui semântica baseada em lógica formal (BAADER,

HORROCKS e SATTLER, 2003).

Vamos supor o seguinte conceito em lógica descritiva : "Um homem casado com uma

médica, que tem no mínimo cinco filhos professores". Este conceito pode ser representado

pela seguinte descrição conceitual

Homem

¬ Feminino

∃Casado.Médica

(≥ 5 temFilho)

∀temFilho.Professor

A descrição usa os construtores booleanos conjunção (

), que é interpretada como

intersecção de conjuntos, e negação (

) que é interpretado como complemento de conjuntos,

bem como os construtores não booleanos de restrição existencial (

∃

R.C, em que R é uma

regra e C um conceito) e o de restrição de valores (

∀

R.C) e finalmente o construtor de

restrição numérica (

≥

n).

Além do formalismo descritivo, a lógica descritiva possui os formalismos

terminológicos e declarativos ("assertional formalism").

O formalismo terminológico (T-BOX) permite introduzir nomes para descrições

complexas. Por exemplo, a descrição do conceito acima pode ser nomeada por HomemFeliz.

O termo HomemFeliz é chamado de axioma terminológico.

O formalismo declarativo (A-BOX) permite associar propriedades a indivíduos. Por

exemplo, a sentença : HomemFeliz(João), temFilho(João, Maria) diz que João é um

HomemFeliz e que Maria é uma de suas filhas.

Os três formalismos explicados acima para uma linguagem de lógica descritiva aplicam-

se também a DAML+OIL.

DAML significa Darpa Markup Language e foi definida em agosto do ano 2000. Em

março de 2001, foi definida a especificação DAML+OIL, que é semelhante a OIL em vários

aspectos. Porém DAML+OIL é muito mais integrada a RDF-Schema, a partir de sua

definição e serialização, feita em RDF-Schema (HORROCKS, 2002).

Uma ontologia, em DAML+OIL é formada de zero ou mais

cabeçalhos

("headers"),

seguidos de zero ou mais elementos de classes ("class elements"), elementos de

propriedades ("property elements") e instâncias ("instances").

O cabeçalho tem as marcações <Ontology> e </Ontology>, podendo ter a versão e

elementos importados.

As classes são identificadas pelas marcações <daml:Class> e podem possuir :

a) zero ou mais axiomas, rdfs:SubClassOf (subclasse) , daml:disjointWith (disjunção) e

daml:sameClassAs (equivalência);

b) zero ou mais combinações booleanas de classes;

c) zero ou mais enumerações.

propriedades

são identificadas pelas marcações <rdf:Property> e podem possuir :

a) zero ou mais axiomas, rdfs:subPropertyOf (subpropriedade), daml:samePropertyAs

(equivalência) , daml: inverseOf (inverso), daml: TransitiveProperty (transitividade),

daml: UniqueProperty (unicidade) e daml:unambigousProperty (não ambiguidade);

b) restrições de propriedades como em RDF-Schema : rfds:domain e rfds:range ;

As instâncias são escritas conforme a sintaxe RDF e RDF-Schema.

Veja o exemplo no anexo I.

Como se pode observar pela descrição dos elementos de DAML+OIL, a linguagem

possui bem mais axiomas que a linguagem OIL.

Em DAML+ OIL (PÉREZ e CORCHO, 2002) :

a) os conceitos são chamados de classes, seus atributos de propriedades;

b) é possível definir partições de conceitos (conjunto de conceitos disjuntos);

c) é possível definir decomposições exaustivas de conceitos;

d) é possível definir restrição de cardinalidade;

e) é possível definir restrição de integridade;

f) é possível definir vários axiomas em lógica descritiva, tanto para classes como para

propriedades.

2.9.2.6 Web Ontology Language (OWL)

A especificação de OWL é bastante nova (novembro de 2002) e ainda encontra-se no

formato de rascunho. OWL é derivada da linguagem DAML+OIL (DEAN et al., 2002). A

especificação EBNF da linguagem encontra-se no anexo II.

Os três formalismos para uma linguagem de lógica descritiva (descritivo, terminológico

e declarativo), comentados no item anterior, aplicam-se também a OWL. Observe a seguinte

sentença em lógica descritiva, para a descrição conceitual : "Nem carne nem peixe" :

¬ (carne

peixe)

A descrição OWL da descrição conceitual é :

<owl:complementOf>

<owl:Class>

<owl:unionOf rdf:parseType="collection">

<owl:Class rdf:resource="#carne"/>

<owl:Class rdf:resource="#peixe"/>

</owl:unionOf>

</owl:Class>

</owl:complementOf>

Em OWL podem-se descrever expressões mais complexas, como a sentença em lógica

descritiva, extraída de HORROCKS (2002), para a seguinte descrição conceitual

"Uma pessoa que tem filho médico ou que tem filho que tem filho médico" :

Pessoa

∀temFilho.( Médico

∃temFilho.Médico)

A descrição OWL da descrição conceitual é :

<owl:Class>

<owl: intersectionOf rdf:parseType="collection">

<owl: Class rdf:about="#Pessoa"/>

<owl: Restriction>

<owl:onProperty rdf:resource="#temFilho"/>

<owl:allValuesFrom>

<owl:unionOf rdf:parseType="collection">

<owl:Class rdf: about="#Médico"/>

<owl:Restriction>

<owl:onProperty rdf:resource="#temFilho"/>

<owl:someValuesFrom rdf:resource="#Médico"/>

</owl:Restriction>

</owl:unionOf>

</owl:allValuesFrom>

</owl:Restriction>

</owl:intersectionOf>

</owl:Class>

De uma forma genérica, para OWL, ontologia é o conjunto de axiomas e fatos (DEAN

et al. 2002). Assim conceitos e atributos de conceitos são considerados axiomas. Os conceitos

são chamados de classes e os atributos de propriedades (como em RDF, RDF-Schema e

DAML+OIL). As propriedades dos axiomas podem ter restrições quanto a valores ou

cardinalidade.

Uma ontologia em OWL, como em DAML+OIL, é formada de zero ou mais

cabeçalhos ("headers"), seguidos de zero ou mais elementos de classes ("class elements"),

elementos de propriedades ("property elements") e instâncias ("instances").

O cabeçalho tem as marcações <Ontology> e </Ontology>, podendo ter versão e

elementos importados

As classes são identificadas pelas marcações <owl:Class> e podem possuir :

a) zero ou mais expressões rdfs:SubClassOf (subclasse) , owl:disjointWith (disjunção),

owl:sameClassAs (equivalência) e owl:sameAs;

b) zero ou mais combinações booleanas de classes;

c) zero ou mais enumerações.

Exemplos de Axiomas de Classes :

1) Descrever o conceito Pessoa (Pessoa) :

<owl:Class rdf:ID="Pessoa"/>

2) Descrever o conceito pessoa, como subclasse de organismo (Pessoa ⊆ Organismo) :

<owl:Class rdf:ID="Organismo"/>

<owl:Class rdf:ID="Pessoa">

<rdfs:SubClassOf rdf:resource="#organismo"/>

</owl:Class>

3) Descrever o conceito criança que tem pai Albino (restrição de valores, ∀R.C) , como

subclasse de Pessoa (∀tem-pai.Albino ⊆ Pessoa).

<owl:Class rdf:ID="Organismo"/>

<owl:Class rdf:ID="Pessoa">

<rdfs:SubClassOf rdf:resource="#organismo"/>

</owl:Class>

<owl:Class rdf:ID="Albino"/>

<owl:ObjectProperty rdf:ID="tem-pai"/>

<owl:Class rdf:ID="Criança">

<rdfs:SubClassOf rdf:resource="#Pessoa"/>

<rdfs:SubClassOf >

<owl:Restriction>

<owl:onProperty rdf:resource="#tem-pai"/>

<owl:allValuesFrom rdf:resource="#Albino"/>

</owl:Restriction>

</rdfs:subClassOf>

</owl:Class>

4) Descrever o conceito Ser equivalente ao conceito Organismo (Ser ≡ Organismo).

<owl:Class rdf:ID="Organismo"/>

<owl:Class rdf:ID="Ser">

<owl:sameClassAs rdf:resource="#Organismo"/>

</owl:Class>

5) Descrever o conceito Homem como subclasse de Organismo distintamente do

conceito Vegetal (Homem ≠ Vegetal).

<owl:Class rdf:ID="Organismo"/>

<owl:Class rdf:ID="Vegetal"/>

<owl:Class rdf:ID="Homem">

<rdfs:SubClassOf rdf:resource="#Organismo"/>

<owl:disjointWith rdf:resource="#Vegetal"/>

</owl:Class>

As propriedades são identificadas pelas marcações <rdf:Property> e podem possuir :

a) zero ou mais axiomas, "rdfs:subPropertyOf" (subpropriedade),

"owl:SymmetricProperty" (simetria) , "owl: inverseFunctionalProperty" (inverso), "owl:

TransitiveProperty (transitividade)", e "owl: FunctonalProperty (função)" ;

b) restrições de propriedades como em RDF-Schema : "rfds:domain" e "rfds:range" ;

As instâncias são escritas conforme a sintaxe RDF e RDF-Schema.

Segundo HARMELEN (2002), OWL possui poucas diferenças em relação a

DAML+OIL, pelo menos, de acordo com o rascunho de novembro de 2002.

As mesmas características de DAML+OIL são válidas para OWL.

2.9.2.7 Comparação entre os diversos formalismos para representação de

ontologias para a Web Semântica.

As características avaliadas das linguagens para Web Semântica estão resumidas na

tabela a seguir.

Segundo PÉREZ e CORCHO (2002), se pudéssemos medir a capacidade de

representação das linguagens para Web Semântica, partindo das capazes de representar

ontologias "leves" para ontologias "pesadas", a ordem seria a seguinte: XOL, RDF-Schema,

SHOE, OIL, DAML+OIL.

Na relação, acrescentaria a recente OWL, ocupando posição depois de DAML+OIL.

XOL RDF-

Schema

SHOE OIL DAML+OIL OWL

Conceitos Classes Classes Categorias Classes Classes Classes

Atributos dos

Conceitos

Slots Propriedades Relações Propriedades Propriedades Propriedades

Partições de

Conceitos?

Não Não Não Sim Sim Sim

Decomposições

exaustivas de

conceitos ?

Não Não Não Sim Sim Sim

Restrição de

cardinalidade ?

Sim Não Não Sim Sim Sim

Restrição de

integridade ?

Não Não Não Sim Sim Sim

Axiomas em

lógica

descritiva?

Não Não Não. Não Sim para

classes e

propriedades.

Sim para

classes e

propriedades.

Tabela 2.4 - Comparação de linguagens de Ontologias para a Web.

Capítulo 3

Técnicas Semi-Automáticas e Automáticas de Aquisição de

Conceitos a Partir da Linguagem Natural Escrita

3. Técnicas Automáticas e Semi-Automáticas de Aquisição de

Conceitos a partir da Linguagem Natural Escrita.

Podem-se relacionar algumas abordagens para aquisição de conceitos a partir da

linguagem natural escrita que usam :

a) técnicas de processamento natural da linguagem;

b) técnicas de recuperação e extração de informação;

c) técnicas de casamento de padrões léxicos e sintáticos;

d) técnicas de "data mining" ou "text data mining";

e) abordagens interativas;

f) abordagens integradas.

3.1. Técnicas de Processamento Natural da Linguagem.

O sistema TOPKAT (KINGSTON, 1994) usa um marcador léxico ("lexical tagger")

para identificar substantivos na entrevista de aquisição de conceitos. Os substantivos que

aparecem no texto com maior freqüência são identificados como os conceitos do domínio

estudado. Depois, o especialista descarta os substantivos considerados irrelevantes para o

domínio. O adjetivo próximo ao substantivo sugere característica ou atributo do conceito.

De forma similar, usando técnica semelhante à explicitada acima, nos sistemas

KRITON (DIEDERICH, RUHMANN e MAY, 1988) e KITTEN, (SHAW e GAINES, 1999)

o conhecimento prévio é extraído de livros para formar uma lista de substantivos que

representam conceitos, que norteará a entrevista futura com o especialista.

3.2. Técnicas de Recuperação e Extração de Informação.

Segundo HAN e KAMBER (2001)

, o problema típico de recuperação de informação é

localizar documentos relevantes, baseados nos dados fornecidos pelo usuário, tais como

palavras chaves ou documentos exemplos.

O conceito principal é relevância,

ou seja, localizar o máximo possível de documentos

relevantes (BAEZA-YATES e RIBEIRO-NETO, 1999).

VAN RIJSBERGEN (1949) diz que os documentos que irão sofrer a busca precisam ser

antes pré-processados, gerando-se a representação do documento, por exemplo, a lista de

palavras mais significativas.

Van Rijsbergen (1949) cita que ZIPF (1949)

observou ser o produto da frequência (f)

das palavras de um texto pela sua classificação (r = “ranking”) aproximadamente constante.

Este enunciado ficou conhecido como Lei de Zipf, conforme fórmula :

K = f*r (Lei de Zipf)

Baseado na Lei de Zipf, LUHN (1958)

propôs uma técnica para extrair as palavras mais

significativas do texto, eliminando as mais comuns e frequentes, conhecidas como negativas

ou “stop words” (palavras sem significação aparente tais como artigos, preposições, conjuções

e outras) e também as menos comuns. O gráfico abaixo mostra o corte das palavras mais e

menos significativas.

Figura 4.1 – Técnica de LUHN

Este processo foi depois denominado análise lexográfica (KORFHAGE (1997) e

SALTON (1983)). Em face das sugestões de KORFHAGE (1997) e SALTON (1983),

WIVES (1999) propõe as seguintes etapas para a análise lexográfica :

a) identificação das palavras;

b) remoção das palavras negativas;

c) cálculo da freqüência relativa;

d) remoção das palavras com frequência inferior ao limiar estabelecido pelo usuário;

e) utilização das palavras mais freqüentes no documento - método da truncagem

(SCHÜTZE (1997)).

As técnicas baseadas em Extração de Informação têm por objetivo extrair informações

relevantes

do texto e representá-las de alguma forma. Diferentemente das técnicas de

processamento da linguagem natural, as de Extração de Informação não visam processar o

documento todo, procurando desenvolver sistemas rápidos e práticos. Um dos pontos fortes

das técnicas de Extração de Informação é o método de avaliação dos resultados baseados em

"precision" ("precision") e "recall" (recuperação, retorno), definidos por :

Na expressão acima, elementos é a informação que se deseja extrair, ou seja, palavras,

documentos, palavras que representam conceitos, relações entre conceitos, etc. Quem avalia a

corretude dos elementos pode ser uma pessoa, ou um programa de computador que compara

com os dados considerados corretos. O índice "precision" mede a acurácia dos resultados

produzidos ( dos elementos obtidos, todos estão corretos ?) e o "recall" a extensão da

quantidade de informação extraída (nos elementos obtidos estão incluídos todos os

corretos ?).

extraídos elementosde número

corretos elementosde número

precision

texto no elementos possíveisde número

corretos elementosde número

recall

Segundo IAN e EIBE(2000), os gráficos das variações de "precision" (número de

elementos corretos versus número de elementos extraídos) e "recall" (número de elementos

corretos versus número de possíveis elementos no texto) são hipérboles inversas: quanto

maior o índice de "precision", menor o de "recall" e vice-versa.

"F-measure" é a medida que é a média harmônica dos índices "precision" e "recall".

Segundo IAN e EIBE (2000), "F-measure" é definida por :

O sistema CIRCUS (RILLOF e LEHNERT, 1994) foi utilizado para extrair informações

usando a idéia de nós conceituais ("concept nodes"). Os nós conceituais são estruturas

capazes de extrair informação relevante de uma sentença. O nó conceitual é identificado por

uma palavra, porém ativado dentro do contexto. Por exemplo, no domínio de terrorismo,

podem ser usados dois nós conceituais : $assassinar-voz ativa$ e $assassinar-voz passiva$.

Assim, ao aparecer a frase "os terroristas assassinaram o prefeito" , o verbo assassinar faz com

que o nó conceitual seja identificado e a voz ativa é a condição para que a informação seja

recuperada. Outros verbos podem ser utilizados para representar o nó conceitual, como o

verbo matar.

A estrutura do nó conceitual é uma estrutura simples de extração de conhecimento. Uma

vez definido em um domínio, dificilmente pode ser reutilizado em outro. Isto faz parte da

estratégia da Extração de Informação conhecida como Extração de Conhecimento Usando

Técnicas Rasas ("Shallow Knowledge Extraction" - COWIE e LEHNERT, 1996). O objetivo

precision recall

precisionx recallx 2

measure-f

é minimizar o conhecido esforço para extração de conhecimento usando as técnicas mais

antigas (entrevistas e análise de protocolo).

Avaliando vários métodos, APPELT e ISRAEL (1999) sugerem que, dado o corrente

estado da arte, os métodos de Extração de Informação obtêm, na média, resultados máximos

de aproximadamente 0,60 no "f-measure", ou seja, obtêm 60% de sucesso.

3.3 Casamento de padrões léxicos e sintáticos.

Nesta técnica definem-se padrões léxicos, como o padrão

<substantivo>+"de"+<substantivo>, a que se pode atribuir significado. Na oração anterior, o

padrão enunciado pode ser associado ao significado "posse".

Os sistemas PETRARCA (VERLADI, PAZIENZA e MAGRINI, 1989) e SHOWY,

(HULL e GOMEZ, 1998) são exemplos do uso dessa técnica.

No sistema PETRARCA, os textos são submetidos à análise léxica e sintática e depois o

sistema tenta derivar interpretação semântica do texto, usando padrões (como o relatado

acima) guardados e descritos numa espécie de dicionário, para relacionar o padrão com a

semântica. Os padrões são chamados de "Surface Semantic Patterns".

O SHOWY foi utilizado para adquirir conhecimento de enciclopédias que tratam da

dieta e habitat de animais. As entradas da enciclopédia são parcialmente analisadas e depois

usadas para instanciar "Verbal Concepts", estruturas em forma de frame, associadas a ações

específicas. Esta idéia é análoga ao "case frame" e "concept nodes".

HEARST (1992) descreve o método para aquisição de relações "hiponômicas" ("is a") e

"meronômicas" ("parte de"), usando padrões definidas pela mesma. Este método não obteve

sucesso na extração das relações meronômicas. Para a extração das relações do tipo "is a",

seguem alguns padrões :

a) "such"+<substantivo>+"as"+{,<substantivo>}*+{"or"|"and"}*+{<substantivo>};

b) <substantivo>+{,<substantivo>}*+{,}+"or other"+{<substantivo>};

c) <substantivo> {,}+"especially"+{<substantivo>}*+{or | and}+<substantivo>.

Nas expressões as chaves indicam repetição, chave asterisco indica repetição de zero a n

e a barra vertical (|) o "ou".

Para extrair os padrões HEARST (1992) usou um analisador léxico e sintático e aplicou

o método a enciclopédia Grolier's American Academic Encyclopedia.

Para avaliação comparou os resultados obtidos com o tesauro Wordnet e encontrou

"precision" de 61/106 (57,5 %) e não indicou o "recall".

BERLAND e CHARNIAK (1999) continuaram o trabalho de HEARST (1992) para

encontrar relações meronômicas (a mesma não obteve sucesso como relatado acima). Para a

extração das relações, usaram o "North American News Corpus", que é a compilação de

vários jornais americanos.

Segue alguns exemplos das relações usadas :

a) substantivo-parte+"of"+substantivo-todo;

b)substantivo-parte+"in"+substantivo-todo;

c) substantivo-parte+"in"+("the"|"a")+substantivo-todo, em que substantivo-parte é a

palavra que é parte do substantivo-todo.

Para avaliação também comparou os resultados com o tesauro Wordnet. A "precision"

encontrada foi da ordem de 55 %. Como HEARST (1992), também não apresentou o

"recall".

Os métodos de Casamentos de Padrões assemelham-se aos de Extração de Informação,

porém os de Extração de Informação são mais específicos, pois as estruturas de extração de

conhecimento dificilmente podem ser utilizadas em outro domínio, devido a filosofia do

"shallow knowledge".

3.4 Técnicas de "Data Mining" e "Text Data Mining".

FAURE e NÉDELLEC (1998) apresentaram método semi-automático para adquirir

conceitos de determinado domínio usando "cases frames" (FILLMORE (1968)), consistindo

de palavras (geralmente substantivos) que exercem a mesma regra sintática em relação a

verbos.

Um “Case Frame” é capaz de representar uma sentença usando um conceito principal

(por exemplo, um verbo) e vários atributos (por exemplo, substantivos). Os vários atributos

são chamados de “Slots”. Veja o exemplo de um “Case Frame” para a frase : Na rua Pedro I,

João quebrou a janela de Pedro com um martelo.

Na rua Pedro I, João quebrou a janela de Pedro com um martelo .

Definição do case-frame :

[(VERBO PRINCIPAL)

[case-frame

Agente : instigador da ação (tipicamente animado)

Objeto : entidade que recebe a ação ou que se transforma

Instrumento: causa do evento ou objeto usado para causar o evento

(tipicamente inanimado)

Dativo : entidade afetada pela ação (tipicamente animado).

Factitivo: objeto ou ser resultante do evento.

Locativo: local do evento.

Fonte: local a partir de onde alguma coisa se move.

Meta

: -

Beneficiário: -

]]

O "case-frame" usado por FAURE E NEDÉLLEC tinha a forma

<verbo>+((<preposição>|<regra>)+<palavra>), em que regra representa "o papel" da palavra ,

ou seja, se a palavra expressa a noção de lugar, ação, etc., é um agente, um local, etc. A

palavra geralmente é substantivo, que representa um conceito.

Depois que os "case-frames" são extraídos, são combinados em grupos através de um

algoritmo de "conceptual clustering", que é uma técnica de "datamining". No experimento

relatado por FAURE e NÉDELLEC, obtiveram 2014 "clusters", mas apenas 114 foram

avaliados como satisfatórios, dando uma "precision" de 6%.

No experimento não foi citado o "recall" obtido.

MAEDCHE e STAAB (2000b) propuseram um método para extrair relações não-

taxonômicas (por exemplo, a relação "parte de") entre conceitos, usando o algoritmo de

associação, que é também uma técnica de "datamining". No exemplo citado no artigo,

obtiveram uma "precision" de 11% e "recall" de 13%, que possibilita um "f-measure" de 0,12.

Nesse experimento, obtiveram 2429 relações comparadas com outras relações de uma

ontologia referência, construída manualmente, composta de 284 conceitos e 88 relações.

3.5 Abordagens Interativas.

As abordagens interativas caracterizam-se pela validação e otimização dos resultados

pelo especialista.

Tem-se, como por exemplo, o sistema DASERT de BIÉBOW e SZULMAN (1993),

cujo objetivo era verificar automaticamente a consistência de especificações funcionais,

expressas em linguagem formal. O texto é analisado lexicamente, palavras são ligadas a

conceitos na base de conhecimento, sintaticamente estabelecidos relacionamentos entre

palavras e, depois, semanticamente, são construídas interpretações na forma de redes

semânticas.

No sistema TERMINAE (BIEBOW e SZULMAN, 1999), o objetivo era prover um

ambiente no qual especialistas podem criar ontologias, incorporando mecanismos para análise

de textos e sugerindo possíveis conceitos, que eram depois usados para obtenção de novos

conceitos.

3.6 Abordagens Integradas.

Nas abordagens integradas, são usadas algumas já citadas, de forma combinada.

MIKHEEV e FINCH (1995) criaram o "Knowledge Acquisition Workbench" cujo objetivo

era a extração de conhecimento combinando técnicas de extração de informação, casamento

de padrões e "datamining".

AUSSENAC-GILLES, BIÉBOW e SZULMAN (2000) propõem também combinar

vários métodos para auxiliar na tarefa de aquisição de conhecimento.

3.7. Comparação entre as Técnicas Automáticas e Semi-automáticas de

Extração de Conceitos a partir da Linguagem Natural Escrita.

POTTER (2003) tem opinião de que os métodos de extração de coceitos do texto estão

ainda muito incipientes e é difícil dizer qual o melhor, pois são diferentes quanto ao escopo e

objetivo.

Porém, para fazer diferenciação mínima entre as mesmas, foi montado o quadro 4.1

levando em conta as características principais, o uso de conhecimento prévio, os objetivos e

os melhores resultados obtidos de "precision", "recall" e "f-measure".

Na tabela 3.1, embora os índices de "f-measure" e "precision" sejam melhores para os

métodos de Extração de Informação e Casamento de Padrões Léxicos e Sintáticos, em

detrimento do métodos de "dataming" , os objetivos de cada método são diferentes.

Técnicas de Foram

usadas para

Característica

Principal

Usa

conhecimento

prévio

"precision" "recall" F-

Measure

Processamento

Natural da

Linguagem

Entender a

semântica do

texto.

Uso de

dicionários,

léxicos ou

tesauros e

analisadores

léxicos e

sintáticos

potentes.

Geralmente

não.

Não se

aplica,

devido ao

objetivo.

Não se

aplica,

devido

objetivo.

Não se

aplica,

devido

objetivo.

Recuperação e

Extração da

Informação

Recuperar ou

extrair a

informação

Uso de

dicionários,

analisadores

léxicos e

sintáticos.

Geralmente

usa na forma

de "Shallow

Knowlege"

- - Em

torno de

0,6.

Casamento de

padrões

léxicos e

sintáticos.

Extrair

relações

taxonômicas

entre

conceitos.

Uso de

dicionários,

analisadores

léxicos e

sintáticos.

Geralmente

não.

Em torno de

0,55

- -

Usando

Técnicas de

"Datamining"

Associar ou

agrupar

conceitos,

relacionando-

os .

Uso de

dicionários,

analisadores

léxicos e

sintáticos e

ontologias.

Pode usar. 0,06 a 0,11 0,13 Em

torno de

0,12.

Tabela 3.1 Comparação entre as técnicas de extração semi-automáticas e automáticas de

extração de conhecimento a partir da linguagem natural escrita.

Pode-se desenhar a escala de complexidade de objetivos, tentando relacionar as técnicas

apresentadas:

+ específico especificidade dos objetivos - específico

Figura 4.1 Complexidade de objetivos das técnicas de extração de conceitos a partir da

linguagem natural.

onde :

EI = Extração da Informação

CPLS = Casamento de Padrões Léxicos e Sintáticos

DM = "Datamining"

PNL = "Processamento da Linguagem Natural"

EI CPLS DM PLN

Capítulo 4

Metodologia Evolutiva de Auxílio à Criação de Ontologias

(EVOLUI)

4.1 Descrição da Metodologia.

O processo de construção de ontologias é uma atividade de modelagem e, por isso, são

necessários esforços dos especialistas que estão trabalhando na captura, escolha e definição

dos elementos da ontologia : conceitos, relações, funções, axiomas e instâncias.

O nome EVOLUI foi escolhido porque a metodologia trabalha através de ciclos

evolutivos, onde os resultados do ciclo anterior são usados para a consecução de novos

resultados. Os detalhes do processo evolutivo serão comentados ao longo da descrição da

metodologia.

A metodologia proposta neste capítulo visa auxiliar o processo de construção de

ontologias, sugerindo palavras candidatas a conceitos, identificando relações binárias entre

essas palavras e, a partir destas relações, sugerir axiomas para a futura ontologia. Os axiomas

sugeridos estão representados na linguagem para a Web Semântica OWL (Ontology Web

Language). Conforme a especificação de OWL (DEAN et al., 2002), um axioma pode ser

uma descrição conceitual atômica, por exemplo, a descrição conceitual "professor", ou

descrições conceituais mais complexas, como "os professores do curso de informática da

Unifor que têm duas crianças". OWL é uma linguagem de Lógica Descritiva ou Lógica de

Descrição (segundo capítulo).

A metodologia também possui as características de ser interativa, ou seja, necessita da

presença humana no refinamento dos resultados e de utilizar técnicas de recuperação de

informação (análise lexográfica - WIVES, 1999) e casamento de padrões FLEX, contribuição

desta dissertação, item 4.2.4 Aquisição dos Axiomas. A técnica de análise lexográfica é

usada para extrair as palavras candidatas a descrições conceituais atômicas, ou seja, palavras

candidatas a conceitos que tornarão axiomas OWL, depois de validadas pelo usuário da

metodologia. A FLEX sugere relações taxonômicas e não-taxonômicas que também tornarão

axiomas OWL, após validação do usuário.

EVOLUI avalia os resultados obtidos, as relações obtidas (que são axiomas OWL) e a

ontologia. Para avaliar as relações obtidas usa-se os índices "recall" , "precision" e "f-

measure" empregados em Extração da Informação. Para avaliar a ontologia são usados as

métricas "recall" e "precision" do trabalho de MAEDCHE e STAAB (2002), descritas no

item

3.4 Técnicas de "Data Mining" e "Text Data Mining"

A metodologia conta com as seguintes fases (figura 4.1) :

a) Planejamento da Ontologia;

b) Definição dos predicados dos axiomas;

c) Aquisição das palavras candidatas a conceitos;

d) Aquisição dos axiomas;

e) Geração e avaliação da ontologia.

Ao fim de cada etapa da EVOLUI, são gerados produtos, entradas para as fases

posteriores.

Fases da metodologia :

Figura 4.1 - Fases da Evolui

páginas

ontologia

(1) planejamento

da ontologia

(5)

geração e

avaliação da

ontologia

axiomas

(2) definição dos

predicados dos

axiomas

(3) aquisição de

palavras candidatas

a conceito

(4) aquisição dos

axiomas

conceitos

predicados

consulta

"web"

predicados

melhora

ontologia ?

4.2 Descrição das Fases da Metodologia EVOLUI.

Durante o detalhamento das fases da metodologia será utilizado um exemplo no

domínio da Biologia, contido nos anexos III a IX.

4.2.1 Planejamento da ontologia

Nesta fase, escolhe-se o domínio de aplicação da metodologia, as métricas a serem

utilizadas para avaliar a ontologia, bem como a linguagem de representação da ontologia.

• Determinação do domínio da ontologia que será criada ;

• Identificação ou criação de métricas para avaliação da ontologia : por

exemplo, métricas de MAEDCHE e STAAB (2002) ou métricas criadas

pelo próprio especialista.

• Escolha da linguagem para representar a ontologia : por exemplo,

OIL, DAML+OIL, OWL

• Criação de cronograma, explicitando recursos utilizados e pessoas

participantes : por exemplo, modeladores e avaliadores da ontologia.

O produto dessa etapa é o Planejamento da Ontologia, conforme anexo III.

4.2.2 Definição dos predicados dos axiomas:

Esta fase é no início realizada manualmente pela pessoa que irá modelar a ontologia.

Com base em experiência pessoal, definirá os termos ou expressões, que são predicados, que

unirão os conceitos da ontologia. Por exemplo, o termo "é um" pode ser escolhido como

predicado, pois expressa uma relação entre conceitos, como na oração "O homem é um

mamífero". O predicado "é um", liga o conceito homem ao mamífero.

À medida que o processo de modelagem da ontologia vai evoluindo, a pessoa que irá

modelar a ontologia tem a ajuda de ferramenta computacional (ONTOPRO), que exibe as

sentenças (ou partes destas) extraídas do texto onde estão as relações, obtidas na interação

anterior. A pessoa ao ler as sentenças exibidas pode descobrir novas relações, acrescentando

manualmente mais predicados aos já existentes.

Segundo MAEDCHE e STAAB (2000b), uma ontologia de nome O pode ser definida

através de quatro elementos O := (C, R

, R

, A) em que C são os conceitos da ontologia, R

são as relações taxonômicas definidas por R

⊂ C x C, R

as relações não-taxonômicas

definidas por R

⊂ C x C x STRING, onde STRING é a palavra ou expressão que relaciona

os conceitos e, finalmente, A são os axiomas da ontologia.

Está na introdução deste capítulo que, em OWL uma descrição conceitual atômica, por

exemplo "organismo", é chamada de classe e constitui um axioma OWL. Para descrever

"organismo", usa-se a seguinte construção OWL :

<owl:Class rdf:ID="organismo">

Em OWL, as relações taxonômicas são representadas por cláusulas explícitas na

linguagem, ou seja, como se fossem "palavras reservadas" das linguagens de programação

tradicionais (pascal, C++ e outras). Por exemplo, a relação taxonômica "

IS A

" é expressa pela

cláusula OWL rdfs:subClassOf. Assim, para representar a descrição conceitual, "o homem é

um animal", poder-se-ia usar a seguinte construção OWL, que é um axioma OWL :

<owl:Class rdf:ID="homem">

<rdfs:label>homem</rdfs:label>

<rdfs:subClassOf rdf:resource="#animal"/>

</owl:Class>

A relação não-taxonômica "SAME AS" é expressa pela cláusula OWL

owl:equivalentClass. Para representar, por exemplo, a descrição conceitual "organismo é o

mesmo que ser", ter-se-ia a seguinte construção OWL, que também é um axioma OWL :

<owl:Class rdf:ID="organismo">

<rdfs:label>organismo</rdfs:label>

<owl:equivalentClass rdf:resource="#ser"/>

</owl:Class>

Por outro lado, as relações não-taxonômicas em OWL são representadas por restrições

sobre conceitos. O conceito de "restrição sobre conceitos" é o mesmo da Lógica Descritiva ou

Lógica de Descrição (capítulo dois). Essas "restrições" fazem o papel da STRING definida

por MAEDCHE e STAAB (2000b) na relação não-taxonômica. Assim, para representar a

descrição conceitual "o homem que matou a criança", usar-se-ia a seguinte construção OWL :

<owl:Class rdf:ID="homem">

<rdfs:label>homem</rdfs:label>

<rdfs:subClassOf rdf:resource="#animal"/>

<owl:Restriction>

<owl:onProperty rdf:resource="#que matou"/>

<owl:hasValue rdf:resource="#criança"/>

</owl:Restriction>

</owl:Class>

A tabela 4.1 dá exemplos da lista de palavras escolhidas para expressarem os axiomas

OWL.

Predicado Cláusula OWL Taxonômico, Não

Taxonômico ou Instância

demonstrou

demonstrava

apresentou

apresentava

mostrou

mostrava

como

composta

composto

é o

é a

é um

é uma

<owl:Class rdf:ID="conceito">

</owl:Class>

</conceito>

Instância

é todo

é toda

<owl:Class rdf:ID="conceito1">

</owl:Class>

<owl:Class rdf:ID="conceito2">

<rdfs:label>conceito2</rdfs:label>

<rdfs:subClassOf rdf:resource="#conceito1"/>

</owl:Class>

Taxonômico

é a causa

<owl:Class rdf:ID="conceito1">

<rdfs:subClassOf>

<owl:Restriction>

<owl:ObjectProperty rdf:resource="#relação1"/>

<owl:SomeValuesFrom rdf:resource="#conceito2"/>

<owl:SomeValuesFrom rdf:resource="#conceito3"/>

</owl:Restriction>

</rdfs:subClassOf>

</owl:Class>

Não Taxonômico

Tabela 4.1- Exemplo de palavras escolhidas da linguagem natural para expressarem axiomas

na linguagem OWL

O produto dessa etapa está exemplificado no anexo IV: Predicados dos Axiomas

Utilizados .

4.2.3 Aquisição de palavras candidatas a conceitos:

Inicialmente, o usuário montará consultas submetidas a sites de busca : altavista,

google, etc. Estas consultas serão formadas por palavras, que provavelmente tornarão futuros

conceitos, a depender da análise da pessoa que irá modelar a ontologia. Os endereços dos sites

resultantes da consulta serão armazenados em um arquivo. O usuário pode repetir a operação

diversas vezes. Seguem dois exemplos de consulta realizados para escolha de sites no

domínio Biologia :

Consulta 1 : célula AND tecido AND seres AND divisão AND reprodução AND NOT

programa

No exemplo, o mecanismo de busca (altavista, google) retornará todos os sites que

tenham as palavras célula, tecido, seres, divisão, reprodução e não tenham a palavra

programa, evitando-se ementas de disciplinas.

Consulta 2 : câncer NEAR célula AND NOT programa.

O mecanismo de busca (altavista apenas) retornará todas os sites que tenham as palavras

câncer e célula e não tenham mais de vinte palavras de distância uma da outra e que não

tenham a palavra programa.

Depois, com base nos sites obtidos pelas consultas , é extraído o conteúdo HTML das

páginas e armazenadas.

A seguir faz-se a preparação dos dados, que consiste em automaticamente:

a) trocar as expressões HTML de acentuação por caracteres correspondentes. Exemplo :

ç corresponde ao caracter ç; ó corresponde ao caracter ó;

b) eliminar as tags html e códigos de programação em javascript, vbscript ou estilos;

c) colocar em cada linha somente uma oração. Por exemplo :

Situação anterior do texto :

A célula cancerosa multiplica-se facilmente. Estudos

indicam que a taxa de multiplicação varia conforme o indivíduo.

Situação posterior do texto :

A célula cancerosa multiplica-se facilmente.

Estudos indicam que a taxa de multiplicação das células varia conforme o indivíduo.

d) eliminar do texto as linhas (linhas físicas, limitadas por "line feed" e "carriage

return") que não possuam predicados dos axiomas, definidos esses predicados na fase

Definição dos Predicados dos Axiomas.

O usuário digita as palavras que deseja eliminar, na maioria palavras vazias, isto é,

artigos, preposições, conjuções, interjeições etc, que sozinhos não podem expressar um

conceito.

Depois, são selecionadas as palavras candidatas a conceitos com base na freqüência

total das palavras, no arquivo, obtidas na fase "d" da subfase preparação de dados. Essa

seleção representa uma contribuição à área de recuperação de informação, pois combina a

freqüência total das palavras com um contexto, definido pela palavra que representa o

predicado do axioma OWL.

O passo descrito a seguir corresponde ao refinamento manual da figura 4.2. O usuário

observa a lista de palavras candidatas, verifica se há alguma palavra indesejada (adjetivos,

artigos, palavras não diretamente relacionadas com o domínio, por exemplo, a palavra

flamengo em domínio de Biologia). O objetivo é escolher principalmente substantivos que

expressem conceitos do domínio estudado. Caso haja palavra indesejada, marca-a e repete o

processo. Este passo é repetido diversas vezes até que a lista de palavras candidatas a conceito

esteja validada pelo usuário.

O produto dessa fase encontra-se no anexo V, Lista de Palavras Candidatas a Conceitos.

A figura 4.2 explica o processo de extração das palavras candidatas da metodologia

EVOLUI. Inicialmente, o usuário digita consultas que são submetidas a um site de busca

Figura 4.2 - Processo de extração das palavras candidatas

predicados

consulta web

4 links

web

captura páginas

5 links

6 páginas

prepara dados

altavista 2 consulta

1 digita

consultas

10 retorno

conforme

avaliação do

usuário

9 palavras a

serem excluídas

8 orações

extrai palavras

candidatas

refinamento

manual

palavras

candidatas

FIM

palavras vazias

(fluxos 1 e 2 da figura). Das páginas html retornadas, são extraídos os links e gravados em um

arquivo (fluxo 3). Os links são lidos do arquivo e as páginas html correspondentes a estes

links são gravadas em um arquivo de páginas (fluxos 4, 5, 6 e 7). Os predicados e palavras

vazias são digitados manualmente em arquivos separados e todo o código html, javascript e

vbscript são excluídos do arquivo de páginas (fluxos 8 e 9). As linhas do arquivo de páginas

que não têm predicados são eliminadas, dando origem a um arquivo de menor tamanho

(fluxos 8 e 9). Um programa extrai e lista em ordem decrescente as palavras candidatas a

conceito do arquivo de páginas. O usuário examina a lista de palavras candidatas e se existir

alguma relacionada com o domínio, promove a exclusão (refinamento manual). Se a

quantidade de palavras candidatas for muito pequena, o usuário pode iniciar todo o processo,

montando novas consultas e submetendo-as novamente a um site de busca.

4.2.4 Aquisição dos axiomas :

São escolhidas e aplicadas as técnicas para aquisição dos axiomas. A entrada é o

conjunto de palavras candidatas a conceito e conjunto de predicados.

Para aquisição dos axiomas OWL, é proposta a técnica

FLEX

baseada na idéia de

"casamento de padrões" (capítulo 3).

O que se propõe, na técnica FLEX, é generalizar o conceito de relação, baseado nas

definições de MAEDCHE e STAAAB (2000b) e, posteriormente. em MAEDCHE e STAAB

(2003) de relações taxonômicas, não-taxonômicas e genéricas. A relação genérica pode ser

definida por R

GEN

⊂ C x C x STRING, onde esta STRING pode expressar uma relação

taxonômica ou não taxonômica, entre os conceitos. Assim, a relação taxonômica é um caso

especial de uma relação genérica, onde a própria linguagem ou outro mecanismo de

representação da ontologia que expressa esta relação já possui expressões embutidas para

representá-la, como, por exemplo, em OWL, a expressão "rdfs:subclassOf" é uma relação

taxonômica (que é um axioma OWL).

O que é feito nessa fase da metodologia é a escolha de expressões ou palavras da

linguagem natural escrita, que fazem o papel da STRING na definição acima, a partir do que a

STRING será chamada de predicado da relação genérica

ou predicado do axioma OWL ou

simplesmente predicado

Na FLEX para cada axioma OWL será definido um predicado, representado pelo

conjunto de palavras que representam o axioma OWL.

Foi utilizado o padrão com a seguinte estrutura : predicado (primeira palavra ou

expressão, segunda palavra ou expressão), em que predicado é o termo (palavra ou

expressão) que liga a primeira palavra à segunda. As palavras serão preferencialmente

substantivos. A estrutura predicado (primeira palavra ou expressão, segunda palavra ou

expressão) representa um axioma OWL, da futura ontologia.

Observem-se os exemplos :

Quadro 4.1- Exemplo de relações representadas por axiomas na linguagem OWL

é um

(protótipo,sistema), significando que protótipo é um tipo de sistema ;

dependente (qualidade, processo), significando que qualidade está ligada a processo;

Aplicada a cada oração da página, onde o elemento delimitador da oração foi

considerado o ponto final, usou-se a seguinte heurística para a descoberta dos futuros axiomas

nas páginas da Internet :

a)inicialmente, localizada a palavra (ou expressão) que expressa o predicado do axioma (é

um, tem, formado, semelhante a, dependente, parte de ...);

b)depois, pesquisou-se do lado esquerdo da palavra que expressa o predicado do axioma, se

havia alguma palavra (ou expressão) da lista de palavras candidatas a conceito; identificada,

avança-se para o passo seguinte; caso contrário, é lida nova linha e volta-se para o passo a;

c) pesquisou-se, do lado direito da palavra que expressa o predicado do axioma, se havia

alguma palavra da lista de palavras candidatas a conceito; identificada, gera-se o axioma, caso

negativo, é lida nova linha e retorna-se para o passo a.

As entradas para a realização da tarefa foram : orações extraídas de páginas da Internet

e conjunto de palavras candidatas a conceito, obtidas na etapa "Aquisição de palavras

candidatas a conceitos"

, conjunto de palavras que expressam os predicados dos axiomas,

definidas na etapa "Definição dos predicados ".

O produto está no anexo IX, Axiomas Encontrados (Parcial).

A geração de ontologia em OWL será realizada automaticamente, onde os predicados

de relações taxonômicas serão substituídos pela expressão "rdfs:subClassOf". Os predicados

que expressam relações não-taxonômicas de semelhança serão substituídos pela cláusula

"owl:EquivalentClass", as que expressam relações de disjunção pela "owl:disjointWith" e as

demais pela cláusula "owl:ObjectProperty" rdf:ID=

"nome_do_predicado_que_expressa_relação".

4.2.5 Geração e avaliação da Ontologia.

Procedece-se à avaliação dos axiomas obtidos. Aplicando as métricas definidas,

verifica-se se os axiomas estão de acordo com a expectativa do usuário. Não o sendo, o

usuário poderá excluir, adicionar relações ou retornar para qualquer fase anterior.

Foi observado, quando se aplicou a técnica FLEX que a quantidade de axiomas

encontrados é função da distância entre o predicado e as palavras candidatas a conceito. Foi

alterada a ferramenta automatizada, para que esta variável (distância entre o predicado e as

palavras candidatas a conceito) fosse informada pelo usuário, antes da extração dos axiomas.

Assim, se a quantidade de axiomas encontrados for muito grande, o usuário através da

ferramenta poderá diminuir a quantidade de axiomas gerados, diminuindo a distância

Para a avaliação dos axiomas encontrados, serão utilizadas as métricas precisão e

recuperação (Aquisição de Conhecimento a Partir da Linguagem Natural Escrita).

Para a avaliação da ontologia, será utilizada a métrica de MAEDCHE e STAAB

(2002b) conforme detalhada em 2.8 Metodologias de Construção e Métricas de Avaliação

de Ontologias.

A seguir, gerar-se-á a ontologia em linguagem suportada pela Web Semântica. A nova

ontologia recém-criada será incorporada à uma base de ontologias, para futuros trabalhos de

integração.

O produto será a ontologia expressa em uma linguagem da ontologia, por exemplo

OWL , conforme anexo VI.

4.3 Comparação com Trabalhos Correlatos.

O trabalho mais próximo à metodologia EVOLUI é a de MAEDCHE e STAAB (2000a

e 2001). A diferença é que EVOLUI faz um mapeamento da linguagem natural com os

predicados dos axiomas das linguagens para a Web Semântica, na fase Definição dos

Predicados dos Axiomas. Essa fase facilita o processo de geração automática da ontologia na

linguagem para a Web Semântica.

A técnica FLEX é semelhante as propostas por HEARST(1992) , CHARNIAK(1999) e

MAEDCHE e STAAB (2000b), e pode ser classificada como técnica de extração de

conhecimento de linguagem natural baseada em casamento de padrões. A diferença é que a de

HEARST(1992) só extrai relações taxonômicas ("'é um", "tipo de") e a de CHARNIAK

(1999) somente um tipo de relação não-taxonômica ("parte de"). A técnica proposta por

MAEDCHE e STAAB (2000b) só extrai relações não-taxonômicas.

FLEX é mais genérica podendo sugerir qualquer tipo de relação, ou seja, relações

taxonômicas e não-taxonômicas. Além disso não foram usados analisadores sintáticos como

HEARST (1992) , CHARNIAK(1999), MAEDCHE e STAAB (2000b) para a extração das

palavras candidatas. Também não o foram ontologias como MAEDCHE e STAAB (2000b)

para extração das relações candidatas.

Capítulo 5

Aplicação do Método de Criação de Ontologias Evolutivo

(EVOLUI)

5. Exemplo da aplicação da Metodologia EVOLUI no domínio

CARDIOLOGIA.

5.1 Planejamento da ontologia.

Construiu-se a ferramenta OntoPro (Ontology Processor) na linguagem Java para apoiar

a metodologia. As métricas utilizadas para avaliar os axiomas foram a precisão ("precision") ,

recuperação ("recall") e "f-measure", e a ontologia foi a de MAEDCHE e STAAB (2002b)

(capítulo anterior).

O domínio escolhido foi o da cardiologia. Este domínio foi escolhido porque já existia

uma ontologia referência neste domínio, construída manualmente, retirada do trabalho de

OLIVEIRA (1999).

Para apoiar a metodologia foi construída a ferramenta ONTOPRO.

O planejamento da ontologia está no anexo III desta dissertação.

A ontologia referência está no anexo X desta dissertação.

5.2 Definição dos predicados dos axiomas.

Para a definição dos predicados dos axiomas, fez-se um mapeamento entre a

linguagem OWL e a linguagem natural. Procurou-se incluir predicados que conduzissem tanto

a relações taxonômicas, como a relações não-taxonômicas.

A definição dos predicados dá-se inicialmente de acordo com a experiência do usuário

naquele domínio. Como mostrado no capítulo anterior, a metodologia é cíclica, ou seja cada

conjunto de fases pode ser executado diversas vezes. À medida que o especialista vai

colhendo os resultados na fase de avaliação, analisando o produto descrito no anexo IX

gerado pela ferramenta ONTOPRO, depois de uma interação, o mesmo vai refinando os

predicados, incluindo novos e excluindo aqueles que não propiciaram boa avaliação.

A definição dos predicados está no anexo IV desta dissertação.

5.3 Aquisição das palavras candidatas a conceito.

Inicialmente o especialista digitou as seguintes consultas que foram submetidas ao site

www.altavista.com, usando a ferramenta ONTOPRO (ver figura 5.1) :

1 a. Consulta :

patologia+AND+coração+AND+NOT+programa

Na primeira consulta, deseja-se extrair todos os sites que tenham as palavras patologia e

coração e não possuir a palavra programa, tentando-se evitar descrição de conteúdo das

disciplina de colégios ou universidades.

Figura 5.1 – Exemplo de consulta para extrair sites no domínio Biologia.

2 a. Consulta :

anatomia+AND+coração+AND+NOT+programa

3a. Consulta :

exame+AND+coração+AND+NOT+programa

Foram extraídos 161 sites, relacionados no Anexo VII.

Não se fez o filtro das páginas extraídas, apesar de algumas originadas de sites que não

estão diretamente relacionados com o domínio Biologia, como por exemplo, a página

http://www.meishusama.org/homepage/oracoes-outras/autoexame_da_Fe.htm.

O filtro será realizado

quando as palavras candidatas forem analisadas pelo especialista.

Deste site foram extraídas as páginas HTML e ASP, que formaram um arquivo de 3,89

Mb contendo textos , "tags" HTML, "scripts" (JAVASCRIPT, VBSCRIPT) e definição de

"styles".

A passo a seguir foi trocar a representação de acentos em HTML para caracteres. A

tabela 5.1 (parcial) possibilita noção do que foi realizado :

Cláusula HTML Caracter

ç ç

á á

é é

õ õ

Tabela 5.1 Tabela parcial de conversão das cláusulas HTML para caracteres

Depois de extraídas as tags HTML, o arquivo diminuiu para o tamanho de 0,80 Mb. O

arquivo possui 131.900 palavras e 19.078 linhas.

Figura 5.2 – Palavras candidatas extraídas (lista parcial).

O número que aparece ao lado da figura 5.2 representa a freqüência absoluta no texto

filtrado, ou seja, depois de excluídas as linhas que não possuíam os predicados das relações.

Foram escolhidas 172 palavras candidatas, que representam 3 % da quantidade (5736)

das palavras das linhas do texto, sem contar as repetições. Essas palavras estão relacionadas

no anexo V.

Para extração das palavras candidatas a conceitos, usou-se a técnica definida no

capítulo anterior. Combina ao mesmo tempo a análise lexógrafica (WIVES (1999)),

comentada no capítulo

Aquisição de Conhecimento a Partir da Linguagem Natural

Escrita com o contexto da oração, ou seja, a existência dos predicados definidos na fase

anterior.

Para a escolha das palavras candidatas a conceito, consideram-se a opinião do

especialista, também de forma interativa. Para a escolha das palavras não foram usados

tesauros ou ontologias. O programa de escolha das palavras candidatas é um analisador

léxico, que faz o reconhecimento delas. Antes de iniciar a extração, tomou-se a gramática e

cadastraram-se artigos, preposições, advérbios, numerais, pronomes, conjunções e a flexão de

alguns verbos irregulares no arquivo de palavras excluídas. Na escolha dessas palavras,

tiveram-se em consideração principalmente os substantivos, de acordo com recomendação de

VERSPOOR (1997) para criação de ontologias.

O limite de truncagem expressa a freqüência absoluta mínima que as palavras aparecem

no conjunto de orações escolhidas. O limite de truncagem adotado foi de dois, ou seja,

palavras com freqüência abaixo de dois foram desconsideradas. Se fosse adotado o limite de

truncagem igual a um, ter-se-ia que analisar mais 3449 palavras, sendo um enorme esforço

para o especialista, visto que o refinamento das palavras candidatas é realizado manualmente

pelo especialista.

As palavras removidas, ou seja, preposições, verbos, conjunções, etc., estão no anexo

VIII.

5.4 Aquisição dos axiomas.

Para efeito de comparação com a ontologia referência, foram escolhidas somente as

relações que possuiam conceitos e instâncias compostos por uma única palavra, uma vez que

a técnica FLEX não trabalha com conceitos formados por mais de uma palavra. A ontologia

referência possui no total 50 relações, sendo 8 formadas por conceitos de uma única palavra

(16 %) e 122 instâncias, sendo 23 ligadas a conceitos de uma única palavra (19 %).

As relações entre os conceitos e instâncias de uma palavra da ontologia referência estão

apresentados na tabela 5.2. Esta tabela também apresenta os conceitos e instâncias

encontrados.

Conceito Sub-Classe Instância Encontrado (S=Sim e

N=Nào) ?

etiopatogenia etiologia N

etiopatogenia patogenia N

artéria aorta S (duas vezes)

artéria cincunflexa N

parede pericárdio S

parede miocárdio S (duas vezes)

parede endocárdio N

função fisiologia S

função fisiopatologia N

fisiologia contração N

fisiologia transporte N

fisiologia nutrição N

diagnóstico sindrômico N

diagnóstico etiológico N

Conceito Sub-Classe Instância Encontrado (S=Sim e

N=Nào) ?

sindrômico angina N

terapia clínica N

terapia intervencionista N

intervencionista angioplastia S

intervencionista valvoplastia N

sintoma dispnéia S (duas vezes)

sintoma síncope S

sintoma palpitação S

sintoma diarréia S

abdome hepatomegalia S

abdome esplenomegalia S

abdome ascite S

bioquímica colesterol S

bioquímica eletrólitos N

bioquímica glicemia N

hematologia eritrograma N

hematologia leucograma N

Tabela 5.2 Conceitos e instâncias da ontologia referência com apenas uma palavra

Para extração dos axiomas, verificou-se, após sucessivos testes, que o índice "f-

measure" era função da distância (medida em bytes, que será representada pela letra D) do

predicado em relação às palavras candidatas a conceito (tabelas 5.3, 5.4 e 5.5) :

D Qtd. axiomas extraídos Qtd. axiomas encontrados na

ontologia referência

Precision Ontology

15 bytes 21 10 48 %

30 bytes 32 12 44 %

50 bytes 39 16 41 %

100 bytes 68 16 24 %

200 bytes 100 16 16 %

Tabela 5.3 Tabela da métrica precisão ("precision")

D Qtd. axiomas

encontrados na

ontologia referência

Qtd. axiomas da ontologia

referência

Recall Ontology

15 bytes 9 31 29 %

30 bytes 12 31 39 %

50 bytes 13 31 42 %

100 bytes 13 31 42 %

200 bytes 13 31 42 %

Tabela 5.4 Tabela da métrica recuperação ("recall")

D Precision Ontology Recall Ontology F-Measure

15 bytes 48 % 29 % 0,36

30 bytes 44 % 39 % 0,41

50 bytes 41 % 42 % 0,41

100 bytes 24 % 42 % 0,30

200 bytes 16 % 42 % 0,23

Tabela 5.5 Tabela da métrica "F-Measure"

Com base na tabela 5.5 escolheu-se a distância de 50 bytes para montar-se a ontologia,

visto que proporcionou o melhor índice de "f-measure" e de "recall ontology".

Os axiomas extraídos estão listados parcialmente no anexo IX.

5.5 Geração e Avaliação da ontologia.

Para avaliar a ontologia, empregou-se o índice "precision ontology" e "recall ontology"

de MAEDCHE e STAAB (2000b) conforme descrito no capítulo 4. Como dito no início deste

capítulo foi utilizada como referência a ontologia do tema cardiologia do trabalho de

OLIVEIRA (1999).

Os valores obtidos do precision ontology foram 41 % e recall ontology foram 42 %. O

índice recall encontrado indica que a ontologia obtida é 42 % semelhante a parte da ontologia

referência escolhida (relações de conceitos e instâncias de uma palavra). O índice precision é

usado para determinar-se o melhor índice de "f-measure", que é uma média ponderada entre o

recall e o precision. Sem levar em conta os objetivos dos trabalhos, analisando somente os

números em si, os índices recall e precision mostraram superiores aos obtidos nos trabalhos de

FAURE e NÉDELLEC (1998) e MAEDCHE e STAAB (2002) e inferiores aos trabalhos de

HEARST (1992) e CHARNIAK(1999).

Porém, levando-se em conta os objetivos, os resultados obtidos não podem ser

comparados com os trabalhos de HEARST (1992) e CHARNIAK(1999), pois o trabalho

presente visa obter relações taxonômicas e não-taxonômicas. O de HEARST e CHARNIAK

visava obter somente relações taxonômicas.

Também, pela mesma razão é difícil comparar os resultados com os do trabalho de

MAEDCHE e STAAB (2002), pois possuem objetivos diferentes. O trabalho apresentado

aqui busca obter simultaneamente relações taxonômicas e não-taxonômicas para criar uma

ontologia. O de MAEDCHE e STAAB (2002) visava enriquecer a ontologia cuja taxonomia

já estava previamente definida manualmente.

Assim, não há trabalho conhecido em que se possam comparar os índices PO (precision

ontology) e RO (recall ontology), ficando como referência para trabalhos futuros.

Depois da avaliação da ontologia, gerou-se a ontologia automaticamente em OWL

(anexo VI).

Capítulo 6

Conclusões e Perspectivas Futuras.

Por meio deste trabalho, define-se uma metodologia para auxiliar o processo de criação

de ontologias a partir de textos (páginas web) que :

a) no início do processo, receba expressões de consultas, similares aos dos sites de

busca (altavista, google e outros) ;

b) não aplica análise sintática nos textos (páginas web);

c) não usa tesauros ou ontologias para auxiliar a identificação ou escolha de conceitos;

d) usa a web para adquirir as fontes de extração de conhecimento ;

e) sugere conceitos, combinando a frequência e a existência de predicados definidos

pelo especialista (contribuição desta dissertação);

f) sugere relações taxonômicas e não-taxonômicas ;

g) sugere axiomas de classe da linguagem OWL a partir das relações extraídas;

h) a qualidade da ontologia é considerada e aperfeiçoada com base na avaliação, em

face dos índices "precision ontology" e "recall ontology" ;

i) a ontologia gerada está pronta para ser usada na Web Semântica, ou seja, codificada

em linguagem compatível com a Web Semântica ;

A metodologia possui as seguintes vantagens em relação a métodos que usam tesauros

para construção de ontologias :

a) o tesauro pode não estar disponível na língua, como é o caso do Wordnet na língua

portuguesa;

b) se for utilizado tesauro em outra língua como o Wordnet em inglês, o termo da língua

origem pode não ter tradução apropriada, como é o caso da palavra saudade, que não existe

boa tradução para o inglês;

c) a palavra pode não existir no tesauro, como termos técnicos ou gírias;

d) as relações entre os conceitos no tesauro são fixas;

e) usando o tesauro ainda há de se escolher o sentido do conceito.

Essa metodologia propõe as seguintes contribuições ao processo de criação de

ontologias de forma semi-automática :

a) ajuda a confeccionar ontologias interativamente, através de processo cíclico e

evolutivo, em que o conhecimento inicial para a confecção da ontologia parte

de expressões de consultas realizadas à web, montadas pelo especialista, para

extrair páginas relacionadas ao domínio da ontologia, podendo repetir esta

etapa inúmeras vezes, a fim de capturar mais conhecimento para a ontologia;

b) sugestão de palavras candidatas a conceitos combinando a frequência relativa e

a existência de predicados de axiomas OWL;

c) sugestão de relações taxonômicas e não-taxonômicas a partir de um "pattern"

genérico;

A metodologia possui uma limitação que é a definição dos predicados (fase Definição

dos predicados dos axiomas

). O usuário precisa conhecer os termos da língua natural ou do

domínio, capazes de ligar conceitos e que expressem relações de taxonomia ("is a") ou

relações não-taxonômicas (como por exemplo "part of").

Este ensaio não tem o intuito de propor a substituição da presença humana na criação de

ontologias, pois o processo é tipicamente trabalho de modelagem. O objetivo é auxiliar esta

tarefa árdua, principalmente em linguagens em que bons tesauros são ainda diminutos, como

no caso da língua portuguesa.

Para trabalhos futuros, pode-se :

a) implementar algoritmos de agrupamentos (clustering) para agrupar palavras

similares, durante a fase de escolha de palavras candidatas a conceitos ;

b) criar um algoritmo para sugerir os predicados dos axiomas, por exemplo usando

"datamining";

c) desenvolver técnicas de integração com ontologias já definidas ;

d) refinar as palavras escolhidas da relação;

e) construir a navegação semântica, que consiste em usar os conceitos e relações da

ontologia criada para percorrer outras páginas web;

f) sugerir conceitos com duas ou mais palavras;

g) troca de arquivos entre computadores com base nas ontologias criadas;

h) construção de ferramenta de colaboração, tipo a "ICQ", combinando ontologias

pessoais, onde estariam especificados gostos e características pessoais.

Referências Bibliográficas

AMANN,B. e FUNDULAKI,I. Integrating Ontologies and Thesauri to build RDF Schemas.

Paris: Cedric CNAM,1999.

APPELT,D. E. e ISRAEL, D. J. Introduction to Information Extraction Technology. Tutorial

preparado para a Conference on Artificial Intelligence, 1999 (IJCAI-99).Disponível em

http://www.ai.sri.com/~appelt/ie-tutorial/IJCAI99.pdf.

ARPÍREZ, J.; Gómez-Pérez, A.; Lozano A.; Pinto, S. (ONTO)2 Agent : An Ontology-based

WWW Broker to Select Ontologies . Workshop on Applications of Ontologies and PSMs.

Brighton, England, 1998.

AUSSENAC-GILLES, N. et al. Revisiting Ontology Design : a Methodology based on

Corpus Analysis. Em Proc. Twelfth European Knowledge Acquisition Workshop (EKAW-

2000), Juan-les-Pins, France, 2000.

BAADER, HORROCKS e SATTLER. Descriptions Logics as Ontology Languages for the

Semantic Web. Department of Computer Science, University of Manchester, UK, 2003.

BAEZA-YATES, R. e RIBEIRO-NETO, B. Modern Information Retrieval. Addison-Wesley

Longman Pub, 1999.

BERLAND, Mattew e CHARNIAK, Eugene. Finding Parts in Very Large Corpora. Brow

University, 1999.

BERNARAS A., LARESGOITI I., CORERA J. Building and Reusing Ontologies for

Eletrical Network Applications. Proceedings of the European Conference on Artificial

Intelligence, 1996.

BIÉBOW B. e SZULMAN, S. Acquisition and Validation: from Text to Semantic Network.

Proc. Seventh European Knowledge Acquisition Workshop, EKAW-93, Tolouse, France,

1993.

BIÉBOW B. e SZULMAN, S. Terminae : A Linguistics-Based Tool for Building of a

Domain Ontology. In D. Fensel and R. Studer, editors. Proceedings of the 11

Europeran

Workshop (EKAW 99), Springer-Verlag, 1999.

BOLEY,Harold. Design Rationale of RuleML : A Markup Language for Semantic Web

Rules. DFKI Kaiserslautern, Alemanha, 2001.

BORGO, S.; Guarino, N; Masolo, C. Stratified Ontologies : the Case of Physical Objects. In

procedings of the Workshop on Ontological Engineering. Budapest, 1996.

BOURIGAULT, D. Lexter, a Natural Language Processing Tool for Terminology Extraction.

In Proceedings of 7

EURALEX International Congress, Goteborg, 1996

BRICKLEY,D. e GUHA, R. V. RDF Vocabulary Description Language 1.0 : RDF Schema.

Em http://www.w3.org/TR/rdf-schema/, 2002.

BROEKSTRA, Jean et al. Enabling knowledge representation on the web by extending RDF

Schema. Vrije University, Amsterdam, 2002.

BRUSCHINI, Cristina et al. Tesauro para Estudos de Gêneros. São Paulo : Fundação Carlos

Chagas, 1998.

COWIE, Jim e LEHNERT, Wendy. Information Extraction. Communications of the

ACM.Vol. 19. Páginas 80 a 91, 1996.

CLARK, James e DEROSE, Steve. XML Path Language (XPath). Em

http://www.w3.org/TR/xpath.html, 1999.

DAHLGREN, K. A Linguistic Ontology. International Journal of Human-Computer Studies,

volume 43, páginas 809-818, 1995.

DAHLGREN, K. Naive Semantics for Natural Language Understanding. Boston, Kluwer

Academic, 1988.

DARPA (Defense Advanced Research Projects Agency). The darpa agent mak up language

(daml), Em http://www.daml.org, 2000.

DEAN, Mike et al. Web Ontology Language (OWL) reference version 1.0. Em

http://www.w3.org/TR/2002/WD-owl-ref-20021112.

DECKER,Stefan et al. Learning Ontologies for the Semantic Web. Karlsruhe : AIFB Institute,

2001.

DECKER,Stefan et al. An Informal Description of Standard Oil and Instance Oil. California:

Stanford University,2000.

DECKER,Stefan et al. Knowledge Representation on the Web. University of Karlsruhe,

AIFB, 2000b.

DIERERICH,J., RUHMANN I. e MAY, M. KRITON : a Knowledge Acquisition Tool for

Expert Systems. Em Knowledge-Based Systems : Vol. 2 : Knowledge Acquisition Tools for

Expert Systems, Academic Press, Londres, 1988.

EUZENAT, Jérôme. Towards a principled approach to semantic interoperability. INRIA -

Alpes, França, 2001.

FARIA, Carla G. e ROSARIO, Girardi. Uma análise da Web Semântica e suas implicações no

acesso à informação. Universidade Federal do Maranhão, 2002.

FARQUHAR,Adam et al. Colaborative Ontology Construction for Information Integration.

Califórnia : Stanford University, 1995.

FAURE E NÉDELLEC. Acquisition of Semantic Knowledge using Machine Learning

Methods : the System ASIUM. Laboratoire de Recherche en Informatique, Paris, France,

1998.

FENSEL et. al. Lesson Learned from Applying AI to the Web. Journal of Cooperative

Information Systems, 2000.

FENSEL, D., Y. Ding, B. Omelayenko, E. Schulten, G. Botquin, M. Brown, and A. Flett,

Product Data Integration for B2B E-Commerce, IEEE Intelligent Systems, vol. 16, no. 4, pp.

54-59,2001a.

FENSEL, D. Ontologies: Silver Bullet for Knowledge Management and Electronic

Commerce. SpringerVerlag, 2001.

FENSEL et al. The Semantic Web : Yet Another Hip ? Data and Knowledge Engineering,

2002.

FILLMORE, C. J. The Case for Case. New York : em Universals in Linguistic Theory, 1-90,

1968

GIARARRATO, J. e RILEY, G. Expert Systems : Principles e Programming. PWS

Publishing Company, Boston, 1998.

GORDIJN, et. al. Business Modeling Is Not Process Modelling. Em : Conceptual Modelling

for E-Business and the Web, Springer-Verlag, Salt Lake City, EUA, 2000.

GUARINO, Nicola. Semantic Matching : Formal Ontological Distinctions for Information

Organization, Extraction and Integration. In : Information Extraction : a Multidisciplinary

Approach to an Emerging Information Technology, M. T. Pazienza (ed.), Springer Verlag,

pp-139-170, 1997.

GUARINO, Nicola e WELTY, Cristopher. Towards a Methodology for Ontology Based

Model Engineering. Padova, Italy, 2000.

GUARINO, Nicola e WELTY, Cristopher. Evaluating Ontological Decision with Ontoclean.

Communications of the ACM,Vol.45, 2002.

GUNTHER, O. e VOISARD, A. Metadata in Geographic and Environmental Data

Management, In : Managing Multimedia Data : Using Metadata to Integrate and Apply

Digital Data. Mc Graw Hill, 1977.

GRUBER, Thomas R. Towards Principles for the Design of Ontologies Used for Knowledge

Sharing. Califórnia: Stanford University, 1993.

HAN,Jiawei e KAMBER, Micheline. Data Mining Concepts and Techniques. San Francisco :

Morgan Kaufmann Publishers, 2001.

HAWKE, Sandro. How the Semantic Web works. http://www.w3.org/2002/03/semweb, 2002.

HEARST, Martin. A. Automatic Acquisition of Hyponyms from Large Text Corpora.

Proceedings of 14th. International Conference on Computational Linguistics, Nantes, France,

1992.

HEFLIN, Douglas J. e HENDLER, J. Semantic Interoperability on the Web. University of

Maryland, Estados Unidos, 2000.

HEFLIN, Douglas J. Towards the Semantic Web : knowledge representation in a dinamic,

distributed environment. Phd Thesis, University of Maryland, 2001.

HENDLER, James. Ontologies in the Semantic Web. IEEE- Inteligent Systems, Março-Abril,

página 73, 2002.

HORROCKS, Ian . DAML+OIL : A Description Logic for the Semantic Web. Department of

Computer Science, University of Manchester, Inglaterra, 2002.

HUHNS, Michael N. e SINGH, Muninder P. Agents and Multiagent Systems : Themes,

Aproaches and Challenges. Morgan Kaufman Publishers, Estados Unidos, 1999.

HULL, R. e GOMEZ, F. Automatic Acquisition of Historical Knowledge from Encyclopedic

Texts. Em Procedimentos de Knowledge Acquisition Workshop, Banff, Canada, 1998.

Disponível em http://ksi.cpsc.ucalgary.ca/KAW/KAW98/hull.

KARP,Peter D. et al. XOL : An XML - Based Ontology Exchange Language. Version 0.5.

SRI International, Estados Unidos, 2000.

IAN, H. Witten e EIBE, Frank. Data Mining - Practical Machine Learning Tools and

Techniques with Java Implementations. Morgan Kaufmann Publishers, San Francisco, 2000.

KINGSTON, J. Linking Knowledge Acquisition with CommonKADS Knowledge

Representation. Report AIAI-TR-156, AIAI, University of Edinburgh, 1994.

KIETZ,Joerg-Uwe et al. A Method for Semi-Automatic Ontology Acquisition from a

Corporate Internet. Karlsruhe : Karlsruhe University, 2000.

KIFER, M. et al. Logical Foundations of Object-Oriented and Frame-Based Languages.

Jornal da ACM, volume 42, páginas 741 a 843, 1995.

KIM, H. Developing ontologies to enable knowledge management: integrating business

process and data driven approaches, AAAI Workshop on Bringing Knowledge to Business

Processes, 20-22 March, 2000.

KORFHAGE, Robert. R. Information Retrieval and Storage. John Willey & Sons, 1997.

LAME, Guirande. Knowledge Acquisition from Texts Towards an Ontology of French Law.

École Nationale Supérieure des Mines de Paris, Centre de Recherche en Informatique, Paris,

2001.

LASSILA, O. e SWICK, R. Resource Description Framework (RDF) Model and Syntax

Specification. W3C (World-Wide Web Consortium), recomendação 22, 1999.

LEE, T. Barners. Weaving the Web. São Francisco: Harper, 1999.

LEE, T. Barners et al. The Semantic Web. Scientific American, Maio 2001a.

LEE, T. Barners et al. Semantic Web Development Proposal, www.w3c.org/2001/sw, 2001b.

LETHBRIDGE, Timothy C. Metrics for Concept-Oriented Knowledges Bases, University of

Ottawa, 1997.

LU, Shiyong, Ming Dong e Farshad Fotouhi. The Semantic Web : Opportunities and

Challenges for Next-Generation Web Applications. Wayne State University, Detroit, 2002.

LUHN, H.P The Automatic Creation of Literature Abstracts, IBM Journal of Research of

Development, 2, 159-165, 1958.

MAEDCHE, Alexander e Steffen Staab. Ontology Learning for the Semantic Web, Institute

AIFB, Karlsruhe University, 2000a.

MAEDCHE,Alexander e STEFFEN, Staab. Ontology Engineering beyond the Modeling of

Concepts and Relations, Institute AIFB, Karlsruhe University, 2000.

MAEDCHE,Alexander e STEFFEN, Staab. Discovering Conceptual Relations from Text.

Procedimentos do 12th European Knowledge Acquisition Workshop (EKAW 2000), Juan-les-

Pins, France, 2000b.

MAEDCHE, Alexander , Steffen Staab e Siegfried Handschuh. An Annotation Framework

for the Semantic Web, Institute AIFB, Karlsruhe University, 2001.

MAEDCHE, Alexander e STAAB, Steffen. Making Results Comparable - Cross Evaluating

Ontologies, Institute AIFB, Karlsruhe University, 2003.

MAES, P. Modeling Adaptative Autonomous Agents. Artificial Life Journal. Mit Press,

Estados Unidos, 1994.

MAY, Wolfang. A Logic-Based Approach to XML Data Integration. Universidade Albert-

Ludwigs, Freiburg, Alemanha, 2001.

MAHESH,Kavi. Ontology Development for Machine Translation: Ideology and Metodology.

Mexico, New Mexico State University, Computing Research Laboratory, MCCS-96-

292,1996.

MIKHEEV, A. e FINCH, S. A Worbench for Acquisition of Ontological Knowledge from

Natural Text. Em Proc. 7th. Conference of the European Chapter for Computacional

Linguistics (EACL 95), páginas 194-201, Dublin, Irlanda, 1995.

MILLER, George A. Wordnet: A Lexical Database for English. Communications of the

ACM, 1995, vol. 38, páginas 39-41.

MOURA, ANA M. C. Semantic Web : Fundamentals, Technologies, Trends. Tutorial do

XVII Simpósio Brasileiro de Banco de Dados e XVI Simpósio Brasileiro de Engenharia de

Software. Sociedade Brasileira de Computação, Brasil, 2002.

NECHES, R., R.E. Fikes, T. Finin, T.R. Gruber, T. Senator, e W.R. Swartout. Enabling

Techonology for Knowledge Sharing. AI Magazine, 12(3),páginas 36-56, 1991.

NOBÉCOURT, Jérôme. A Method to Build Formal Ontologies from Texts. Université de

Paris-Nord, Laboratoire d’Informatique de Paris-Nord (LIPN), Paris, 2001.

NOY,Natalya F. e HAFNER, Carole D. The State of the Art in Ontology Design – A Survey

and Comparative Review, AAAI, páginas 53-74, 1997.

OLIVEIRA, Káthia M. Modelo para Construção de Ambientes de Desenvolvimento de

Software Orientados a Domínio. Tese de doutourado, UFRJ, Rio de Janeiro, 1999.

PÉREZ, Assunción Gómez. Ontological Engineering : A State of the Art. Facultad de

Informática, Universidade Politécnica de Madrid, Madri, Espanha, 2000.

PÉREZ, Assunción Gómez e CORCHO, Oscar. Ontology Languages for the Semantic Web.

IEEE Inteligent Systems, 2002.

PINTO, H. Sofia e MARTINS, J. P. A Methodology for Ontology Integration, Proceedings of

First International Conference on Knowledge Capture, K-CAP 2001, Victoria, B.C, Canada,

ACM Press, 2001 a.

PINTO, H. Sofia e MARTINS, J.P . Ontology Integration : How to Perform the Process.

Proceedings of IJCAI2001 Workshop on Ontologies and Information Sharing, Seatle,

Washington, USA, AAAI Press, 2001 b.

POTTER, Stephen. A Survey of Knowledge Acquisition from Natural Language. University

of Edinburgh, England, 2003.

RAMALHO, Franklin de Souza. Web Semântica. Apresentação em powerpoint. Universidade

Federal de Pernambuco, Cin, 2002.

RILLOF, E e LEHNERT, W. Information Extraction as a Basis for High-Precision Text

Classification. ACM Transactions on Information Systems, Vol. 12, No. 3, páginas 296-333,

1994.

RUSSEL,Stuart e NORVIG, Peter. Artificial Inteligence : a Modern Approach. New Jersey,

Prentice Hall, 1998.

SALTON, G. e McGILL, M.J. Introduction to Modern Information Retrieval. New York:

McGrawHill, 1983.

SCHÜTZE, Hinrich e SILVERSTEIN, Craig. Projections for Efficient Document Clustering.

Em: Special Interest Group on Information Retrieval, SIGIR, 1997. Proceedings ... New York

: Association for Computing Machinery, 1997. p74-81.

SHAW, M. L.G. e GAINES, B.R. KITTEN : Knowledge Initiation and Transfer Tools for

Experts and Novices. Em Knowledge-Based Systems : Vol. 2 : Knowledge Acquisition Tools

for Expert Systems, Academic Press, Londres, 1988.

SINTEK, Michael e DECKER, Stefan. TRIPLE - A Query, Inference, and Transformation

Language for Semantic Web. DFKI GmbH Kaiserslautern, Alemanha, 2002.

SOWA, J. F. Knowledge Representation : Logical, Philosophical, and Computational

Foundations. Boston, PWS Publishing, Boston, 1997.

STAAB. Learning Ontologies for the Semantic Web. Karlsruhe : AIFB Institute, 2001.

SWARTOUT B., PETIL R., KNIGHT K. e RUSS T. Towards Distributed Use of Large-Scale

Ontologies. Spring Symposium Series on Ontological Engineering. Stanford University,

California, 1997.

TOKUNAGA, Takenobu e outros. Extending a Thesaurus by Classifying Words. Department

of Computer Science, Advanced Research Lab. Hitachi Ltda., 1997.

USCHOLD,Mike e MARTIN,King. Towards a Methodology for Building Ontologies.

Endiburgh : Endiburgh University, 1995.

USCHOLD,Mike e GRÜNINGER,M. Ontologies : Principles, Methods and Applications.

Knowledge Engineering Review, Vol. 11, N.2, Junho 1996.

VAN RIJSBERGEN, C. J. Information Retrieval (2nd Edition). London : Butterworths, 1979.

VELARDI, P., PAZIENZA, M.T, MAGRINI, S. Acquisition of Semantic Patterns from a

Natural Corpus of Texts, SIGART Newsletter, Special Issue on Knowledge Acquisition, No.

108, páginas 115-123, 1989.

VERSPOOR, C. M. Contextually Dependent Lexical Semantics. Phd Thesis. University of

Edinburgh, 1997.

WELTY,C. The Ontological Nature of Subject Taxonomies. In N. Guarino (ed.) Formal

Ontology in Information Systems, IOS PRESS, 1998.

WIVES,Leandro Krug. Um Estudo Sobre Agrupamento de Documentos Textuais em

Processamento de Informações não Estruturadas Usando Técnicas de “Clustering”.

Dissertação de Mestrado, UFRS, Porto Alegre, 1999.

ZIPF, H.P. Human Behaviour and The Principle of Least Effort, Massachussets : Addison-

Wesley, 1949.

ANEXOS

ANEXO I - EXEMPLOS DAS LINGUAGENS SHOE, XOL, RDF-Schema,

OIL e DAML+OIL

Exemplo da linguagem Simple Html Ontology Extensions (SHOE) :

Este exemplo define uma ontologia, chamada família :

<HTML>

<TITLE> Arv. Genealogica </TITLE>

</HEAD>

<USE-ONTOLOGY ID="base.ontology" version="1.0"PREFIX="base" url="http:..">

<DEF-CATEGORY NAME="Pessoa" ISA="base.SHOEEntity">

<DEF-CATEGORY NAME="Homem"ISA="Pessoa">

<DEF-CATEGORY NAME="Mulher" ISA="Pessoa">

<DEF-RELATION NAME="Tem pai"

<DEF-ARG POS="1" TYPE="Pessoa">

<DEF-ARG POS="2" TYPE="Pessoa">

<DEF-RELATION NAME="E irmao"

<DEF-ARG POS="1" TYPE="Pessoa">

<DEF-ARG POS="2" TYPE="Pessoa">

<DEF-RELATION NAME="nome"

<DEF-ARG POS="1" TYPE="Pessoa">

<DEF-ARG POS="2" TYPE=".STRING">

</ONTOLOGY>

</BODY>

</HTML>

E veja a definição do axioma para esta ontologia :

<DEF-INFERENCE DESCRIPTION="e irmao(?pes1,?pes2) if tem pai (pes1,? pessoa) and

tem pai (pes2,?pessoa)>

<INF-IF>

<RELATION NAME= "tem pai"

</RELATION>

<RELATION NAME= "tem pai"

</RELATION>

</INF-IF>

<INF-THEN>

<RELATION NAME= "e irmao"

</RELATION>

</INF-THEN>

</DEF-INFERENCE>

100

Exemplo da linguagem XML - BASED Ontology Exchange Language (XOL) :

Este exemplo define uma ontologia, chamada família :

<name> familia </name>

<class>

<name> pessoa </name>

</class>

<class>

<name> homem </name>

<subclass-of> pessoa </subclass-of>

</class>

<class>

<name> mulher </name>

<subclass-of> pessoa </subclass-of>

</class>

<slot>

<domain> homem </domain>

<slot-value-type> pessoa </slot-value-type>

<slot-inverse> tem pai </slot-inverse>

</slot>

<slot>

<domain> pessoa </domain>

<slot-value-type> homem </slot-value-type>

<slot-inverse> pai de </slot-inverse>

</slot>

<slot-values>

<value> Carlos </value>

</slot-values>

</individual>

<name> Carlos </name>

<slot-values>

</slot-values>

</individual>

</module>

101

Exemplo da linguagem RDF - Schema :

Este exemplo define uma ontologia, chamada pessoa :

<?xml version='1.0' encoding='ISO-8859-1'?>

<!DOCTYPE rdf:RDF [

<!ENTITY rdf 'http://www.w3.org/1999/02/22-rdf-syntax-ns#'>

<!ENTITY a 'http://www.w3.org/2000/01/rdf-schema#'> ]>

<rdf:RDF xmlns:rdf="&rdf;"

xmlns:a="&a;"

xmlns:b="&b;"

xmlns:c="&c;">

<b:HasValue rdf:about="_anon0">

<b:toClass rdf:resource="feminino"/>

<b:onProperty rdf:resource="sexo"/>

</b:HasValue>

<b:HasValue rdf:about="_anon1">

<b:toClass rdf:resource="masculino"/>

<b:onProperty rdf:resource="sexo"/>

</b:HasValue>

<c:Class rdf:about="feminino"/>

<b:DefinedClass rdf:about="homem">

<b:hasPropertyRestriction rdf:resource="_anon1"/>

<c:subClassOf rdf:resource="pessoa"/>

</b:DefinedClass>

<c:Class rdf:about="masculino"/>

<b:DefinedClass rdf:about="mulher">

<b:hasPropertyRestriction rdf:resource="_anon0"/>

<c:subClassOf rdf:resource="pessoa"/>

</b:DefinedClass>

<c:Class rdf:about="pessoa"/>

<rdf:Property rdf:about="sexo">

<c:domain rdf:resource="feminino"/>

<c:domain rdf:resource="masculino"/>

</rdf:Property>

</rdf:RDF>

Exemplo da linguagem OIL :

Este exemplo define uma ontologia, chamada pessoa :

Class-def

pessoa

Class-def

homem

Subclass-of pessoa

102

Slot-constraint tem-sexo

Has-filler masculino

Class-def

mulher

Subclass-of pessoa

Slot-constraint tem-sexo

Has-filler feminino

Exemplo da linguagem

DAML+OIL

Este exemplo define uma ontologia, chamada pessoa :

<?xml version='1.0' encoding='ISO-8859-1'?>

<!DOCTYPE rdf:RDF [

<!ENTITY rdf 'http://www.w3.org/1999/02/22-rdf-syntax-ns#'>

<!ENTITY a 'http://purl.org/dc/elements/1.1/'>

<!ENTITY b 'http://www.ontoknowledge.org/oil/rdf-schema/2000/11/10-oil-

standard#'>

<!ENTITY c 'http://www.w3.org/2000/01/rdf-schema#'>

<rdf:RDF xmlns:rdf="&rdf;"

xmlns:a="&a;"

xmlns:b="&b;"

xmlns:c="&c;">

<b:HasValue rdf:about="_anon0">

<b:toClass rdf:resource="feminino"/>

<b:onProperty rdf:resource="sexo"/>

</b:HasValue>

<b:HasValue rdf:about="_anon1">

<b:toClass rdf:resource="masculino"/>

<b:onProperty rdf:resource="sexo"/>

</b:HasValue>

<c:Class rdf:about="feminino"/>

<b:DefinedClass rdf:about="homem">

<b:hasPropertyRestriction rdf:resource="_anon1"/>

<c:subClassOf rdf:resource="pessoa"/>

</b:DefinedClass>

<c:Class rdf:about="masculino"/>

<b:DefinedClass rdf:about="mulher">

<b:hasPropertyRestriction rdf:resource="_anon0"/>

<c:subClassOf rdf:resource="pessoa"/>

</b:DefinedClass>

<c:Class rdf:about="pessoa"/>

<rdf:Property rdf:about="sexo">

<c:domain rdf:resource="feminino"/>

103

<c:domain rdf:resource="masculino"/>

</rdf:Property>

</rdf:RDF>

104

ANEXO II– LINGUAGEM OWL EM EBNF .

<ontology> ::= Ontology ( [<authorship-etc>] {<directive>} )

<authorship-etc> ::= ...

<include> ::= Include ( <URI> )

<axiom> ::= Class( <classID> <modality> {<description>} )

<modality> ::= complete | partial

<axiom> ::= EnumeratedClass( <classID> {<individualID>} )

<axiom> ::= DisjointClasses( <description> {<description>} )

<axiom> ::= EquivalentClasses( <description> {<description>} )

<axiom> ::= SubClassOf( sub=<description> super=<description> )

<axiom> ::= DataProperty ( <datavaluedPropertyID> {super=<datavaluedPropertyID>}

{domain=<description>} {range=<dataRange>}

[Functional] )

<axiom> ::= IndividualProperty

( <individualvaluedPropertyID> {super=<individualvaluedPropertyID>}

{domain=<description>} {range=<description>}

[inverseOf=<individualvaluedPropertyID>] [Symmetric]

[Functional | InverseFunctional | OneToOne | Transitive] )

<dataRange> ::= OneOf({<dataLiteral>} )

| <lexical-form>

| <restriction>

| UnionOf( <description> {<description>} )

| IntersectionOf( <description> {<description>} )

| ComplementOf( <description> )

| OneOf({<individualID>} )

<restriction> ::= restriction( <datavaluedPropertyID> [allValuesFrom=<dataRange>]

{someValueFrom=<dataRange>} {value=<dataLiteral>}

[<cardinality>] )

<restriction> ::= restriction( <individualvaluedPropertyID> [allValuesFrom=<description>]

{someValueFrom=<description>} {value=<individual>}

[<cardinality>] )

<cardinality> ::= atleast( <positive-integer> )

| atmost( <non-negative-integer> )

| atleast( <positive-integer> ) atmost( <non-negative-integer> )

| exactly( <non-negative-integer> )

<individual> ::= Individual( [<individualID>] {type=<classID>}

{<propertyValue>} )

105

<propertyValue> ::= ( <individualvaluedPropertyID> <individual> )

| ( <datavaluedPropertyID> <dataLiteral> )

<fact> ::= SameIndividual( <individualID> {<individualID>} )

<fact> ::= DifferentIndividuals( <individualID> {<individualID>} )

106

ANEXO III– EXEMPLO DE PLANEJAMENTO DE ONTOLOGIA .

PLANEJAMENTO DE ONTOLOGIA .

1.Título : Ontrologia de Cardiologia.

2.Domínio : Cardiologia.

3.Criador : Wagner Alves.

4.Assunto : Cardiologia.

5.Versão: 1.0

6.Responsável pela publicação : Wagner Alves

7.Pessoas que contribuiram :

8.Data : 17/11/2003

9.Formato : OWL.

10.URI : ainda não disponível

11.Linguagem : OWL, português.

12.Direitos autorais : Wagner Alves

13. Fontes : páginas Web

14. Métricas :

Precisão

Recuperação

"F-MEASURE"

15. Técnicas :

FLEX : extrai axiomas usando a estrutura predicado(primeira palavra,

segunda palavra).

16. Recursos e Cronograma :

Pessoas participantes : Wagner Alves e Pedro Porfírio.

107

Cronograma :

17/11/04 Escolher domínio.

17/11/04 Fazer consultas.

17/11/04 Tratar dados (eliminar tags html, javascript, etc.)

17/11/04 Definir predicados

17/11/04 Escolher palavras candidatas

18/11/04 Refinar predicados e palavras candidatas

19/11/04 Avaliar ontologia

19/11/04 Gerar ontologia

108

ANEXO IV– PREDICADOS DOS AXIOMAS UTILIZADOS.

Predicado Cláusula OWL Taxonômico, Não

Taxonômico ou Instância

demonstrou

demonstrava

apresentou

apresentava

mostrou

mostrava

como

composta

composto

é o

é a

é um

é uma

<owl:Class rdf:ID="conceito">

</owl:Class>

</conceito>

Instância

é todo

é toda

<owl:Class rdf:ID="conceito1">

</owl:Class>

<owl:Class rdf:ID="conceito2">

<rdfs:label>conceito2</rdfs:label>

<rdfs:subClassOf rdf:resource="#conceito1"/>

</owl:Class>

Taxonômico

é a causa

<owl:Class rdf:ID="conceito1">

<rdfs:subClassOf>

<owl:Restriction>

<owl:ObjectProperty rdf:resource="#relação1"/>

<owl:SomeValuesFrom rdf:resource="#conceito2"/>

<owl:SomeValuesFrom rdf:resource="#conceito3"/>

</owl:Restriction>

</rdfs:subClassOf>

</owl:Class>

Não Taxonômico

109

ANEXO V– LISTA DE PALAVRAS CANDIDATAS A CONCEITOS.

coração,exame,doenças,anatomia,sopro,doença,tratamento,cirurgia,artérias,

insuficiência,aorta,fluxo,estenose,veias,sopros,diagnóstico,clínico,exames,

teste,mitral,cateterismo,regiões,patologia,hipertensão,ventrículo,artéria,

diabetes,câncer,eletrocardiograma,músculos,sistólico,veia,força,função,

ventricular,organismo,testes,ergométrico,miocárdio,problemas,sintomas,órgão,

colesterol,pulmões,cardiopatia,cavidade,articular,cardiologia,pericárdio,

infarto,cardiopatias,obesidade,tecido,tecidos,ausculta,parede,ecocardiograma,

história,medicamentos,sentido,tricúspide,patologias,técnica,dor,angioplastia,

família,mibi,angina,aórtico,infecções,capilares,bexiga,corte,linfonodos,

sanguíneo,cirúrgico,humana,glândula,vaso,perfusão,congênitas,célula,adquiridas,

ramos,coronariana,safena,triglicérides,ramo,ponte,contraste,mapa,holter,

anatômico,primeira,traumas,terapêutico,pericardite,septo,angiografia,septos,

trajeto,glicemia,invasivo,bulha,vascular,chagásica,anemia,segunda,sinal,

pulmão,aurícula,fisiologia,abdome,bulhas,sístole,mamíferos,infecção,ventrículos,

transplante,identificação,degenerativas,diastólico,contração,motoras,inflamação,

valvar,batimentos,gínglimo,infecciosas,arco,derrame,braquial,células,estresse,

corações,sintoma,ruído,átrio,coronarianas,síncope,mav,hematologia,evidência,

morfologia,lípides,etiologia,síndrome,aterosclerose,diarréia,valvulares,

intervencionista,alvéolos,fonocardiografia,assistência,dispnéia,coronário,

enfermidades,traçado,endocárdio,demonstrou,ecg,valvares,ateroesclerótica,

enfarte,infartes,hepatomegalia,esplenomegalia,miocardio,bioquímica,ascite,

110

ANEXO VI– ONTOLOGIA NO DOMÍNIO CARDIOLOGIA.

<?xml version="1.0" encoding="ISO-8859-1" standalone="no"?>

<rdf:RDF xmlns:owl="http://www.w3.org/2002/07/owl#" xmlns:rdfs="http://www.w3.org/2000/01/rdf-

schema#" xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#">

<owl:Ontology rdf:about="">

<owl:VersionInfo>0.1</owl:VersionInfo>

</owl:Ontology>

<rdfs:comment>Exemplo de Ontologia de Cardiologia</rdfs:comment>

<owl:Class rdf:ID="abdome">

</owl:Class>

</abdome>

<owl:Class rdf:ID="parede">

</owl:Class>

</parede>

<owl:Class rdf:ID="intervencionista">

</owl:Class>

</intervencionista>

<owl:Class rdf:ID="função">

</owl:Class>

<owl:Class rdf:ID="fisiologia">

<rdfs:label>fisiologia</rdfs:label>

<rdfs:subClassOf rdf:resource="#função"/>

</owl:Class>

<owl:Class rdf:ID="abdome">

</owl:Class>

</abdome>

<owl:Class rdf:ID="parede">

</owl:Class>

</parede>

<owl:Class rdf:ID="bioquímica">

</owl:Class>

<bioquímica rdf:ID="colesterol">

</bioquímica>

<owl:Class rdf:ID="abdome">

</owl:Class>

</abdome>

<owl:Class rdf:ID="sintomas">

</owl:Class>

</sintomas>

111

<owl:Class rdf:ID="sintomas">

</owl:Class>

</sintomas>

<owl:Class rdf:ID="artéria">

</owl:Class>

<artéria rdf:ID="aorta">

</artéria>

<owl:Class rdf:ID="sintoma">

</owl:Class>

</sintoma>

<owl:Class rdf:ID="sintoma">

</owl:Class>

</sintoma>

</rdf:RDF>

112

ANEXO VII– SITES EXTRAÍDOS NO DOMÍNIO CARDIOLOGIA .

http://www.cmnabc.com.br/respondendo.html

http://www.infarctcombat.org/polemica-27/icem.html

http://www.anchietanum.com.br/EEVida/1Etapa/12.htm

http://coopus1.locaweb.com.br/coopus/concentrado.asp

http://www.carangolense.com.br/SuaSaude/diabetes.htm

http://publicacoes.cardiol.br/abc/2001/7604/008.htm

http://www.shoppingaleria.com.br/glossario.htm

http://www.terravista.pt/nazare/4060/vb.htm

http://www.epub.org.br/abc/6801/ja1.htm

http://www.usc.br/biblioteca/ndp.htm

http://www.hottopos.com.br/mirand9/bipolar.htm

http://www.psiconselhos.com.br/saude/saude_dicio_E.php3

http://www.santalucia.com.br/angio-p.htm

http://www.orientacoesmedicas.com.br/

http://www.uszp.com.br/casodomes/Pentalogia de Cantrell.htm

http://www.easyline.com.br/inpavet/servicos/cardiologia/cardiologia.htm

http://www.brasilmedicina.com/especial/card_t3s9s1s3.asp

http://www.sbpc.org.br/PatologiaNews2/turismo2.html

http://www.uff.br/mpt/manual.htm

http://www.hemodinamica.com.br/stent/stentrapamicina.htm

http://www.gojuryu.com.br/principal/saude/anatomia.htm

http://www.cleofas.com.br/html/sacramento/eucaristia/omilagredelanciano.html

http://www.nitnet.com.br/~jagb/dicas.htm

http://portalexame.abril.com.br/static/aberto/forumexame/edicao01.shtm

http://icb.ufmg.br/pat/esteatose.htm

http://www.sbfis.org.br/fisiologia_brasil/neurofisiologia.asp

http://www.bibliomed.com.br/book/list.cfm

http://www.laboratoriobasi.com.br/dicas/dica_04.asp.htm

http://www.terravista.pt/Enseada/1400/cardiopat.htm

http://www.planetaeducacao.com.br/coracao/enem.htm

http://publicacoes.cardiol.br/abc/2001/7605/007.htm

http://www.abas15.com.br/orient_incor.htm

http://www.unimar.br/pos/curso/

http://www.mednet.com.br/instpub/patge/mac-sete.htm

http://www.fcmmg.br/link.html

http://icb.ufmg.br/~pat/embolia.htm

http://www.jornalfo.com.br/320/17.htm

http://www.centrocardio.com.br/BOLETI/jan_03/pagina3.htm

http://www.coopecardio.org.br/corac25/pag3/pag3.htm

http://www.orientacoesmedicas.com.br/prostata.asp

http://www.ccs.ufsc.br/cardio/link.html

http://www.cardiol.br/conline/default.asp

http://www.vivendasantanna.com.br/medicina/enfarte.htm

http://www.sosdoutor.com.br/doutorcoracao/historia1_ev.asp

http://www.unb.br/fm/dd.htm

http://www.meishusama.org/homepage/oracoes-outras/autoexame_da_Fe.htm

http://www.dancini.med.br/nocoes.htm

http://www.centroluisnumeriano.com.br/e.htm

http://www.patologiaonline.hpg.ig.com.br/infarto.htm

http://uvnt.universidadevirtual.br/vet/circcorfisi1.htm

http://www.crbm1.com.br/bio46/rev26.asp

http://www.saudeplus.com/glossario.php

http://www.cignasaude.com.br/CFM/RedeCredenciadaPremiumGold.cfm

http://www.dancini.med.br/livro.htm

http://publicacoes.cardiol.br/abc/2002/7802/anatfev.htm

http://www.bioterium.com.br/bioterium/DicaDePasseio/05MuseuDeAnatomiaVeterinaria.htm

http://www.avanielmarinho.com.br/artigos/artigo27.htm

http://www.nucleodamulher.com.br/man.html

http://www.unimedlsp.com.br/links/barreto.htm

http://www.usc.br/graduacao/nutricao/grade.htm

http://www.vitaebr.com.br/especial.htm

http://cirrus.spaceports.com/~assamite/anatomia.html

http://www.jroma.pt/torsos.htm

113

http://icb.ufmg.br/anatefis/introducao_Anatomia.htm

http://www.clinicacostantini.com.br/doencas.htm

http://www.itaici.org.br/carta_itaici_ago1999.htm

http://www.obstetricia.com.br/gestar_cardiofetal.htm

http://www.jroma.pt/sis_respira_circulatorio.htm

http://www.cjb.org.br/gevura/politica/monopatologia.htm

http://www.mednet.com.br/instpub/patge/mac-seis.htm

http://www.ufba.br/~euvelozo/historia.htm

http://www.sosdoutor.com.br/doutorcoracao/item47.asp

http://www.fmvz.usp.br/museu/museu.htm

http://www.apa-cdc.pt/manual/item05.htm

http://www.ciclosporinasigmapharma.com.br/Atlas/Coracao/indice.htm

http://www.aparicoes.com.br/Oracoes/Exame_de_Consciencia.htm

http://www.amacor.com.br/servicos.htm

http://www.mauriliodealmeida.com.br/dicas/dica_04.asp

http://www.gnosisonline.org/Medicina_Esoterica/A_Anatomia_Oculta_do_Homem.shtml

http://www.medicalnet.pt/sitemap/sitemap.htm

http://web.ugf.br/odonto/grad/anatomia1.html

http://www.emedix.com.br/not2002/02dez23circ-vil-derrame.shtml

http://www.compuland.com.br/anatomia/introducao.htm

http://www.unimes.br/aulas/odontologia/aulas99/2ano/Patologia/Od200902.htm

http://www.iov.com.br/cancer07.htm

http://www.mazzarello.com.br/projetos/Tecnico_2003/Patologia/Doacao_sangue_Maio/doe_sangue_junho.htm

http://www.scardiovascular.hpg.ig.com.br/

http://www.institutodocoracao.com.br/vascular/varizes.htm

http://www.webciencia.com/11_21circula.htm

http://www.laboratoriobasi.com.br/dicas/dica_05.asp.htm

http://www.unb.br/fs/et2719.htm

http://www.corpohumano.hpg.ig.com.br/circulacao/coracao/coracao_5.html

http://www.fcm.unicamp.br/departamentos/anatomia/pecascard.html

http://www.hospvirt.org.br/cardiologia/port/historia.htm

http://www.cmsmedical.com.br/cateterismo.htm

http://www.jornaldosite.com.br/arquivo/anteriores/artivan53.htm

http://uvnt.universidadevirtual.br/vet/circcorfisi0.htm

http://www.aprespiratorio.hpg.ig.com.br/index.htm

http://www.coopersinos.org.br/jornal/a2n5/PalEspec.htm

http://www.cepis.org.pe/bvstox/p/casos/caso19/caso.html

http://www.triplov.com/biblos/athias.html

http://icb.ufmg.br/~anatmed/cronogramas.htm

http://www.mingaudigital.com.br/MaiPae/Saude/exames.html

http://www.uff.br/nesh/seh/publi.htm

http://www.fmtm.br/prodtecc03.html

http://www.sacoracao.org.br/html/glossario.html

http://www.hu.ufsc.br/~cardiologia/ciclo.html

http://www.cepis.org.pe/bvstox/e/casos/caso19/caso.html

http://www.hu.ufsc.br/~fabiano/grumad/anatom_pe.html

http://hiperlivro.ods.org/users/garciadeorta/doc/textos_gerais/galeno.htm

http://www.compuland.com.br/anatomia/vasos.htm

http://www.uep-eco.com.br/exames/descricao.htm

http://coopus1.locaweb.com.br/coopus/plena.asp

http://www.sbanatomia.com.br/congressos.htm

http://www.clinicasomma.com.br/perg_checkup.htm

http://www.ufmg.br/prorh/sast/sast_informacao.shtml

http://www.comunidadebeatitudes.com/lanciano.htm

http://www.variz.com.br/p2.htm

http://www.gine.com.br/Ginecologia.htm

http://www.ufpe.br/anatomia/extensao.html

http://www.fcm.unicamp.br/40anos/novidades/vm_dest.html

http://pop.asystsudamerica.com/NOTICIAS/exame14022002.htm

http://www.geap.com.br/manual_terminologia.asp

http://www.nitnet.com.br/~jagb/index2.htm

http://www.tropicologia.org.br/conferencia/1986doencas_cardiacas.html

http://www.usc.br/laboratorios/lab_anatomia/index.htm

http://www.epub.org.br/abc/6803/tmar15r.htm

http://www.webmedicos.com.br/

http://www.usc.br/graduacao/odontologia/grade.htm

http://www.cardiofetal.com.br/exames.php

114

http://www.gemedicalsystems.com/lapt/community/cardiac.html

http://www.viamedico.com.br/Glossario/P/p.htm

http://www4.prossiga.br/Chagas/traj/trajtext/html/pi.87-387.htm

http://www.infarctcombat.org/denuncia-2b/cirurgia.html

http://www.agendasaude.com.br/

http://www.perfline.com/neonatal/aula0199p2.html

http://www.emcor.com.br/main_servicos.html

http://www.bioterium.com.br/bioterium/MaterialPedagogico/02KitsCompletos.htm

http://www.quantamn.com.br/paci1.htm

http://www.uff.br/nesh/seh/trab.htm

http://portalexame.abril.com.br/static/aberto/forumexame/materias.htm

http://sites.uol.com.br/deusvivorj/lanciano.htm

http://www.hospvirt.org.br/anatomia/port/sub-esp.htm

http://www.ffm.br/restauro/apres.htm

http://www.po.web.pt/pt/p_405.html

http://www.usp.br/fmvz/museu.htm

http://www.medstudents.com.br/basic/anatomia/coracao/topico5.htm

http://www.unimedgoiania.com.br/Guia/NEROPOLIS.htm

http://www.santalucia.com.br/angio.htm

http://www.saudeanimal.com.br/artigo97.htm

http://www.babycor.com.br/sopro.htm

http://www.ied.ufla.br/alunos/dezembro-2002/dupla33/webquest.html

http://www.ultracor.com.br/exames.htm

http://www.odontologia.com.br/artigos/anatomia-interna.html

http://www.lincx.com.br/lincx/por_dentro/med_preventiva/med_prev_14.html

http://members.tripod.com/medworks/Cadiologia/sopros_cardiacos.htm

http://www.infomed.hpg.ig.com.br/fonocardiografia.html

http://www.corpohumano.hpg.ig.com.br/circulacao/coracao/coracao_5.html

http://www.hcnet.usp.br/dicionario/patologia.htm

http://www.hcnet.usp.br/dicionario/card_cli_cirur.htm

http://www.mgar.vet.br/guiaonline/aspTermos.asp

115

ANEXO VIII– PALAVRAS REMOVIDAS .

a,à,ab,abaixo,abas,abdução,aberta,abertura,abordagem,abril,abscessos,absorve,

abuso,ação,acarretam,acentuado,acesso,acidentes,acima,ações,acompanha,acompanhamento,

acontece,acontecer,aconteceu,acordo,acredita,acreditamos,acreditava,açúcar,

acumulação,acupuntura,acústicos,adaptação,adequada,aderir,administração,

administrativa,administrativo,adolescência,adução,adulta,adulto,afastamento,

afeta,afetam,afirma,africano,agente,agir,agonista,água,aguda,agudo,agulha,

aids,ainda,ajuda,alcoólicas,além,alergia,alergias,alérgica,alergologia,

algum,alguma,algumas,alguns,alimentação,alimento,alimentos,almeida,alta,

alteração,alterações,alto,altos,alunos,amacor,amarelo,ambiente,ambos,ambulatorial,

americana,amilo,amo,amor,ampliação,amplificação,amplo,anais,análise,anatomias,

anatômica,anatomicamente,anatômicas,anatômicos,anemias,anestesiologia,aneurisma,

anfíbio,anfíbios,angiografias,angiografias,angiologia,ângulo,animais,animal,

ano,anomalia,anomalias,anormalidades,anos,antagonista,anterior,anteriormente,

antes,antiga,ânus,ao,aórtica,aórticos,aorto,aos,ap,aparecem,aparecimento,

aparelhagem,aparelho,aparelhos,aparência,apenas,apendicular,apical,após,

apresenta,apresentam,apresentar,apresentava,apropriada,apropriado,aproximadamente,

aquário,aquela,aquelas,aquele,aqueles,aqui,ar,aranha,área,áreas,arezzo,

armazena,arraia,arranjo,arritmia,arritmias,arte,arterial,arteriografia,

articulação,articulações,articulam,articulares,articulares,artistas,artrose,

árvore,as,às,ascendente,asma,aspecto,assemelha,assim,assistente,associação,

associada,associadas,associados,assunto,assuntos,astral,asyst,ataque,até,

atenção,atendeu,atendimento,atendimentos,atenua,ativa,atividade,atividades,

atlas,ato,atos,através,atrial,atua,atual,atualmente,atuam,atuar,audição,

aumenta,aumentam,aumentando,aumentar,aumento,auriculares,auscultando,auscultando,

auto,autóctones,avalia,avaliação,avaliar,ave,axiais,axial,axilar,ázigos,

b,baço,bainha,baixa,baixas,baleia,banho,base,bases,basicamente,básico,basta,

bastante,batidas,bebei,beber,bebidas,belo,bem,bertelli,bi,bibliomed,biblioteca,

bicicleta,biliar,bivalve,boa,boca,böhm,boídeo,bom,bomba,bombeia,borda,bovinos,

braço,branca,brasil,brasileira,brasileiros,brônquios,bronquite,bruscamente,

bulbo,busca,c,cabe,cabeça,cada,cadastre,cágado,cair,calcificação,cálcio,

cálculos,calorias,calota,camada,camadas,camaleão,câmara,câmaras,caminho,

campus,canais,canal,canino,caninos,canulação,capacidade,capaz,cápsula,característica,

características,cardíaca,cardíacas,cardíaco,cardíacos,cardiologistas,cardiovascular,

cardiovasculares,caridade,carlos,carne,caroços,cárpica,carretel,cartilagem,

cartilagens,cartilaginosas,cartilaginoso,casa,casal,cascavel,cascos,caso,

casos,castro,cateter,cauda,caudal,caudas,causa,causador,causal,causar,causas,

cava,cavalo,cavalos,cavidades,cavidades,cec,cedo,cegueira,central,centro,

centros,cerca,cerebelo,cerebrais,cerebral,cérebro,certas,cerveja,chacra,

chacras,chagas,chama,chamado,chamados,chegar,choque,ciclo,ciclos,cidade,

ciência,científica,cinco,cintilografia,cintura,circuito,circula,circulação,

circulatório,circundução,cirurgias,cirurgias,cirúrgica,cirurgicamente,cirúrgicos,

cirúrgicos,cistos,citado,citados,citologia,clamídia,classificação,classificada,

climáticas,clínica,clínicas,clínicos,clínicos,cm,coagulado,coartação,cobra,

código,coisas,colo,colocado,colocados,coloração,colorido,coluna,com,começa,

comei,como,compacto,comparação,comparada,complementar,complementares,completa,

completado,completo,completos,complexas,complexidade,complicações,componente,

componentes,comportamento,composta,composto,compreender,compressão,comprimento,

comprometimento,computador,computadorizada,comum,comunhão,comunicação,comunidade,

comuns,conceito,conceitos,concha,condição,condições,condução,conduto,conduz,

conduzem,cone,conexões,conferindo,configuração,congestiva,congressos,conhecido,

conhecidos,conhecimento,conhecimentos,conjuntivo,conjunto,conosco,consciência,

consciente,conselho,consequência,conseqüência,conseqüentemente,considerações,

116

considerada,consideradas,consiste,constipação,constitui,constituição,constituída,

consulta,consultas,consulte,consumo,conta,contato,contem,contém,contêm,

conteúdo,continua,continuação,contínuo,contínuos,contorno,contra,contraem,

contrário,contrastes,controla,controle,contudo,conus,convencional,convênios,

convite,copo,cor,coral,cordas,cores,coronária,coronárias,corpo,corporais,

corporal,corpos,correção,correlação,corrente,corresponde,corrosão,cortes,

cortes,costa,cotovelo,cps,cranial,crânio,crescem,crescente,crescimento,

criada,criança,cristalino,cristo,critério,crocodiliano,crônica,crônicas,

cruzi,cuidado,cuidar,cuja,cujo,cujos,cultura,cura,curiosidades,curto,cúspide,

d,da,dá,dado,dados,daí,danos,dão,daquilo,dar,das,de,débito,decoração,decorrentes,

decúbito,dedos,defeito,defeitos,deficiência,déficits,definida,definir,deformidades,

deixando,deixar,delas,deles,delgado,deliberativo,demanda,demonstrado,demonstrou,

denominada,denominadas,denominado,dens,densitometria,dente,dentes,dentre,

dentro,departamento,departamentos,depende,dependem,dependência,depois,dermatologia,

descoberta,descrição,desde,desenfreada,desenvolvimento,deslocamento,despertar,

dessa,desse,desta,destaca,destas,deste,destes,destruição,destruir,detecta,

detectam,detectar,detectem,determinada,determinado,determinados,determinar,

deus,deve,devem,deverão,deveria,devido,dia,diabético,diagnóstica,diagnosticar,

dias,diastólicos,dicas,diferença,diferenças,diferenciar,diferentemente,

diferentes,difícil,dificuldade,difusa,digestiva,digestivo,dilatação,dimensão,

dimensões,diminuem,diminui,diminuição,diminuindo,diminuir,dinossauro,direção,

direita,direitas,direito,direta,diretamente,diretor,discais,disciplina,

disco,discreta,discutida,dislipidemia,disto,distribuição,distúrbios,ditas,

diversas,diversidade,diversos,dividida,dividido,divindade,divino,divisão,

divulgar,diz,dizer,do,doce,doces,documento,doentes,dois,dolorido,doppler,

dores,dorsal,dos,doutor,doutores,dr,drogas,dst,duas,ducto,duodeno,dura,

duração,durante,e,é,ecocardiografia,econômicas,edição,editora,educação,

efeito,efeitos,eficaz,eixo,ejeção,ela,elas,elástica,ele,elemento,elementos,

eles,elétrica,elétricas,elétrico,elétricos,eletrocardiografia,elevada,elimina,

eliminados,eliminando,eliminar,elmo,em,embolia,êmbolos,embora,emergências,

emoções,empresa,encaminhar,encarado,encéfalo,enchimento,encontra,encontrada,

encontrado,encontram,encontre,endêmicas,endocrinologia,endoscopia,energia,

enfermagem,enfermidade,enfim,enfisema,enquanto,ensino,então,entidade,

entidades,entra,entrada,entrado,entre,entretanto,enviaram,envolve,epífises,

equilíbrio,equipada,equipamentos,equipe,equivale,era,eram,ergometria,erisipela,

escape,escápula,escorpião,escura,esferas,esforço,esôfago,espaço,especial,

especialidade,especialidades,especialista,especializado,especialmente,específicas,

espectro,esperança,espermatozóides,espessa,espessura,espinhal,espírito,

esponja,esponjoso,espontânea,esporão,esqueléticas,esquelético,esqueleto,

esqueletos,esquema,esquerda,esquerdo,esquistossomose,esquistossomótico,

essa,essas,esse,esses,esta,está,estabelecer,estado,estados,estalido,estando,

estão,estar,estarão,estas,este,esteira,esteja,estende,estender,estenoses,

estenoses,estéril,esternal,esterno,estes,estética,esticar,estimar,estímulo,

estímulos,estiver,estômago,estranhos,estreitamentos,estrela,estrutura,estruturais,

estruturas,estuda,estudada,estudo,estudos,esvaziamento,etanol,etc,eu,eua,

eucaristia,eucarístico,evangelho,eventos,evidências,evitar,ex,excede,excelente,

excessiva,excesso,exemplo,exemplos,exercício,exercícios,exibe,existe,existem,

existência,existentes,existir,experiência,explicar,explicativos,exposição,

expressão,extensão,exterminar,externa,externamente,externo,extra,extracorpórea,

extremamente,extremidades,faça,face,fácil,faculdade,falar,fale,FALSO,famílias,

faringe,fáscia,fase,fato,fator,fatores,faz,fazem,fazer,fé,febre,fechamento,

feita,feito,fêmea,feminino,fenômeno,fenômenos,fetais,fetal,feto,fez,fibras,

fibrosa,fibrosas,fibroso,fica,ficar,fígado,filho,filmadora,filme,filmes,

fim,fina,finalidade,finalmente,fino,fios,firme,fisiatria,físicas,físico,

físicos,fisiológicas,fisiopatológico,fisioterapia,fístula,fístulas,fixação,

117

flexão,fluido,fluxos,fmusp,foi,for,fora,foram,forçada,forças,forma,formação,

formado,formando,formas,fornece,fornecer,fornecido,forte,fórum,fósforo,

fosse,fósseis,fóssil,foto,fotografia,fotografias,frades,fragilidade,fragmentos,

freqüência,frequente,freqüente,freqüentemente,freqüentes,frio,frontais,

frontal,fumar,fumo,funciona,funcionais,funcional,funcionamento,funcionários,

funções,fundação,fundamentais,fundamental,fundo,g,galantier,galeno,ganglionares,

gânglios,gases,gastrite,gastroenterologia,gastrópodo,genéticos,genital,

gente,geral,geralmente,geriatria,gerontologia,ginecologia,ginecologista,

glândulas,glândulas,glomérulo,gominha,gonorréia,gordura,governo,graças,

gradiente,gramas,grande,grandes,grau,grave,graves,gravidez,grosso,grupo,

grupos,guia,guizo,györgy,h,há,habilitado,hábitos,habituais,hemipênis,hemodinâmica,

hepático,hepatite,hereditários,hérnias,herpes,higiene,hipotensiva,hiv,hoje,

home,homem,homens,hora,horário,horas,horizontais,horizontal,horizonte,hormônios,

hospital,hóstia,humanas,humano,humanos,humilde,i,iam,idade,ideias,identificar,

idosos,idrivepro,iguana,ii,iii,iluminada,imagem,imagens,imediatamente,importância,

importante,importantes,impulsos,imune,imunologia,incidência,incisivo,incluem,

inclui,incluía,inclusive,inconveniente,indesejado,indicação,indicações,

indicadoras,indicativo,índice,indivíduo,indivíduos,indolor,infantil,infecciosa,

infectologia,infelizmente,inferior,inferiores,inflamatório,informação,informações,

ingestão,inicial,iniciando,iniciantes,início,injetado,inoculador,inserção,

inspeção,inspiração,instituições,insuficiências,inteligência,intensidade,

intensificar,intenso,intercorrências,intercostal,interessante,interesse,

interior,interna,internacionais,internamente,interno,interpõe,interpreta,

intervalo,intervencionistas,interventricular,intestinal,intestino,intestinos,

íntima,intra,introdução,introduzido,inúmeros,invés,invisíveis,iodo,irregular,

irregulares,irrigação,isolada,isótopo,isso,isto,iv,já,jabuti,jacaré,jararacuçu,

jesus,jorge,josé,julgar,júnior,juntura,kits,l,la,lá,laboratoriais,laboratório,

lado,lagarto,lâmina,laminar,lâmpadas,lanciano,laringe,larvas,laser,lasik,

laterais,lateral,ldl,legal,lembrando,lembrar,lembre,lenta,leonardo,lesões,

leva,levado,levam,levando,levar,leve,lhe,ligação,ligada,ligadas,ligados,

ligamento,ligamentos,ligando,ligeiramente,limiar,limitado,limulus,line,

linfadenite,linfático,linfáticos,língua,linha,links,linoli,lipomas,líquido,

líquidos,lista,litros,livre,livros,local,localiza,localização,localizado,

lógica,logo,loja,longas,longo,longos,los,lugar,lula,luz,m,machado,macho,

macro,madeira,mães,mail,maior,maiores,maioria,mais,mal,males,mama,mamas,

mamífero,mamografia,maneira,mangueira,manguito,manipulação,mantém,mantida,

mantra,mapeamento,máquina,mar,maravilhosa,marca,marcelo,marco,marfan,maria,

marinha,marinho,marinhos,martins,mas,máscara,masculino,massa,massas,mata,

máter,materiais,material,materno,mau,maurício,máximo,me,mecânicos,mecanismo,

mede,média,mediana,mediano,médica,médicas,medicina,médico,médicos,medida,

medidas,medir,medo,medula,medular,meio,melhor,melhores,membrana,membro,

membros,meniscos,menopausa,menor,menos,mentais,meramente,mercado,mês,mesentéricas,

mesma,mesmo,mestres,metabólicas,metade,metas,método,métodos,meu,mg,michelângelo,

micrótomo,middot,mídia,migração,milagre,milhares,mim,minha,mini,minuto,

minutos,miocárdica,miocardiopatia,missa,missão,misto,ml,mm,modelo,modelos,

moderada,moderna,modifica,modificações,modificam,modo,molar,molusco,momento,

momentos,monitorar,monitores,mono,monocultura,monogamia,montarem,morte,

mostra,mostram,mostrou,motora,móvel,movimento,movimentos,mucosa,muita,muitas,

muito,muitos,mulher,mulheres,múltiplas,múltiplos,mundo,muscular,musculares,

musculatura,músculo,n,na,nacional,nada,nadadeira,nadadeiras,não,naquele,

nariz,nas,nasais,nasal,nascendo,nascido,nascimento,natais,natural,natureza,

necessária,necessário,necessários,necessidade,necessita,necessitam,necessitar,

necrópsia,nefrologia,nem,nenhuma,neonatal,nervo,nervos,nervosas,nervoso,

nesses,nesta,neste,net,neurocirurgia,neurologia,neurológicos,neurônios,

nitrito,níveis,nível,nlm,no,nome,nomes,normais,normal,normalmente,nos,nós,

118

nossa,nosso,nossos,notar,novidades,novos,nu,nuclear,num,numa,número,nutrientes,

o,º,ó,objetivo,oblíquo,obra,observa,observar,observe,obstetrícia,obstrução,

obstruções,obter,obtido,occipital,oclusão,oco,ocorra,ocorre,ocorrem,ocorrência,

ocorrer,ocre,oculta,oculto,odontologia,oferecer,oftalmologia,olfação,olhe,

olho,olhos,oliveira,ombro,oncologia,ondas,onde,opção,opõe,oposto,oração,

orgânicas,orgânicos,organismos,organização,órgãos,órgãos,orgulho,orientação,

origem,origina,originam,oro,ortopedia,ortopédicos,os,óssea,ósseo,osso,ossos,

osteoporose,otorrinolaringologia,ou,ouriço,outra,outras,outro,outros,ouvido,

ovários,ovo,ovos,oxigenado,oxigênio,p,paciente,pacientes,padrão,padrões,

página,pai,países,palavra,palpável,pan,pâncreas,pão,papanicolau,para,parada,

parafina,paralelos,parasitárias,pare,parece,parecem,parecer,paredes,paredes,

parietal,parte,partes,particulares,partir,parto,passa,passadas,passagem,

passam,passar,passíveis,passo,passos,pata,patas,patológica,patológico,paulo,

pca,pé,peça,peças,peçonhenta,pediatria,pediátrica,pedipalpos,peito,peixe,

peixes,pela,pelas,pele,pelo,pelos,pélvico,penetrem,pensamento,pepino,pequena,

pequenas,pequeno,pequenos,perda,perereca,pergunta,periférica,periférico,

período,periquitambóia,permite,permitem,permitindo,permitir,persiste,pescoço,

peso,pesquisa,pesquisas,pessoa,pessoal,pessoas,pia,pico,pinga,pior,placa,

plana,plano,planos,planta,plástica,plástico,plexo,pneumático,pneumologia,

podálico,pode,podem,podemos,podendo,poder,poderá,poderão,poderia,pois,política,

polvo,ponta,pontes,ponto,pontos,população,popularmente,por,pôr,porção,porém,

porque,porta,portador,portadora,portadores,portal,portanto,portas,pós,posição,

posições,possa,possam,possibilidade,possibilitando,possíveis,possível,possuem,

possui,possuíam,posterior,posteriormente,potenciais,potencial,potencialmente,

pouca,pouco,poucos,povo,pr,prancha,prática,prazer,pré,precisão,preciso,

preço,precoce,precordial,predominantemente,preenchido,preparar,preparo,

presas,presença,presente,pressão,pressões,prevalência,prevenção,prevenida,

preventivo,primeiramente,primeiro,primeiros,principais,principal,principalmente,

prisão,problema,procedimento,procedimentos,processo,processos,procura,procurando,

procurar,procure,produção,produto,produtos,produz,produzem,produzidos,produzindo,

produzir,produziu,profissionais,profissional,profunda,profundidade,projeção,

projeto,promover,proposto,própria,próprio,próstata,proteção,protege,proteína,

próteses,prova,provavelmente,provoca,provocada,provocadas,provocando,próxima,

psa,psicologia,psiquiatria,publicações,pulmonale,pulmonar,pulmonares,punção,

punho,python,quadril,quadros,quais,qual,qualidade,qualquer,quando,quantas,

quantidade,quanto,quarenta,quatro,que,queda,quelíceras,quem,quer,queria,

questão,questões,quieta,quilty,químicos,r$,rã,radiação,radicular,radio,

rádio,radiologia,radiológico,raio,raios,raiz,rápido,rapina,razão,reabsorção,

real,realiza,realização,realizada,realizadas,realizado,realizados,realizam,

realizando,realizar,realmente,recebe,recebendo,receber,reconhecimento,recuperação,

recursos,rede,redigirem,redução,reduz,reduzir,referem,referência,reflexão,

reflexo,refluxo,reforço,região,registra,registrar,registro,registros,regius,

regra,regurgitação,rejeição,relação,relacionada,relacionados,relações,relativamente,

remover,renais,renal,repouso,representa,representação,reprodução,reprodutor,

répteis,réptil,resenha,reserva,residência,resíduos,resistência,resistências,

resolve,respeito,respiração,respiratória,respiratórias,respiratório,responsáveis,

responsável,resposta,resultado,resultados,resultante,retirada,retirar,reto,

retorno,retro,reumática,reumatologia,revascularização,revista,revistas,

ricos,rim,rinite,rins,risco,riscos,rocha,rósea,rotação,rotina,rs,rubéola,

ruim,s,sabe,saber,saberá,saco,safenas,sagital,saída,saindo,sal,sala,salivares,

sangramento,sangue,sangüínea,sangüíneo,sangüíneos,santa,santuário,são,sapo,

sast,saudável,saúde,se,search,secção,século,séculos,sedentarismo,segmento,

seguinte,seguintes,seguir,segundo,segundos,segura,seguro,sei,seio,seios,seja,

sem,semana,semelhança,semelhante,semelhantes,sêmen,seminal,sempre,sendo,senha,

senhor,sensibilidade,sensitivas,sensitivo,sentidos,sentir,ser,será,serão,

119

serem,seres,seria,série,serosa,serpente,serpentes,serve,serviço,serviços,

servidor,sesamóide,setas,seu,seus,severa,severidade,sexo,sexta,sexuais,

sexual,sexualmente,si,sido,sífilis,significa,significativamente,significativo,

silenciosa,silva,silvestres,sim,simbologia,simples,simplesmente,simultaneamente,

síndromes,síndromes,sinergistas,sínfise,singer,sinônimo,sinoviais,sinovial,

síntese,sistema,sistemas,sistêmica,sistêmicas,sistólicos,sistólicos,situação,

situações,snc,só,sob,sobre,sobretudo,sobrevida,social,sociedade,sofre,sofrimento,

sol,solares,solenóglifa,solicite,som,somente,sonografia,sons,soprou,sou,

sp,sua,suas,suave,sub,submetida,substância,substâncias,substituição,subtropicais,

sucesso,sucuri,superficial,superfície,superfícies,superintendência,superior,

superiores,suporte,supra,surgiu,sustenta,sutura,swab,tabela,tais,

tal,talão,tamanho,também,tampo,tanto,tão,taquicárdica,

tarde,tartaruga,taxa,técnicas,técnicas,técnico,técnicos,tele,telegrama,

tem,têm,temos,tempo,tendo,tendões,tenha,tenho,ter,terapêuticos,terceira,

terceiro,teremos,terminações,terminologia,termo,termos,terrosa,testemunhas,

texto,textos,tinha,típico,tipo,tipos,tireóide,tiver,toda,todas,todavia,

todo,todos,tomografia,tonalidade,toque,torácica,tórax,torna,tornando,torno,

tornou,total,touca,trabalha,trabalho,trabalhos,trabalhosa,traçador,traçador,

traçados,transdutor,transforma,transfusão,transmissão,transmissíveis,transmissor,

transmitem,transmitidas,transparente,transplantes,transplantes,transporta,

transtornos,transverso,traquéia,trata,tratadas,tratar,traumática,traumáticas,

traumatologia,traz,trazendo,trazer,treatomíneo,três,tríceps,trilobita,trompas,

tronco,tropicais,tropical,trópicos,tubarão,tubarões,tubo,tubos,túbulos,

tudo,tumores,ufmg,uísque,ulna,últimos,ultra,um,uma,umas,úmero,unhas,união,

única,único,unidade,unidades,universidade,ureteres,uretra,urina,urinárias,

urinário,urogenital,urologia,usada,usadas,usado,usar,use,uso,usp,usuário,

úteis,útero,utilização,utilizada,utilizado,utilizando,v,vagina,vai,válido,

valor,valores,valsalva,valva,valvas,valvular,válvulas,vampírica,vampiro,

vampiros,vão,variação,variações,várias,variáveis,variável,vários,varizes,

vasa,vasculares,vasculite,vasodilatador,vasodilatador,vasorum,vasos,vê,

veja,velocidade,vem,vencer,venoso,ventral,ventre,ver,verbo,verdade,verificar,

vertebral,vertical,vesícula,vez,vezes,via,vias,vibrações,vice,vida,vidro,

vigilância,vinci,vinho,virtual,virtude,vírus,visa,visando,visão,visceral,

vista,visto,vital,vitalidade,viva,vivendo,vivo,vocalizando,você,volta,voltada,

120

ANEXO IX– AXIOMAS ENCONTRADOS.

A letra X no início da linha significa que o axioma foi encontrado na ontologia referência.

O asterisco no início da linha significa que o axioma foi encontrado na ontologia referência, porém

está repetido.

[linha : 00021,049,06] * como(sintomas,dor)==> [mentos importantes nas artérias causarão sintomas como dor

no peito ou infartes e até mesmo morte.]

[linha : 00021,049,22] * como(sintomas,infartes)==> [mentos importantes nas artérias causarão sintomas como

dor no peito ou infartes e até mesmo morte.]

X [linha : 00181,010,11] * demonstrou(abdome,hepatomegalia)==> [o exame do abdome demonstrou

hepatomegalia discreta e indolor.]

[linha : 00244,006,05] * é um(cateterismo,exame)==> [como o cateterismo é um exame invasivo, é necessário

que o paciente se e]

[linha : 00244,006,11] * é um(cateterismo,invasivo)==> [como o cateterismo é um exame invasivo, é necessário

que o paciente se e]

X [linha : 00473,001,04] * é a(miocárdio,parede)==> [O miocárdio é a parede muscular do coração onde ocorre

a forma m]

[linha : 00473,001,23] * é a(miocárdio,coração)==> [O miocárdio é a parede muscular do coração onde ocorre a

forma m]

[linha : 01089,000,05] * é um(angioplastia,tratamento)==> [ angioplastia é um tratamento intervencionista.]

X [linha : 01089,000,16] * é um(angioplastia,intervencionista)==> [ angioplastia é um tratamento

intervencionista.]

X [linha : 01221,000,18] * é toda(fisiologia,função)==> [ fisiologia é toda e qualquer função do organismo

animal]

[linha : 01221,000,28] * é toda(fisiologia,organismo)==> [ fisiologia é toda e qualquer função do organismo

animal]

X [linha : 01801,002,21] * apresentava(abdome,esplenomegalia)==> [ o abdome apresentava discreta

esplenomegalia.]

* [linha : 03371,022,14] * composta(parede,miocardio)==> [estrutura formadora da parede cardíaca composta

pelo miocardio e pericárdio visceral ]

X [linha : 03371,022,26] * composta(parede,pericárdio)==> [estrutura formadora da parede cardíaca composta

pelo miocardio e pericárdio visceral ]

X [linha : 03743,001,17] * é uma(colesterol,bioquímica)==> [o colesterol é uma substância bioquímica que, para

surpresa de muit]

X [linha : 05754,013,08] * mostrou(abdome,ascite)==> [ o exame do abdome mostrou ascite volumosa.]

[linha : 06546,028,05] * como(sintomas,dor)==> [Nos pacientes que apresentam sintomas como dor, peso,

cansaço, ardência, queimação ou edema]

[linha : 06546,028,48] * como(sintomas,edemas)==> [Nos pacientes que apresentam sintomas como dor, peso,

cansaço, ardência, queimação ou edema]

X [linha : 06703,000,05] * como(sintomas,dispnéia)==> [ sintomas como dispnéia (desconforto respiratório)

sudorese na ]

X [linha : 06809,013,05] * como(sintomas,diarréia)==> [essoas de uma mesma família, apresentaram sintomas

como diarréia, vômitos, dispnéia e broncorréia; sendo]

* [linha : 06809,013,24] * como(sintomas,dispnéia)==> [essoas de uma mesma família, apresentaram sintomas

como diarréia, vômitos, dispnéia e broncorréia; sendo]

[linha : 07645,031,05] * é um(coração,vaso)==> [do coração, lembrando também que o próprio coração é um

vaso modificado.]

[linha : 07661,021,21] * como(veias,pericárdio)==> [eflexão ao nível das veias é irregular e conhecida como

seio oblíquo do pericárdio, que é limitado pelas]

X [linha : 07689,002,14] * é a(aorta,artéria)==> [ a aorta é a principal artéria sistêmica do corpo. ]

[linha : 07695,002,19] * é a(aorta,ventrículo)==> [ a aorta é a continuação do ventrículo esquerdo. em seu traje]

* [linha : 07705,002,06] * é uma(aorta,artéria)==> [ a aorta é uma artéria elástica, de túnica espessa e constituíd]

X [linha : 08301,034,05] * como(sintoma,palpitações)==> [ Quando o paciente apresenta algum sintoma como

palpitações, tonturas, síncope, etc., ele própri]

X [linha : 08301,034,28] * como(sintoma,síncope)==> [ Quando o paciente apresenta algum sintoma como

palpitações, tonturas, síncope, etc., ele própri]

[linha : 08479,003,06] * é uma(diabetes,doença)==> [ a diabetes é uma doença que pode se apresentar ]

121

[linha : 08843,031,06] * é uma(hipertensão,doença)==> [- cardiopatia hipertensiva a hipertensão arterial é uma

doença que acomete a população de todo o mundo, ]

[linha : 09279,101,24] * é o(coração,função)==> [rúrgico das doenças do coração e dos grandes vasos é o

restabelecimento da função cardíaca. as manifest]

[linha : 09309,117,05] * é um(cateterismo,exame)==> [al i) cateterismo cardíaco: o cateterismo cardíaco é um

exame feito numa sala especial equipada, com apa]

[linha : 09343,003,05] * é um(coração,órgão)==> [ o coração é um órgão de paredes musculares que tem a

finalidade]

[linha : 09349,003,05] * é um(ecocardiograma,exame)==> [ o ecocardiograma é um exame de ultra som,

semelhante a um "sonar" e qu]

[linha : 09807,110,05] * é um(ecocardiograma,exame)==> [ocardiografia com fluxo colorido o ecocardiograma

é um exame ]

[linha : 09817,000,05] * é um(teste,exame)==> [ teste ergométrico é um exame realizado em esteira rolante

(também exist]

[linha : 10401,015,32] * é a(sopro,função)==> [a morfologia do sopro é a expressão da intensidade em função

do tempo e te]

[linha : 10694,000,14] * é a causa(etiologia,doenças)==> [ etiologia é a causa das doenças. ]

[linha : 10764,000,14] * composto(exame,identificação)==> [ exame clínico é composto pela identificação ou

resenha, anamnese, exame f]

122

ANEXO X - ONTOLOGIA REFERÊNCIA NO DOMÍNIO

CARDIOLOGIA (OLIVEIRA, 1999).

SUB-TEORIA DA PATOLOGIA

Conceito Sub-Classes Instâncias

(Exemplos)

Patologia Processo Inflamatório

Malformação congênita

Processo Degenerativo

Processos Neoplásicos

Processo carencial

Processo infeccioso

Processo Inflamatório Cardite reumática

Pericardite

Malformação congênita Comunicação inter-atrial

Tetrologia de Fallot

Comunicação inter-ventricular

Processo Degenerativo Aterosclerose

Processo Neoplásicos Mixoma

Metastases

Processo carencial Beri-Beri

Processo infeccioso Doença de Chagas

Endocardite bacteriana

Trauma Ferimento por arma

Acidentes automobilísticos

Etiopatogenia Etiologia

Patogenia

Etiologia Infecção viral

Ferimento

Patogenia aumento da pressão arterial

aumento do colesterol

aumento da glicemia

SUB-TEORIA ANATOMIA DO CORAÇÃO

Conceito Sub-Classes Instâncias

(Exemplos)

Substrato anatômico Músculo cardíaco

Endocárdio

Pericárdio

Sistema excito condutor

Circulação sistêmica

Circulação pulmonar

Componente anatômico Câmara cardíaca

Artéria

Veia

Válvula

Septo

Sistema excito condutor

Parede

123

Conceito Sub-Classes Instâncias

(Exemplos)

Câmara cardíaca

Átrio direito

Atrio esquerdo

Ventrículo direito

Ventrículo esquerdo

Artéria

Aorta

Descendente Anterior

Circunflexa

Coronária direita

Artéria pulmonar

Veia

Veia cava superior

Veia cava inferior

Veia pulmonar

Válvula

Válvula tricúspede

Válvula pulmonar

Válvula mitral

Válvula aórtica

Septo

Septo inter-atrial

Septo inter-ventricular

Sistema excito condutor

Nó sinusal

Nó AV

Feixe de His

Parede

Pericárdio

Miocárdio

Endocárdio

Função Fisiologia

Fisiopatologia

Função Normal (Fisiologia) Contração

Direcionamento de fluxo

Transporte

Nutrição

Função Anormal

(Fisiopatologia)

Diminuição da contratilidade do

músculo cardíaco

SUB-TEORIA DE DIAGNÓSTICO

Conceito Sub-Classes Instâncias

(Exemplos)

Diagnóstico Sindrômico

Etiológico

Sindrômico Insuficiência cardíaca

Angina

Etiológico Miocardite viral

Doença aterosclerótica

124

SUB-TEORIA DE TERAPIA

Conceito Sub-Classes Instâncias

(Exemplos)

Terapia Clínica

Intervencionista

Clínica Trombolíticos

Intervencionista Angioplastia

Troca valvar

Revascularização miocárdica

Valvoplastia

SUB-TEORIA DE AVALIAÇÃO CLÍNICA E EXAMES COMPLEMENTARES

Conceito Sub-Classes Instâncias

(Exemplos)

Evidência Quadro Clínico

Resultado de Exames

Quadro Clínico Identificação

Sintoma

Sinais

Antecedente

Identificação

Sintoma Dispnéia

Síncope

Palpitação

Diarréia

Dor Dor toráxica

Dor medio-esternal

Dor dorsal

Sinal Sinal visual

Sinal tátil

Sinal auscultatório

Sinal olfativo

Sinal Visual Facies de sofrimento agudo

Palidez

Cianose

Sinal Tátil Pulso

Abdome

Edema

Cardíaco

Pulso Caracterização do pulso

Abdome Hepatomegalia

Esplenomegalia

Ascite

Edema Edema de MMI (membros inferiores)

Sintal Tátil Cardíaco Precórdio

Ictus

Frêmito

Sinal Auscultatório

Ruído Habitual Ruído Habitual Respiratório

Ruído Habitual Cardíaco

Ruído Habitual Respiratório Som pulmonar

Ruído Habitual Cardíaco Bulha 1 (B1)

125

Conceito Sub-Classes Instâncias

(Exemplos)

Bulha 2 (B2)

Ruído Extra Habitual Ruído Extra Habitual

Respiratório

Ruído Extra Habitual

Cardíaco

Ruído Extra Habitual

Respiratório

Crepitos

Roncos

Sibilos

Ruído Extra Habitual

Cardíaco

Sopro

Pressão Arterial

Click mesossistólico

Estalido de abertura VM

Atrito

Sopro

Pressão Arterial

Sinal Olfativo Diabete

Antecedente Antecedente Pessoal

Antecedente Familiar

Antecedente Pessoal Tabagismo

Hipertensão arterial

Dislipidemia

Diabete

Obesidade

Stress

Pós-menopausa

Evento coronário prévio

Doenças prévias

Antecedente Familiar Diabete

Evento coronário

Cardiopatia isquêmica

Resultado de Exame

Exame Complementar Invasivos

Não Invasivos

Invasivos Cateterismo cardíaco

Estudo eletrofisiológico invasivo

Não Invasivos

Exame Laboratorial Dosagem de bioquímicos

Avaliação hematológica

Sorologia

Uroanálise

Bacteriologia

Bioquímica Colesterol

Eletrólitos

Glicemia

Hematologia Eritrograma

Leucograma

Sorologia

Uroanálise Características da urina

Bacteriologia Presença de infecção

Baseado em ultrasom Ecocardiograma transeofágico

Ecocardiograma transtorácico

Ecocardiograma de stress

126

Conceito Sub-Classes Instâncias

(Exemplos)

Ecocardiograma para cardiopatia

congênita

Baseado em sinal elétrico Eletrocardiograma

Teste Ergométrico

Holter

Baseado em radiação Medicina Nuclear

Raio-X

Tilt test

Mapa

Livros Grátis
( http://www.livrosgratis.com.br )
 
Milhares de Livros para Download:
 
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas

Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
 
 