[en] ON THE CONNECTIVITY OF ENTITY PAIRS IN KNOWLEDGE BASES

• Main Author: JOSE EDUARDO TALAVERA HERRERA
• Publication Date: 2017
• Format: Doctoral thesis
• Language: eng
• Source: Repositório Institucional da PUC-RIO (Projeto Maxwell)
• Download full: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=30742&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=30742&idi=2; http://doi.org/10.17771/PUCRio.acad.30742
• topic: [pt] BUSCA DE CAMINHOS; [pt] CONSULTAS SPARQL; [pt] GRAFOS RDF; [pt] RANQUEAMENTO DE CAMINHOS; [pt] MEDIDAS DE SIMILARIDADE; [en] PATHFINDING; [en] SPARQL QUERY; [en] RDF GRAPH; [en] PATH RANKING; [en] SIMILARITY MEASURE

[pt] Bases de conhecimento são ferramentas poderosas que fornecem suporte a um amplo espectro de aplicações como, por exemplo, busca exploratória, ranqueamento e recomendação. Bases de conhecimento podem ser vistas como grafos, onde os nós representam entidades e as arestas seus relacionamentos. Atualmente, motores de busca usam bases de conhecimento para melhorar suas recomendações. No entanto, motores de busca são orientados a uma única entidade e enfrentam dificuldades ao tentar explicar porque e como duas entidades estão relacionadas, um problema conhecido como relacionamento entre entidades. Esta tese explora o uso de bases de conhecimento em formato RDF para endereçar o problema de relacionamento entre entidades, em duas direções. Em uma direção, a tese define o conceito de perfis de conectividade para pares de entidades, que são explicações concisas sobre como as entidades se relacionam. A tese introduz uma estratégia para gerar um perfil de conectividade entre um par de entidades, que combina anotações semânticas e métricas de similaridade para resumir um conjunto de caminhos entre as duas entidades. Em seguida, introduz a ferramenta DBpedia profiler, que implementa a estratégia proposta, e cuja efetividade foi medida através de experimentos com usuários. Em outra direção, considerando os desafios para explorar grandes bases de conhecimento online, a tese apresenta uma estratégia genérica de busca baseada na heurística backward, a qual prioriza alguns caminhos sobre outros. A estratégia combina medidas de similaridade e de ranqueamento, criando diferentes alternativas. Por último, a tese avalia e compara as diferentes alternativas em dois domínios, música e filmes, adotando como ground truth rankings especializados de caminhos especialmente desenvolvidos para os experimentos.