How to classify domain entities into top-level ontology concepts using language models : a study across multiple labels, resources, domains, and languages

• Ano de defesa: 2025
• Autor(a) principal: Lopes Junior, Alcides Gonçalves
• Orientador(a): Abel, Mara
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Palavras-chave em Português: Ontologias; Linguagem natural; Modelo de linguagem; Aprendizado de máquina
• Link de acesso: http://hdl.handle.net/10183/290803

Classificar entidades de domínio em seus respectivos conceitos de ontologias de topo é umproblema complexo que normalmente exige análise manual e profundo conhecimento especializado no domínio de interesse e em engenharia de ontologias. Uma abordagem eficiente para classificar entidades de domínio pode melhorar a integração e a interope rabilidade de dados, aspectos cruciais para a representação e modelagem estruturada do conhecimento. Motivados por esse desafio, propomos uma abordagem automatizada para classificar entidades de domínio em conceitos de ontologias de topo, utilizando Defini ções em Linguagem Natural (NLDs) dessas entidades de domínio. Nossa hipótese é que as NLDsencapsulam informações semânticas essenciais para associar entidades de domí nio a conceitos específicos de ontologias de topo. Além disso, propomos dois pipelines de classificação treinados utilizando técnicas de ajuste fino e abordagens clássicas de Apren dizado de Máquina (ML), aproveitando modelos de linguagem de última geração para lidar com os dados textuais. Para avaliar nossa proposta, construímos conjuntos de da dos multi-rótulo, multi-recurso e multilíngues, extraídos do BabelNet e de ontologias de domínio disponíveis no repositório OBO Foundry. Esses conjuntos de dados abrangem mapeamentos para as ontologias de topo DOLCE-Lite-Plus (DLP) e Basic Formal Onto logy (BFO), garantindo uma coleção diversa e representativa de entidades de domínio e suas respectivas classificações em ontologias de topo, incluindo diferentes representações textuais das entidades de domínio, como NLDs, definienda, definientia e sentenças de exemplo. Em nossos experimentos, investigamos a eficácia de nossa abordagem em diferentes técnicas de representação textual, idiomas, recursos de conhecimento, domínios de conhecimento e ontologias de domínio. Os resultados de nossos experimentos desta camovalor de aproveitar Definições em Linguagem Natural (NLDs) e pipelines baseados em embeddings na classificação de entidades de domínio em conceitos de ontologias de topo. Em diversos cenários, as NLDs superaram consistentemente outras abordagens de representação textual, alcançando macro F1-scores superiores a 90% na maioria dos ca sos. Alémdisso, pipelines utilizando o modelo de linguagem Mistral7B e um classificador KNNobtiveramummacroF1-scorede86,6%emavaliaçõesentrediferentes fontes de dados. Mesmo em experimentos entre diferentes domínios, onde o desempenho inicial caiu abaixo de 40%, a inclusão estratégica de dados específicos do domínio no treinamento resultou em melhorias significativas, evidenciando as diferenças entre NLDs gerais e es pecíficas de domínio nessa tarefa de classificação. Os achados ressaltam o potencial do desenvolvimento de ferramentas automatizadas que possam apoiar os engenheiros de on tologias no processo de desenvolvimento de ontologias. No entanto, algumas limitações permanecem, como a dependência de NLDs de alta qualidade e os desafios no tratamento de idiomas e domínios de conhecimento sub-representados.