Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/17842
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2017_DiegoMarquesAzevedo_tcc.pdf5,83 MBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorLadeira, Marcelo-
dc.contributor.authorAzevedo, Diego Marques de-
dc.identifier.citationAZEVEDO, Diego Marques de. Geração automática de ontologias probabilísticas a partir de um modelo UMP-ST. 2017. [92] f., il. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação)—Universidade de Brasília, Brasília, 2017.pt_BR
dc.descriptionTrabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2017.pt_BR
dc.description.abstractO URP-ST é uma metodologia baseada no processo unificado que orienta o engenheiro de ontologias durante a construção de ontologias probabilísticas por meio de uma série de etapas que englobam desde a modelagem até a realização de inferências. A etapa de modelagem é definida pelo UMP-ST, uma metodologia iterativa e incremental voltada para a maioria das tecnologias semânticas. Uma delas é o PR-OWL, uma linguagem para a representação do MEBN. A modelagem de ontologias probabilísticas a partir do UMP-ST utilizando MEBN/PR-OWL pode ser realizada no UnBBayes, um framework para a construção gráfica de modelos probabilísticos e a realização de raciocínio plausível. Apesar da orientação dada pelo UMP-ST, a modelagem de ontologias probabilísticas é uma tarefa penosa e repetitiva. Durante a implementação do modelo, é necessário a construção da ontologia a partir do zero utilizando um determinada tecnologia semântica, além da modelagem feita no UMP-ST. Uma integração apropriada que ajude o usuário a implementar a ontologia, tal como um estrutura intermediária, agilizaria e facilitaria a sua implementação. Esse trabalho propõe um plug-in Java para o UnBBayes com o objetivo de automatizar o mapeamento de uma ontologia modelada via UMP ST em um modelo MEBN, permitindo ao usuário realizar inferências probabilísticas em ontologias com representação de conhecimento com ou sem incerteza probabilística.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordOntologiapt_BR
dc.subject.keywordInferência (Lógica)pt_BR
dc.titleGeração automática de ontologias probabilísticas a partir de um modelo UMP-STpt_BR
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladopt_BR
dc.date.accessioned2017-08-11T18:56:43Z-
dc.date.available2017-08-11T18:56:43Z-
dc.date.submitted2017-03-14-
dc.identifier.urihttp://bdm.unb.br/handle/10483/17842-
dc.language.isoPortuguêspt_BR
dc.description.abstract1The URP-ST is a methodology based on the unified process that guides the ontology engineer in how to design Probabilistic Onologies. The UMP-ST is an incremental and iterative approach that covers the modeling step related to the URP-ST. It is a general methodology for the majority of the existing semantic technologies which support uncertainty. One of them is the PR-OWL, a language for MEBN representation. The modeling of probabilistic ontologies from the UMP-ST using MEBN / PR-OWL can be performed in UnBBayes, a framework for building probabilistic graphical models and performing plausible reasoning. Despite the guidance given by the UMP-ST, the implementation of a PO is a painful and repetitive task. During the implementation of the model, it is necessary to build the ontology from the zero using a specific semantic technology, even if the user models the PO in UMP-ST. A proper integration that helps the user to implement the PO, such as an intermediate structure, would expedite and facilitate its implementation. This work presents an automatic way to generate POs using MEBN representation from the UMP-ST model by mapping the elements of both sides. This is an extension of the UMP-ST to generate POs to an specific formalism and it is developed as a Java plug-in for UnBBayes.pt_BR
Aparece na Coleção:Ciência da Computação



Este item está licenciado na Licença Creative Commons Creative Commons