On the learning of multiple concepts in description logic

Detalhes bibliográficos
Ano de defesa: 2014
Autor(a) principal: Thiago, Raphael Melo
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://hdl.handle.net/unirio/12008
Resumo: Dissertação também disponível em formato impresso, com o número de chamada CCET MI 2014/16.
id UNIRIO_defe472dfb3efee44220db8a01fc0316
oai_identifier_str oai:localhost:unirio/12008
network_acronym_str UNIRIO
network_name_str Repositório Hórus
repository_id_str
spelling On the learning of multiple concepts in description logicCIÊNCIAS EXATAS E DA TERRACIÊNCIA DA COMPUTAÇÃOMultiple Concept Learning in Description LogicsTerminology LearningRedundancy Removal on Description LogicsTerminology CompressionTheory RestructureAprendizado de Múltiplos Conceitos em Lógicas de DescriçãoAprendizado de TerminologiasRemoção de Redundâncias em Lógicas de DescriçãoCompressão de TerminologiasRestruturação de TeoriasDissertação também disponível em formato impresso, com o número de chamada CCET MI 2014/16.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESDescription Logics based languages have emerged as the standard knowledge representation scheme for ontologies. Typically, an ontology formalizes a number of dependent and related concepts in a domain, encompassed as a terminology. As manually defining such terminologies is a complex, time consuming and error-prone task, there is great interest and even demands for methods that learn terminologies automatically. However, the existing approaches follow a single concept learning strategy, disregarding dependencies that may exist among the concepts. As a consequence, a more complex and sometimes illegible terminology may be induced. Thus, methods for learning all the concepts within an unique task, respecting their dependency are essential for automatically inducing compact and understandable ontologies. Then, in this work, we propose three strategies for learning a terminology composed of multiple related concepts. We empirically evaluated successfully all of them in two benchmarks and compared them with a standard single concept learning algorithm.n/aLinguagens baseadas em Lógicas de Descrição são comumente adotadas como o esquema padrão para a representação de conhecimento em ontologias. Tipicamente, uma ontologia formaliza um número de conceitos dependentes e relacionados de um domínio, agrupados como uma terminologia. Como a definição manual de tais terminologias é complexa, consome tempo e ainda é passível de erros, existe um grande interesse e demanda por métodos automáticos de aprendizado de terminologias. No entanto, as abordagens existentes seguem uma estrat´egia de aprendizado de um único conceito, desconsiderando dependências que possam existir entre conceitos. Como consequência, são induzidas terminologias mais complexas e por vezes ilegíveis. Logo, métodos para o aprendizado de vários conceitos dentro de uma tarefa, respeitando suas dependências são essenciais para a indução automática de ontologias compactas e compreensíveis. Assim, neste trabalho, propomos três estratégias para o aprendizado de terminologias compostas por múltiplos conceitos relacionados. Nós empiricamente avaliamos com sucesso todas as três em dois benchmarks e as comparamos com um algoritmo padrão de aprendizado de conceitos únicos.Revoredo, kate CerqueiraCarvalho, Aline Marins PaesRevoredo, Kate CerqueiraCarvalho, Aline Martins PaesSiqueira, Sean Wolfgand MatsuiCozman, Fabio GlagliardiThiago, Raphael Melo2018-07-18T18:00:42Z2018-07-18T18:00:42Z2014-05-30info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisTHIAGO, Raphael Melo. On the learning of multiple concepts in description logic. 2014. xi, 76 f. Dissertação (Mestrado em Informática) - Universidade Federal do Estado do Rio de Janeiro. Rio de Janeiro, 2014.http://hdl.handle.net/unirio/12008info:eu-repo/semantics/openAccessengreponame:Repositório Hórusinstname:Universidade Federal do Estado do Rio de Janeiro (UNIRIO)instacron:UNIRIO2018-07-18T18:00:42Zoai:localhost:unirio/12008Repositório InstitucionalPUBhttp://www.repositorio-bc.unirio.br:8080/oai/requestbiblioteca.sid@unirio.bropendoar:2024-12-06T17:58:08.700656Repositório Hórus - Universidade Federal do Estado do Rio de Janeiro (UNIRIO)false
dc.title.none.fl_str_mv On the learning of multiple concepts in description logic
title On the learning of multiple concepts in description logic
spellingShingle On the learning of multiple concepts in description logic
Thiago, Raphael Melo
CIÊNCIAS EXATAS E DA TERRA
CIÊNCIA DA COMPUTAÇÃO
Multiple Concept Learning in Description Logics
Terminology Learning
Redundancy Removal on Description Logics
Terminology Compression
Theory Restructure
Aprendizado de Múltiplos Conceitos em Lógicas de Descrição
Aprendizado de Terminologias
Remoção de Redundâncias em Lógicas de Descrição
Compressão de Terminologias
Restruturação de Teorias
title_short On the learning of multiple concepts in description logic
title_full On the learning of multiple concepts in description logic
title_fullStr On the learning of multiple concepts in description logic
title_full_unstemmed On the learning of multiple concepts in description logic
title_sort On the learning of multiple concepts in description logic
author Thiago, Raphael Melo
author_facet Thiago, Raphael Melo
author_role author
dc.contributor.none.fl_str_mv Revoredo, kate Cerqueira
Carvalho, Aline Marins Paes
Revoredo, Kate Cerqueira
Carvalho, Aline Martins Paes
Siqueira, Sean Wolfgand Matsui
Cozman, Fabio Glagliardi
dc.contributor.author.fl_str_mv Thiago, Raphael Melo
dc.subject.por.fl_str_mv CIÊNCIAS EXATAS E DA TERRA
CIÊNCIA DA COMPUTAÇÃO
Multiple Concept Learning in Description Logics
Terminology Learning
Redundancy Removal on Description Logics
Terminology Compression
Theory Restructure
Aprendizado de Múltiplos Conceitos em Lógicas de Descrição
Aprendizado de Terminologias
Remoção de Redundâncias em Lógicas de Descrição
Compressão de Terminologias
Restruturação de Teorias
topic CIÊNCIAS EXATAS E DA TERRA
CIÊNCIA DA COMPUTAÇÃO
Multiple Concept Learning in Description Logics
Terminology Learning
Redundancy Removal on Description Logics
Terminology Compression
Theory Restructure
Aprendizado de Múltiplos Conceitos em Lógicas de Descrição
Aprendizado de Terminologias
Remoção de Redundâncias em Lógicas de Descrição
Compressão de Terminologias
Restruturação de Teorias
description Dissertação também disponível em formato impresso, com o número de chamada CCET MI 2014/16.
publishDate 2014
dc.date.none.fl_str_mv 2014-05-30
2018-07-18T18:00:42Z
2018-07-18T18:00:42Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv THIAGO, Raphael Melo. On the learning of multiple concepts in description logic. 2014. xi, 76 f. Dissertação (Mestrado em Informática) - Universidade Federal do Estado do Rio de Janeiro. Rio de Janeiro, 2014.
http://hdl.handle.net/unirio/12008
identifier_str_mv THIAGO, Raphael Melo. On the learning of multiple concepts in description logic. 2014. xi, 76 f. Dissertação (Mestrado em Informática) - Universidade Federal do Estado do Rio de Janeiro. Rio de Janeiro, 2014.
url http://hdl.handle.net/unirio/12008
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Hórus
instname:Universidade Federal do Estado do Rio de Janeiro (UNIRIO)
instacron:UNIRIO
instname_str Universidade Federal do Estado do Rio de Janeiro (UNIRIO)
instacron_str UNIRIO
institution UNIRIO
reponame_str Repositório Hórus
collection Repositório Hórus
repository.name.fl_str_mv Repositório Hórus - Universidade Federal do Estado do Rio de Janeiro (UNIRIO)
repository.mail.fl_str_mv biblioteca.sid@unirio.br
_version_ 1817726468381212672