Geração de consultas SPARQL a partir de linguagem natural

• Ano de defesa: 2025
• Autor(a) principal: Castro, Heber Gustavo Xavier de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertacoes da USP; Universidade de São Paulo; Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto
• Palavras-chave em Português: Dados abertos ligados; Processamento de linguagem natural; SPARQL; Web semântica; Linked open data; Natural language processing; Semantic web
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/59/59143/tde-16012026-101734/

A Web Semântica tem como objetivo fornecer informações na web com significado bem definido, tornando-as compreensíveis não apenas para seres humanos, mas também para máquinas e sistemas computacionais. Como parte dos esforços de desenvolvimento da Web Semântica, foram criados os chamados Dados Abertos Ligados (DAL), que consistem em conjuntos de dados semanticamente anotados e interligados. Esses dados, quando armazenados em repositórios apropriados, permitem a realização de consultas complexas, inclusive de forma remota. No entanto, a recuperação de informações nesses repositórios exige o domínio da linguagem SPARQL, o que representa uma barreira para usuários não especialistas. Diversas abordagens têm sido propostas para permitir a geração automática de consultas SPARQL a partir de linguagem natural. Contudo, muitas delas apresentam limitações quanto à adaptação para o idioma português e à aplicabilidade em diferentes domínios de conhecimento. Este trabalho propõe uma arquitetura de software genérica para a geração de consultas SPARQL a partir de perguntas formuladas em linguagem natural na língua portuguesa, cuja implementação é adaptável a diferentes domínios de conhecimento. Neste contexto, foi desenvolvida a ferramenta de código aberto <i>Natural2SPARQL</i>, uma aplicação web que torna o processo de consulta a dados semânticos mais acessível e intuitivo. A solução foi validada por meio de um estudo de caso no domínio financeiro, utilizando dados da bolsa de valores brasileira (B3). A avaliação, conduzida em duas fases, testou a robustez técnica do sistema contra a variabilidade linguística de múltiplos agentes de IA - alcançando uma acurácia média de 93,3% - e sua aplicabilidade prática com usuários humanos. Os resultados demonstraram a eficácia da arquitetura, contribuindo de forma significativa para a democratização do acesso à Web Semântica.