EVENTO
Integrando observações e predições em grafos de conhecimento ontologicamente fundamentados
Tipo de evento: Defesa de Dissertação de Mestrado
A construção de modelos de Machine Learning que sejam capazes de prever a precipitação para eventos extremos de chuva requer dados observacionais, para treinamento e teste,provindos de diferentes fontes, normalmente coletados e armazenados separadamente em diversos arquivos usando um formato de dados tabulares que carece de semântica explícita. A partir dosmodelos, temos dados que são frutos da predição e necessitam ser armazenados de maneira que facilite seu acesso e reuso. Esse cenário motivou a necessidade de uma visão integrada dessesdados, observacionais e preditos, com o objetivo de apoiar aplicações para tomada de decisão baseadas em informações contextuais e em predições. Além de facilitar o reaproveitamento e ocompartilhamento para servir outros pesquisadores.A metodologia deste trabalho dividiu-se em duas partes. A primeira consiste na criação de uma ontologia que represente nosso domínio de estudo, e a segunda no mapeamento dessa ontologiapara o grafo de conhecimento. Com o intuito de garantir um arcabouço conceitual utilizamos a Unified Foundational Ontology (UFO), uma ontologia de fundamentação, alinhamos a ela ontologiasde domínio, como SOSA e SSN. Para isso, estenderam-se técnicas de alinhamento entre ontologias, e posteriormente incluíram-se as demais classes necessárias para abranger todo o âmbito dapesquisa. Integrar essas informações é um trabalho difícil, pois os dados vêm de fontes distintas, têm escalas espaço-temporais distintas e unidades de medida diferentes. Dessa forma, é precisouma homogeneização conceitual e esquemática desses dados. Para validar essa ontologia nos apoiamos em questões de competência e casos de uso.Uma vez homogeneizados, os dados são representados em um grafo de conhecimento. Com esses resultados esperamos ter um grafo com uma descrição semântica comum, gerando um nível maiselevado de abstração que não depende da infraestrutura física ou formato dos dados. Assim sendo, a construção de aplicações para tomada de decisão se beneficiaria da existência de umarepresentação que integrasse dados do domínio.Evento PresencialLocal: Auditório B
Data Início: 29/08/2024 Hora: 14:00 Data Fim: 29/08/2024 Hora: 17:00
Local: LNCC - Laboratório Nacional de Computação Ciêntifica - Auditorio B
Aluno: Gabriela Moraes - - LNCC
Orientador: Fabio André Machado Porto - Laboratório Nacional de Computação Científica - LNCC
Participante Banca Examinadora: Antônio Tadeu Azevedo Gomes - Laboratório Nacional de Computação Científica - LNCC Fabio André Machado Porto - Laboratório Nacional de Computação Científica - LNCC Jonice de Oliveira Sampaio - Universidade Federal do Rio de Janeiro - UFRJ Vania Maria Ponte Vidal - Universidade Federal do Ceará - UFC
Suplente Banca Examinadora: Jauvane Cavalcante de Oliveira - Laboratório Nacional de Computação Científica - LNCC
