-
0
UNIVERSIDADE METODISTA DE PIRACICABA FACULDADE DE CINCIAS EXATAS
E DA NATUREZA
MESTRADO EM CINCIA DA COMPUTAO
UMA ONTOLOGIA PARA INSERIR CONHECIMENTO HUMANO EM FERRAMENTAS DE
MINERAO DE DADOS
EDMAR AUGUSTO YOKOME ORIENTADORA: PROFA. DRA. FLVIA LINHALIS
ARANTES
PIRACICABA, SP 2011
-
1
UNIVERSIDADE METODISTA DE PIRACICABA FACULDADE DE CINCIAS EXATAS
E DA NATUREZA
MESTRADO EM CINCIA DA COMPUTAO
UMA ONTOLOGIA PARA INSERIR CONHECIMENTO HUMANO EM FERRAMENTAS DE
MINERAO DE DADOS
EDMAR AUGUSTO YOKOME ORIENTADORA: PROFA. DRA. FLVIA LINHALIS
ARANTES
Dissertao apresentada ao Mestrado em Cincia da Computao, da
Faculdade de Cincias Exatas e da Natureza, da Universidade
Metodista de Piracicaba UNIMEP, como parte dos requisitos para
obteno do Ttulo de Mestre em Cincia da Computao.
PIRACICABA, SP 2011
I
-
2
UMA ONTOLOGIA PARA INSERIR CONHECIMENTO HUMANO EM FERRAMENTAS DE
MINERAO DE DADOS
Autor: Edmar Augusto Yokome Orientadora: Profa. Dra. Flvia
Linhalis Arantes
Dissertao de Mestrado apresentada em 01 de junho de 2011, Banca
Examinadora constituda dos Professores:
________________________________________________
Profa. Dra. Flvia Linhalis Arantes UNICAMP
________________________________________________
Prof. Dr. Ivan Rizzo Guilherme UNESP
________________________________________________
Profa. Dra. Marina Teresa Pires Vieira UNIMEP
II
-
3
DEDICATRIA
Gostaria de dedicar este trabalho primeiramente a Deus, a fora
maior, que me deu a vida, sade e fora para cursar o mestrado e me
abenoou na grande quantidade de viagens que fiz ao longo desses
dois anos.
Aos meus pais e irmos que sempre estiveram presentes em todos os
momentos.
Cincia da Computao que me fez refletir o tanto que esta rea
complexa e diversificada.
Aos meus amigos que de certa forma fiquei afastado neste perodo
que me dediquei ao mestrado.
s minhas sobrinhas (Myallyn, Mayumi e Ana Heloisa), em especial
a Aninha que foi meu escape do stress.
s Artes Marciais e aos esportes que tanto gosto, mas que por uma
causa maior fiquei afastado.
Aos ex-coordenadores (Eleonilda, Rogrio e Vivian) da UEG UnU
Santa Helena de Gois no perodo de 2007 a 2008, no qual fiz parte
dessa equipe. Trabalhamos e divertimos muito, foi um bom perodo que
no votar mais.
III
-
4
AGRADECIMENTOS Primeiramente gostaria de agradecer professora
Dra Flvia Linhalis
Arantes pela orientao, que aceitou ser a minha orientadora em um
perodo complicado, me introduziu uma nova rea da Cincia da Computao
e mesmo depois de deixar de ser professora do programa de mestrado,
continuou a me orientar, sempre me apoiando e incentivando,
gostaria de registrar minha eterna gratido.
Gostaria de agradecer ao programa de mestrado em Cincia da
Computao da UNIMEP por ter sido um dos escolhidos. Aos professores
(Dr Plnio, Dra Marina, Dr Victor, Dr Luiz Eduardo, Dra Ana Estela e
Dra Ceclia), pelas suas aulas super proveitosas (foi de longe a
melhor coisa que fiz para minha vida profissional, em especial as
professoras Marina e Ana Estela que contribuiram muito com o
crescimento deste trabalho ao participarem da minha banca de
qualificao), aos colegas de mestrado (Rodrigo, Etianne, Jos
Edielson, Carlos, Joo Paulo, Ku Hai Chiang, Mrcio, Isaias e Regina)
pelos momentos difceis e alegres; s funcionrias (Rosa e Dulce) que
sempre estavam disposio para nos atender. E aluna de iniciao
cientifica (Mirela) da UNIMEP pela grande ajuda que me deu na
ferramenta Kira.
s diversas instituies de ensino por onde passei e a seus
funcionrios, professores e colegas, que foram responsveis pela
minha formao, entre as instituies esto: Colgio Modelo (Ensino
Fundamental), Colgio Vital de Oliveira (Ginsio), Escola Paroquial
de 10 e 20 Grau (Colegial), UEG (Curso Superior) e Faculdade FAR
(Ps-Graduao Latu Sensu), onde tambm fiz grandes amizades.
Gostaria de fazer um agradecimento especial instituio UEG - UnU
de Santa Helena que, alm de permitir que eu fizesse um curso
superior, me deu oportunidade de trabalho. E seus funcionrios,
professores e alunos, em especial a professora Dila (Coordenadora
do Curso) que aceitou a ser coordenadora para que eu pudesse cursar
o mestrado e sempre me apoiou e incentivou. As ex-Diretoras Ereni
(em especial, por ter me chamado para fazer parte do grupo de
funcionrios da UEG) e Maria Lcia e o atual Diretor prof Dr Luis
Carlos pelo incentivo. E por fim ao corpo docente e discente do
curso de Sistemas de Informao que entenderam minha constante
ausncia ao longo desses anos.
E por fim ao meu ex-orientador de especializao o prof Msc.
Fabian e a profa Msc. Dulcinia que fizeram a carta de recomendao
para o mestrado.
IV
-
5
O valor das coisas no est no tempo em que elas duram,
mas na intensidade com que acontecem.
Por isso existem momentos inesquecveis,
coisas inexplicveis e pessoas incomparveis".
(Fernando Pessoa)
Faa da pedra de tropeo, um degrau de subida. Transforme cada
fato negativo, em uma experincia positiva.
Bruce Lee
Quando algum est querendo aprender, o conselho de uma pessoa
experiente vale mais do que anis de ouro ou jias de ouro puro.
Pv
25:12
V
-
6
RESUMO
Ontologias vm sendo utilizadas amplamente em pesquisas na rea da
Cincia da Computao, inclusive na minerao de dados. Este trabalho
apresenta o desenvolvimento de uma ontologia para o domnio de
minerao de dados, cujo objetivo fornecer uma terminologia comum que
pode ser compartilhada e processvel por ferramentas de minerao de
dados. O principal diferencial da ontologia desenvolvida
identificar pontos onde o conhecimento humano se torna necessrio,
onde a partir desta caracterstica possvel utilizar metodologias
orientadas ao domnio, como a D3M, e com a utilizao desta
metodologia possvel obter uma minerao mais interativa entre a
mquina e o minerador de dados. Como produto gerado a partir desta
ontologia proposto uma arquitetura para ferramentas de minerao de
dados, levando em considerao a metodologia D3M, onde a partir desta
possvel desenvolver ferramentas de minerao de dados orientadas ao
domnio.
Palavras-Chaves: Ontologia de Domnio, Minerao de Dados,
Metodologias para Minerao de Dados, Conhecimento de Domnio,
Ferramentas de Minerao de Dados.
VI
-
7
ABSTRACT
Ontologies have widely been used in Computer Science research,
including data mining. This works presents the development of a
domain ontology for data mining, which aims to provide a common
terminology that can be shared and computed by data mining tools.
The main feature of the ontology is to identify where human
knowledge is required. With this feature it is possible to use
domain-oriented methodologies, such as D3M, to obtain a more
interactive data mining between the machine and the data miner
expert. As product generated from this ontology we proposed an
architecture for data mining tools. The architecture takes into
account the D3M methodology, aiming the developement of
domain-oriented data mining tools.
Key Words: Domain Ontology, Data Mining, Data Mining
Methodologies, Domain Knowledge, Data Mining Tools.
VII
-
8
SUMRIO
LISTAS DE
FIGURAS..............................................................................................
XI LISTA DE
QUADROS...............................................................................................XIII
LISTA DE SIGLAS E
ABREVIATURAS..................................................................XIV
1 INTRODUO
.......................................................................................................16
1.1 CONTEXTUALIZAO
........................................................................................................
16 1.2
MOTIVAO.....................................................................................................................
18 1.3 OBJETIVOS
......................................................................................................................
18 1.4
METODOLOGIA.................................................................................................................
19 1.5 TRABALHOS RELACIONADOS
............................................................................................
20 1.6 ORGANIZAO DO TRABALHO
...........................................................................................
23
2 MINERAO DE
DADOS......................................................................................25
2.1 CONSIDERAES
INICIAIS.................................................................................................
25 2.2 DESCOBERTA DE CONHECIMENTO EM BASE DE DADOS
...................................................... 25 2.2.1
Arquitetura Tpica de um Sistema de
MD.........................................................28 2.2.2
Tarefas da Minerao de Dados
.....................................................................29
2.2.3 Tcnicas de Minerao de Dados
....................................................................31
2.2.4 Algoritmos para minerao de
dados...............................................................37
2.3 METODOLOGIAS PARA MINERAO DE DADOS
...................................................................
39 2.3.1
CRISP-DM........................................................................................................39
2.3.1.1 O Modelo de Referncia
CRISP-DM............................................................
41 2.3.2 Minerao de Dados Orientada ao Domnio (DM)
..........................................44 2.4 FERRAMENTAS PARA
MINERAO
.....................................................................................
46 2.4.1 A Ferramenta
WEKA........................................................................................47
2.4.2 Ferramenta de Minerao de Dados
Kira.........................................................49 2.5
CONSIDERAES FINAIS
..................................................................................................
53
3 ONTOLOGIAS
.......................................................................................................54
3.1 CONSIDERAES
INICIAIS.................................................................................................
54 3.2 DEFINIES
....................................................................................................................
54 3.3 CLASSIFICAO DAS ONTOLOGIAS
....................................................................................
55 3.4 METODOLOGIAS PARA DESENVOLVIMENTO DE
ONTOLOGIAS............................................... 57
VIII
-
9
3.5 LINGUAGENS PARA REPRESENTAO DE ONTOLOGIAS
....................................................... 60 3.6
FERRAMENTAS PARA DESENVOLVIMENTO E VISUALIZAO DE ONTOLOGIAS
....................... 66 3.7 CONSIDERAES FINAIS
..................................................................................................
70
4 DESENVOLVIMENTO DE UMA ONTOLOGIA PARA O DOMNIO DA MINERAO DE
DADOS.........................................................................................72
4.1 CONSIDERAES
INICIAIS.................................................................................................
72 4.2 DOCUMENTAO DO CICLO DE VIDA DA ONTOLOGIA
META-DM.......................................... 72 4.2.1
Especificao
...................................................................................................73
4.2.2 Aquisio de
conhecimento..............................................................................74
4.2.3 Conceituao
...................................................................................................74
4.2.4 Integrao
........................................................................................................83
4.2.5
Implementao.................................................................................................83
4.2.6
Avaliao..........................................................................................................87
4.2.7 Documentao
.................................................................................................90
4.3 CONSIDERAES FINAIS
..................................................................................................
90
5 DEFINIO DE UMA ARQUITETURA PARA FERRAMENTAS DE MINERAO DE
DADOS COM BASE NA ONTOLOGIA META-DM E NA METODOLOGIA D3M .91
5.1 CONSIDERAES
INICIAIS.................................................................................................
91 5.2 IDENTIFICAO DAS TAREFAS DA METODOLOGIA D3M NA ONTOLOGIA
META-DM.................. 91 5.2.1
Dados...............................................................................................................92
5.2.2 Entendimento do
Problema..............................................................................93
5.2.3 Preparao dos Dados Para a Minerao de Dados
.......................................95 5.2.4 Tarefa de Minerao
de
dados.........................................................................96
5.2.5
Padres............................................................................................................98
5.3 UMA ARQUITETURA PARA FERRAMENTAS DE MINERAO DE DADOS BASEADA NA
METODOLOGIA D3M E NA ONTOLOGIA META-DM
.....................................................................
99 5.3.1 Interface com o usurio
..................................................................................101
5.3.2 Processo de Descoberta de Conhecimento
...................................................101 5.3.3
Repositrio de Informao
.............................................................................103
5.4 CENRIO DE EXECUO DE UM PROJETO DE MINERAO DE
DADOS.................................. 104 5.4.1 Execuo do cenrio
no entendimento do
negcio........................................105 5.4.2 Execuo do
cenrio no entendimento dos
dados.........................................107 5.4.3 Execuo do
cenrio na preparao dos dados
............................................109
IX
-
10
5.4.4 Execuo do cenrio na definio e aplicao da tarefa de minerao
de dados
......................................................................................................................112
5.4.5 Execuo do cenrio na avaliao dos padres gerados
..............................116 5.4.6 Execuo do cenrio na aplicao
dos padres gerados ..............................118 5.5
CONSIDERAES FINAIS
................................................................................................
118
6 CONCLUSES
....................................................................................................119
6.1 INTRODUO
.................................................................................................................
119 6.2 CONTRIBUIES
............................................................................................................
120 6.3 TRABALHOS
FUTUROS....................................................................................................
121
REFERNCIAS.......................................................................................................122
ANEXO
1..................................................................................................................126
APNDICE 1
...........................................................................................................128
APNDICE 2
...........................................................................................................138
X
-
11
LISTA DE FIGURAS
FIGURA 1: ONTOLOGIA DE SHARMA E
OSEI-BRYSON.......................................... 21 FIGURA 2:
PARTE DA ONTOLOGIA DE PINTO E
SANTOS...................................... 23 FIGURA 3: PROCESSO
DE DESCOBERTA DO CONHECIMENTO (KDD) ............... 26 FIGURA 4:
ARQUITETURA TPICA DE UM SISTEMA DE
MD................................... 28 FIGURA 5: AS TAREFAS
CENTRAIS DA
MD............................................................. 30
FIGURA 6: RVORE DE
DECISO............................................................................
32 FIGURA 7: PROCESSO DE INDUO DE REGRAS DE
ASSOCIAO................... 33 FIGURA 8: REDE NEURAL ARTIFICIAL
....................................................................
34 FIGURA 9: MODO DE OPERAO DOS ALGORITMOS
GENTICOS..................... 35 FIGURA 10: PROCESSO DE IDENTIFICAO
DOS SEGMENTOS......................... 36 FIGURA 11: QUATROS NVEIS
HIERRQUICOS DA METODOLOGIA CRISP-DM . 40 FIGURA 12: FASE DO MODELO
DE REFERNCIA DO CRISP-DM..........................42 FIGURA 13:
MODELO DO PROCESSO DDID-PD
.....................................................46 FIGURA 14:
TELA INICIAL DA FERRAMENTA
WEKA...............................................47 FIGURA 15:
AMBIENTE DE DESENVOLVIMENTO
WEKA........................................48 FIGURA 16:
ARQUITETURA DA FERRAMENTA
KIRA..............................................50 FIGURA 17:
TELA DA FERRAMENTA KIRA
..............................................................51
FIGURA 18: IDENTIFICAO DA TAREFA DE MINERAO
...................................52 FIGURA 19: CLASSIFICAO DE
ONTOLOGIAS.....................................................56
FIGURA 20: GRAFO REPRESENTANDO UMA
TRIPLA............................................62 FIGURA 21:
HIERARQUIAS DE ESPECIALIZAO/GENERALIZAO .................. 63
FIGURA 22: AMBIENTE DE DESENVOLVIMENTO DO PROTG
4.1.0.................. 69 FIGURA 23: DIAGRAMA DA ONTOLOGIA NO SEU
MAIS ALTO NVEL.................... 75 FIGURA 24: CLASSE DATA
.......................................................................................
78 FIGURA 25: ENTENDIMENTO DO PROBLEMA
........................................................ 79 FIGURA
26: PROCESSAMENTO DOS
DADOS......................................................... 81
FIGURA 27: PS-PROCESSAMENTO
......................................................................
82 FIGURA 28: UTILIZAO DO PELLET DENTRO DO
PROTG.............................. 87 FIGURA 29: ELEMENTOS
VERIFICADOS E NO VERIFICADOS............................ 88 FIGURA
30: RESULTADO DA VERIFICAO DO
PELLET....................................... 88 FIGURA 31: EXEMPLO
DE
INSTANCIAO.............................................................
89
XI
-
12
FIGURA 32: DADOS DA ONTOLOGIA META-DM COM A METODOLOGIA D3M
...... 92 FIGURA 33: ENTENDIMENTO DO PROBLEMA COM A METODOLOGIA
D3M......... 94 FIGURA 34: PREPARAO DOS DADOS COM A METODOLOGIA D3M
................. 95 FIGURA 35: DEFINIO DA TAREFA DA MD COM A
METODOLOGIA D3M............ 97 FIGURA 36: RESULTADOS DA MD COM A
METODOLOGIA D3M ........................... 98 FIGURA 37:
ARQUITETURA PARA FERRAMENTAS DE MINERAO DE DADOS.......
............................................................................................................100
FIGURA 38: EXECUO DO CENRIO - ENTENDIMENTO DO NEGCIO .............
106 FIGURA 39: EXECUO DO CENRIO - ENTENDIMENTO DOS
DADOS............... 108 FIGURA 40: EXECUO DO CENRIO - PREPARAO DOS
DADOS................... 111 FIGURA 41: EXECUO DO CENRIO - DEFINIO
E APLICAO DA TAREFA DE MINERAO DE
DADOS...................................................................................115
FIGURA 42: EXECUO DO CENRIO - AVALIAO DOS PADRES GERADOS....
...........................................................................................................
117 FIGURA 43: MODELAGEM DA BASE DE DADOS DO
CONGRESSO....................... 126 FIGURA 44: INTEGRAO DA BASE DE
DADOS PARA A MD................................. 127
XII
-
13
LISTA DE QUADROS
QUADRO 1: DESCRIO DAS FASES DO PROCESSO DE
KDD...............................27 QUADRO 2: DESCRIO DAS TAREFAS
DE MINERAO DE DADOS....................31 QUADRO 3: ALGUNS
ALGORITMOS PARA MINERAO DE DADOS ......................37 QUADRO 4:
DESCRIO DAS FASES DA METODOLOGIA CRISP-DM. ...................40
QUADRO 5: TAREFAS EXECUTAS EM CADA ETAPA DO CRISP-DM
.......................43 QUADRO 6: DESCRIO DOS TIPOS DE
ONTOLOGIAS, GUARINO .......................56 QUADRO 7: ETAPAS DA
METODOLOGIA METHONTOLOGY ...................................58
QUADRO 8: LINGUAGENS PARA REPRESENTAR ONTOLOGIAS .
..........................60 QUADRO 9: CLASSES ESSENCIAIS DO RDF-S
.........................................................64 QUADRO
10: RELACIONAMENTOS
.........................................................................64
QUADRO 11: CARACTERSTICAS DAS FERRAMENTAS PARA A CRIAO DE
ONTOLOGIAS............................................................................................................67
QUADRO 12: DESCRIO DOS COMPONENTES DA ONTOLOGIA OWL
................69 QUADRO 13: DICIONRIO DE DADOS DAS
CLASSES..............................................76 QUADRO 14:
DICIONRIO DE DADOS DOS RELACIONAMENTOS..........................77
QUADRO 15: DICIONRIO DE DADOS DOS ATRIBUTOS
.........................................78
XIII
-
14
LISTA DE ABREVIATURAS E SIGLAS
CRISP-DM: Cross-Industry Standard Process for Data Mining
Processo Padro Intersetorial para Minerao de Dados
D3M: Domain Driven Data Mining - Minerao de Dados Orientada ao
Domnio
DAML: DARPA Agent Markup Language Linguagem de Marcao para
Agentes da DARPA
DDID-PD: Domain-driven in-depth pattern discovery Descoberta de
Padres em Profundidade Orientada ao Domnio
DM: Data Mining - Minerao de Dados
DMO: Data Mining Ontology Ontologia de Minerao de Dados
KDD: Knowledge Discovery in Databases - Descoberta do
Conhecimento em Bases de Dados
KIF: Knowledge Interchange Format Formato de Troca de
Conhecimento
OCML: Operational Conceptual Modeling Language Linguagem de
Modelagem Conceitual Operacional
ODE: Ontology Design Environment Ambiente para Projeto de
Ontologias
OIL: Ontology Interchange Language Linguagem para Intercmbio de
Ontologias
OKBC: Open Knowledge Based Connectivity Conhecimento Aberto
Baseado em Conectividade
OWL: Ontology Web Language Linguagem de Ontologias para Web
RDF: Resource Descriptor Framework Framework para Descrio de
Recursos
XIV
-
15
SWRL: Semantic Web Rule Language Linguagem de Regras para Web
Semntica
WEKA: Waikato Environment For Knowledge Analysis - Ambiente
Waikato para Anlise do Conhecimento
XML: eXtensible Markup Language - Linguagem de Marcao
Extensvel
XV
-
16
1 INTRODUO
1.1 Contextualizao
A computao nos ltimos anos evoluiu de maneira surpreendente. Uma
das consequncias dessa evoluo foi que as bases de dados cresceram
de forma inimaginvel e ficaram tambm mais heterogneas (por exemplo:
banco de dados multimdia, de texto, temporais e outros (HAN &
KAMBER, 2006).
Com essa diversidade e aumento de volume nas bases de dados,
ficou praticamente impossvel fazer uma anlise de forma manual nos
dados. Devido a essa questo, surgiu um novo ramo na cincia da
computao chamado minerao de dados (DM, do ingls Data Mining), cujo
propsito encontrar padres interessantes em bases de dados.
Essa necessidade de encontrar padres interessantes nas bases de
dados uma tentativa de descobrir algo que possa auxiliar o analista
de dados em uma tomada de deciso. Por exemplo: quais produtos podem
ser vendidos em conjunto em um supermercado, dado o histrico de
vendas realizadas? Se o processo de minerao de dados conseguir
chegar a um determinado padro, poder ajudar a definir uma estratgia
de marketing para o supermercado.
A tarefa de descoberta de conhecimento em base de dados
conhecida como KDD (Knowledge Discovery in Databases). A minerao de
dados uma das etapas que faz parte do processo de KDD. Esse
processo consiste de uma srie de passos de transformao,
pr-processamento e ps-processamento dos resultados da minerao de
dados (TAN et al., 2009).
Na tentativa de disciplinar o processo de KDD, surgiram algumas
metodologias, dentre elas a CRISP-DM (Cross-Industry Standard
Process For Data Mining). De acordo com essa metodologia, o ciclo
de vida de um projeto de minerao de dados dividido em seis fases:
entendimento do negcio, entendimento dos dados, preparao dos dados,
modelagem, avaliao e desenvolvimento (CHAPMAN et al., 2000).
CRISP-DM uma metodologia bem ampla e detalhada, e usada para
fornecer orientaes em relao a como as vrias fases de um projeto de
minerao de dados podem ser executadas (SHARMA & OSEI-BRYSON,
2008).
-
17
Ao seguir CRISP-DM ou outras metodologias orientadas aos dados,
constatado que o processo de KDD realizado de forma sistematizada.
Isto , o usurio escolhe, prepara e entra com os dados, adota um
algoritmo de minerao de dados e define como ser a visualizao dos
padres gerados, porm no h uma interferncia durante o processo de
aplicao das tcnicas de minerao de dados, onde so feitas somente nas
fases anteriores e posteriores a esta aplicao (CAO & ZHANG,
2006).
Metodologias orientadas aos dados como CRISP-DM tratam o
processo de minerao como algo isolado e baseado na tentativa e
erro. Nessas metodologias, questes relacionadas ao objetivo do
negcio e a aplicao de tcnicas de minerao de dados tm pouco apoio
durante seu processo, sendo tratados de maneira isolada. Como
resultado, o conhecimento descoberto com a minerao pode no ser
interessante para o negcio (ou problema) em questo.
Metodologias orientadas ao domnio do negcio, como D3M, vem, aos
poucos, sendo utilizadas na minerao de dados. O objetivo da
metodologia D3M diminuir a distncia entre a minerao realizada na
academia e na indstria, onde so retratadas partes do mundo real. Na
academia so elaborados estudos sistemticos com o objetivo de
aumentar a eficincia dos resultados produzidos com a minerao de
dados e na indstria necessrio que os resultados gerados forneam
resultados satisfatrios que possam ser aplicados (CAO & ZHANG,
2006). Esta metodologia se baseia em elementos chaves como restries
de contexto; integrao do conhecimento do domnio do negcio; cooperao
entre humanos e mquinas durante o processo de minerao; e
refinamento iterativo dos resultados.
Para concretizar um projeto de minerao de dados h vrias
ferramentas, entre elas esto: Kira (Mendes, 2009), WEKA1,
Bramining2, dentre outras. Estas ferramentas permitem fazer uma
anlise de forma automtica, algo que se fosse feito manualmente
tornaria um projeto de minerao de dados invivel. Porm, por mais que
estas ferramentas sejam eficientes, o conhecimento humano exigido
em vrias fases do processo de minerao de dados.
Para possibilitar a utilizao de conhecimento humano ou
conhecimento de domnio, preciso representar formalmente a
terminologia do domnio. O conceito de ontologias se adequa bem a
esse propsito.
1 www.cs.waikato.ac.nz. Acesso: 09 jun. 2011.
2 www.graal-corp.com.br. Acesso: 09 jun. 2011.
-
18
Uma ontologia comumente utilizada como uma estrutura que
representa o conhecimento sobre uma determinada rea (ou domnio) por
meio de conceitos relevantes e relacionamentos entre eles (FALBO et
al., 1998). Em outras palavras, as ontologias podem representar a
semntica necessria para descrever determinado domnio de aplicao.
Portanto, as ontologias podem ser peas fundamentais para viabilizar
metodologias de minerao de dados orientadas ao domnio, como D3M, e
inserir conhecimento humano durante o processo de minerao de
dados.
1.2 Motivao
Apesar da existncia de metodologias e ferramentas para auxiliar
na tarefa de descoberta de informao, esse processo no simples, pois
h vrias etapas a serem seguidas, e muitas das vezes so encontradas
barreiras difceis de serem solucionadas, como, por exemplo, a
melhor forma de fazer a limpeza de dados, que tarefa de minerao de
dados utilizar, como analisar os resultados produzidos, entre
outros. Essas barreiras se tornam ainda maiores e mais evidentes
diante da necessidade de se inserir conhecimento de domnio no
processo de minerao.
A motivao deste trabalho aliar ontologias ao processo de minerao
de dados para guiar o processo de minerao de dados, onde
considerado as fases do KDD e tambm a semntica do domnio do
problema. Com isso, pretende-se ajudar a inserir conhecimento
humano no processo de minerao de dados realizado por ferramentas de
minerao.
1.3 Objetivos
O objetivo deste trabalho criar uma ontologia para o domnio de
minerao de dados que ir guiar o minerador de dados durante o
processo de KDD em ferramentas de minerao de dados. A ontologia
dever servir de base para uma arquitetura para ferramentas de
minerao de dados onde levado em considerao a metodologia DM.
-
19
Os resultados e contribuies esperadas com o desenvolvimento
desse trabalho so:
Desenvolver uma ontologia de domnio para minerao de dados,
chamada daqui por diante de Meta-DM, cujo objetivo guiar o processo
de descoberta do conhecimento nas diversas etapas desse
processo;
Identificar as etapas onde o conhecimento humano se torna
necessrio e inserir tarefas da metodologia DM, cujo objetivo uma
minerao de dados mais interativa; e
Propor uma arquitetura para ferramentas de minerao de dados, com
base na ontologia desenvolvida e na metodologia D3M.
A arquitetura baseada em ontologias e na metodologia D3M vem
contribuir com o estado da arte na rea de semntica em minerao de
dados no sentido de inserir conhecimento humano e de domnio durante
o processo de minerao de dados realizado em ferramentas de
minerao.
1.4 Metodologia
Para o desenvolvimento deste trabalho foram realizadas as
seguintes tarefas:
Estudo das principais etapas do processo de KDD e da metodologia
CRISP-DM;
Realizao de minerao de dados em ferramentas desse domnio;
Classificao das tarefas essenciais na minerao de dados que devem
fazer parte da ontologia Meta-DM;
Utilizao de metodologias para construo de ontologias, como Noy e
McGuiness e METHONTOLOGY para o desenvolvimento da ontologia;
Implementao da ontologia proposta em uma ferramenta de
desenvolvimento de ontologias Protg;
-
20
Verificao e avaliao da ontologia por meio da mquina de inferncia
Pellet e instanciao da ontologia;
Identificao dos pontos onde o conhecimento humano se torna
necessrio na ontologia;
Estudo e identificao das tarefas da metodologia DM; Proposta de
uma arquitetura para ferramentas de minerao
de dados, baseado na ontologia Meta-DM e na metodologia DM.
1.5 Trabalhos Relacionados
Para o desenvolvimento da ontologia Meta-DM foram pesquisados
outros trabalhos existentes na literatura, que tratam do
desenvolvimento de ontologias para o domnio da minerao de dados.
Uma das ontologias encontradas foi parcialmente utilizada na
elaborao da ontologia proposta. A seguir apresentada uma breve
descrio desses trabalhos e tambm feito um comparativo com a
proposta da ontologia Meta-DM.
Com a ontologia de Sharma e Osei-Bryson (2008) representada a
fase de entendimento do ngcio, uma das etapas da metodologia
CRISP-DM (Chapman et al., 2000). De acordo com anlise feita nesta
ontologia, os autores fizeram o levantamento de questes
relacionadas ao entendimento do negcio cujo objetivo ajudar o
minerador no entendimento do negcio. Diferente da ontologia
proposta por Sharma e Osei-Bryson (2008), a Meta-DM tem como
objetivo representar todas as etapas de um projeto de minerao de
dados. A Figura 1 apresenta o diagrama da ontologia de Sharma e
Osei-Bryson (2008).
-
21
Figura 1: ONTOLOGIA DE SHARMA E OSEI-BRYSON Fonte: Sharma e
Osei-Bryson (2008)
Sharma e Osei-Bryson (2008) identificam que a fase de
entendimento do negcio composta por 67 fases, a Figura 1 apresenta
uma viso parcial da ontologia de Sharma e Osei-Bryson. Esta uma
ontologia interessante para restringir o contexto do domnio do
problema. Ela novamente mencionada no Captulo 5, onde h mais
discusso sobre o assunto.
A DM Ontology, desenvolvida por Zheng e Li (2008), uma ontologia
que contempla a minerao de dados aplicada ao negcio de marketing
para uma empresa de financiamento, isto , essa ontologia foi
desenvolvida para um problema especfico de minerao de dados. O
propsito da ontologia Meta-DM contemplar as etapas da minerao de
dados como um todo, sem se voltar a um problema de minerao em
particular. Entretanto, outras ontologias podem ser utilizadas
juntamente com a Meta-DM para prover conhecimento de domnio
necessrio para resolver determinado problema de minerao de
dados.
-
22
A ontologia DMO proposta por Brezany, Janciak e Tjoa (2008) foi
desenvolvida com o intuito de guiar um projeto de minerao de dados
em grade. Seu maior objetivo realizar a minerao de dados utilizando
servios semnticos espalhados pela web. Para isso, utiliza a
ontologia OWL-S para descrever servios web semnticos. A ontologia
utiliza os conceitos das fases do KDD, entretanto tem objetivos
diferentes da ontologia Meta-DM. A ontologia DMO descreve servios
semnticos com OWL-S, enquanto a ontologia Meta-DM tem o objetivo de
guiar o processo de minerao de dados em uma ferramenta de minerao,
sem considerar a existncia de servios.
A ontologia OntoDM de Panov et al. (2008) tem como objetivo
criar um conjunto de definies de termos para o domnio de minerao de
dados, como, por exemplo, tipo de dados, conjunto de dados, tarefas
de minerao de dados, algoritmos de minerao de dados, dentre outros.
Desse modo, projetos de desenvolvimento de ontologias para esse
domnio podem utilizar suas definies, onde evitado ambiguidades na
interpretao de alguma definio do domnio. O objetivo de servir como
terminologia comum para o domnio de minerao de dados tambm
contemplado na Meta-DM, entretanto, a OntoDM no representa,
formalmente, a necessidade de conhecimento humano no processo de
KDD, caracterstica essencial para a utilizao da metodologia D3M,
abordada neste trabalho.
A ontologia de Pinto e Santos (2009) utiliza alguns conceitos da
ontologia DMO de Brezany, Janciak e Tjoa (2008) e foi desenvolvida
com o intuito de contemplar exclusivamente as fases do KDD seguindo
a metodologia METHONTOLOGY de Fernandez-Lopez et al. (1997). O
trabalho de Pinto e Santos foi o que mais se assemelhou com a
ontologia proposta neste trabalho, tanto que alguns conceitos dessa
ontologia foram utilizados na Meta-DM. Entretanto, a ontologia
Meta-DM leva tambm em considerao a metodologia CRISP-DM (Chapman et
al., 2000) e tem o objetivo de ser uma ontologia para ferramentas
de minerao de dados, onde so identificados os momentos onde o
conhecimento humano se faz necessrio, com o intuito utilizar
metodologias orientadas ao domnio como a D3M, com o objetivo de
buscar resultados mais significativos em um projeto de minerao de
dados. A Figura 2 apresenta uma ilustrao parcial da ontologia de
Pinto e Santos (2009).
-
23
ModelingAlgorithm
Algorithm
Parameter
Structure
Type
Resources
Data
Algorithm
Type
Source
Information
Type
is-a
is-a
is-a
is-a
hasData
is-a
is-a
is-a
hasAlgorithm
Figura 2: PARTE DA ONTOLOGIA DE PINTO E SANTOS Fonte: Pinto e
Santos
1.6 Organizao do Trabalho
Esta monografia est estruturada da seguinte forma: O Captulo 2
apresenta uma reviso bibliogrfica sobre
descoberta de conhecimento em bases de dados (KDD do ingls
Knowledge Discovery in Databases), algumas metodologias para o
desenvolvimento de um projeto de minerao de dados e algumas
ferramentas para auxiliar esse processo.
O Captulo 3 faz um estudo bibliogrfico do tema ontologias, onde
so descritos alguns pontos que foram essenciais para desenvolver
este trabalho.
O Captulo 4 sobre o desenvolvimento da ontologia Meta-DM, onde
feito uma descrio detalhada do ciclo de vida utilizado para o
desenvolvimento da ontologia;
O Captulo 5 faz a descrio da proposta de uma arquitetura para
ferramentas de minerao de dados, onde levado em considerao a
ontologia Meta-DM e as tarefas da metodologia
-
24
DM. Neste captulo apresentado ainda um cenrio de uso da
arquitetura, que procura ilustrar sua utilizao para solucionar um
problema de minerao de dados;
O Captulo 6 apresenta as concluses, contribuies e trabalhos
futuros.
-
25
2 MINERAO DE DADOS
2.1 Consideraes Iniciais
A minerao de dados uma rea da cincia da computao que tem como
objetivo encontrar padres interessantes em bases de dados. O
surgimento dessa rea justificado pela necessidade de encontrar
informaes teis em bases de dados de forma eficiente, onde so
utilizados em conjunto tcnicas, mtodos e ferramentas desse
domnio.
Este captulo tem o intuito de abordar alguns conceitos desse
domnio que so considerados importantes para o desenvolvimento do
tema proposto neste trabalho. Assim, no decorrer deste captulo so
abordados os seguintes assuntos:
O processo de descoberta do conhecimento em base de dados, onde
so expostos: caractersticas, fases, tarefas, tcnicas e algoritmos
de minerao de dados;
Metodologias para elaborao de projetos de minerao de dados, em
especial as metodologias CRISP-DM e D3M, que so as mais importantes
para o desenvolvimento deste trabalho; e
Ferramentas utilizadas na minerao de dados.
2.2 Descoberta de Conhecimento em Base de Dados
A humanidade presencia a era da informao, ou seja, quem detm o
conhecimento tem uma ampla vantagem em relao aos outros. Para poder
buscar cada vez mais eficincia em suas atividades, as empresas e
instituies de vrios setores ao longo do tempo (desde quando a
informtica conquistou espao nas diversas reas do conhecimento) tm
investido em sistemas de informao para poder otimizar e agilizar as
atividades rotineiras. Com o desenvolvimento de sistemas de
informao cada vez mais complexos, o barateamento no
-
26
armazenamento de dados e computadores cada vez mais poderosos,
foi gerado grandes bases de dados, e a cada dia crescem ainda
mais.
A Cincia da Computao est em constante busca para empregar
recursos computacionais nas mais diferentes reas, do modo mais
rpido e confivel possvel. Ao constatar o crescimento acentuado nas
bases de dados e a necessidade de analisar essas bases, foi
desenvolvida uma ramificao da computao chamada minerao de dados (no
final da dcada de 80), cuja idia principal seria descobrir padres
interessantes nas bases de dados. Han e Kamber definem minerao de
dados como: extrao ou minerao do conhecimento em um grande
amontoado de dados. (HAN & KAMBER, 2006, p. 05, traduo
nossa).
Assim, a minerao de dados foi desenvolvida com a finalidade de
analisar e retirar padres interessantes a partir de uma base de
dados, pois para o ser humano seria praticamente invivel fazer uma
anlise manualmente.
A Figura 3 ilustra as etapas do processo de descoberta de
conhecimento em bases de dados (KDD do ingls Knowledge Discovery in
Databases).
Figura 3: PROCESSO DE DESCOBERTA DO CONHECIMENTO (KDD) Fonte:
Han & Kamber (2006, pg: 6, traduo nossa)
-
27
O Quadro 1 descreve brevemente cada uma das fases do processo
KDD segundo Han & Kamber (2006, v.2 p.7, traduo nossa):
Quadro 1: DESCRIO DAS FASES DO PROCESSO DE KDD (HAN &
KAMBER, 2006) Fase Descrio da fase Limpeza de Dados
Remover rudos e inconsistncias dos dados.
Integrao dos dados
Combinao de mltiplas fontes de dados.
Seleo de dados
Dados relevantes para a tarefa de anlise so selecionados da base
de dados.
Transformao de dados
Dados so transformados ou consolidados dentro das formas
apropriadas para minerao.
Minerao de dados
Aplicaes de mtodos inteligentes so utilizadas para extrair
padres dos dados.
Padro de avaliao
Identificar os padres verdadeiramente interessantes.
Apresentao do conhecimento
Tcnicas de visualizao e representao so usadas para apresentar o
conhecimento minerado para o usurio.
As etapas citadas consistem em trabalhar a base de dados de modo
que possa ser empregado o processo de KDD. Em resumo, as atividades
a serem seguidas so: obter uma base de dados, preparar os dados,
aplicar a MD e por fim mostrar e avaliar os padres encontrados.
A minerao de dados um campo interdisciplinar que envolve vrias
cincias do conhecimento, entre elas esto: tecnologia de banco de
dados, aprendizagem de mquina, estatstica, cincia da informao,
entre outras. Dessa forma, para conseguir atingir um determinado
objetivo essencial que a equipe envolvida na tarefa de encontrar
padres interessantes a partir da base de dados tenha diferentes
habilidades; alm de ser essencial o trabalho em equipe.
Entre as aplicaes que podem se beneficiar com a realizao da
minerao de dados esto:
Planejar instalao de novas filiais de empresa/lojas; Realizar
promoes; Combinar itens de propaganda;
-
28
Limpeza de dados, integrao, e seleo
Banco de dados Data Warehouse World Wide Web Outros Repositrios
de Informao
Servidor de banco de dadosou data warehouse
Engenharia de minerao de dados
Padres de avaliao
Base deconhecimento
Interface com o usurio
Planejar estratgias de peridicos de campanhas de marketing.
2.2.1 Arquitetura Tpica de um Sistema de MD
Uma arquitetura tpica de um sistema de MD apresentada na Figura
4, segundo Han & Kamber (2006):
Figura 4: ARQUITETURA TPICA DE UM SISTEMA DE MD Fonte: Han &
Kamber (2006, pg: 08, traduo nossa)
A descrio para essa arquitetura feita da seguinte forma, segundo
Han e Kamber (2006):
Banco de Dados, Data Warehouse, Word Wide Web e outros
repositrios de informao: um ou um conjunto de banco de dados, data
warehouse, planilhas, ou outros repositrios de
-
29
informao. A limpeza de dados ou tcnicas de integrao de dados
pode ser executada sobre esses dados; Servidor de banco de dados ou
data warehouse: responsvel por gerenciar os dados, com base na
solicitao do usurio de minerao de dados; Base de Conhecimento: Este
o domnio do conhecimento que usado para guiar as pesquisas ou
avaliar os interesses dos padres resultantes. Tais conhecimentos
podem incluir conceitos hierrquicos, usados para organizar
atributos ou valores dos atributos dentro de diferentes nveis de
abstrao; Engenharia de minerao de dados: um conjunto de mdulos
funcionais para tarefas tais como caracterizao, associao e anlises
de correlao, classificao, predio, anlise de cluster, anlise de
outilier3 e anlise de evoluo; Mdulo de avaliao de padres: Este
mdulo emprega medidas de interesse e interao com os mdulos de
minerao de dados; Interface com o usurio: Este mdulo faz a
comunicao entre usurios e a execuo do processo de minerao de dados,
onde permitido ao usurio interagir com este processo, e especificar
uma consulta de minerao de dados ou tarefa.
Ao realizar uma tarefa nesta arquitetura tpica de um sistema de
minerao de dados procura-se empregar as tcnicas de minerao de dados
e assim poder encontrar informaes valiosas para uma determinada
tarefa, conforme a necessidade a ser suprida.
2.2.2 Tarefas da Minerao de Dados
A Figura 5 apresenta as tarefas que so realizadas na minerao de
dados:
3 Anomalias
-
30
Anlise
de A
gru
pam
ento
Modela
gem
Pre
vis
iva
Anli
se de
Ass
ocia
oDeteco de
Anom
alias
Figura 5: AS TAREFAS CENTRAIS DA MD Fonte: Tan et al. (2009, pg:
9)
Conforme apresentado na Figura 5 as tarefas de minerao de dados
so: anlise previsiva, anlise de agrupamento, anlise de associao e
deteco de anomalias.
O Quadro 2 faz uma breve descrio para cada uma dessas tarefas
segundo Tan et al. (2009):
-
31
Quadro 2: DESCRIO DAS TAREFAS DE MINERAO DE DADOS, (Tan et al.
2009) Tarefa de Minerao de Dados
Descrio
Modelagem Previsiva Refere-se tarefa de construir um modelo para
a varivel alvo como uma funo das variveis explicativas. H dois
tipos de tarefas de modelagem de previso: classificao, a qual usada
para variveis discretas, e regresso, que usada para variveis alvo
contnuas. Exemplo: na Figura 6 apresentada uma rvore de deciso onde
dada uma informao no banco de dados, estes dados poderiam ser
classificados at chegar a uma informao desejada.
Anlise de Associao usada para descobrir padres que descrevam
caractersticas altamente associadas dentro dos dados. Exemplo: Na
Figura 5 h uma associao entre {Fraldas} {Leite}, que sugere que os
clientes que compram fraldas tendem a comprar leite.
Anlise de Agrupamento Procura encontrar grupos de observaes
intimamente relacionadas de modo que observaes que pertenam ao
mesmo grupo sejam mais semelhantes entre si do que com as que
pertenam a outros grupos. Exemplo: na Figura 5 compras que tenham
semelhanas umas com as outras, poderiam ser agrupadas assim como as
pessoas que compraram leite e fralda.
Deteco de Anomalias a tarefa de identificar observaes cujas
caractersticas sejam significativamente diferentes do resto dos
dados. Exemplo: na Figura 5 dados que no pertence a nenhuma
caracterstica estabelecida seriam considerados anomalias.
Para cada tarefa de minerao de dados h um conjunto de algoritmos
especficos a ser aplicado, e estes utilizam determinadas tcnicas de
minerao de dados que so abordados na seo 2.2.3.
2.2.3 Tcnicas de Minerao de Dados
Ao utilizar-se uma tarefa de MD, algumas tcnicas so usadas para
concretiz-las. Entre estas tcnicas, Santos e Ramos (2009) destacam
as seguintes: rvores de deciso, regras de associao, regresso
linear, redes neurais, algoritmos genticos e vizinhos mais prximos.
A seguir feita uma breve descrio de cada uma delas.
-
32
rvores de Deciso: Santos e Ramos (2009, p. 132) definem essa
tcnica da seguinte maneira.
As rvores de deciso, como o prprio nome indica, so constitudas
por estruturas em rvores que representam um conjunto de decises. Os
algoritmos dessa tcnica permitem gerar regras de classificao dos
dados, baseados nas informaes armazenadas na base de dados. A
Figura 6 apresenta um exemplo dessa estrutura.
Bem
Financiado
Tipo
ContratoEstado Civil Conceder
Eletrodomstico CarroMveis
Rendimento
Bruto Conceder
Casado Solteiro
Idade
Leasing
No
ConcederNo
ConcederConceder No
Conceder
31-400-25002501 - 5000
5001 - 1000
Figura 6: RVORE DE DECISO Fonte: Santos e Ramos
Na Figura 6 apresentado um exemplo prtico da utilizao de uma
rvore de deciso, cujo objetivo conceder ou no crdito a uma
determinada pessoa, onde levado em considerao o tipo de bem a ser
financiado, o estado civil, o tipo de contrato, o rendimento bruto
e a idade.
Santos e Ramos (2009) abordam que as rvores de deciso podem
ainda ser representadas por um conjunto de regras, como apresentado
a seguir:
Se Bem Financiado = Eletrodomstico e Estado Civil = Casado e
Rendimento Bruto = 5001 10000 Ento Conceder.
Santos e Ramos (2009) destacam que cada folha da rvore d origem
a uma regra, sendo o seu contedo apresentado na parte consequente
da regra.
-
33
Regras de Associao: Santos e Ramos (2009, p. 135) definem esta
tcnica da seguinte maneira.
O objetivo dessa tcnica identificar regras que relacionam uma
concluso (por exemplo, a compra de um produto) com um conjunto de
condies (por exemplo, a compra de outros produtos), permitindo
encontrar relacionamentos entre os atributos existentes numa base
de dados, sendo representado na forma de uma regra: Se X ento y ou
X => Y.
A Figura 7 apresenta um exemplo de uma base de dados e a
utilizao de regras de associao para gerar associao entre os
elementos.
Figura 7: PROCESSO DE INDUO DE REGRAS DE ASSOCIAO Fonte: Santos
e Ramos (2009)
A Figura 7 apresenta um conjunto de dados associado compra de
produtos, estes produtos so agrupados por compra e a partir desse
agrupamento so geradas regras. No exemplo foi gerada a regra: Po
& Manteiga => Leite (2:50%,1) indica que os clientes que
compram o produto Po juntamente com o produto manteiga, tende a
comprar o produto Leite, esta regra apresenta um suporte de 50%, o
que significa que metade dos registros analisados pertencem a
referida regra.
Regresso Linear: Santos e Ramos (2009, p. 136) definem esta
tcnica da seguinte maneira.
-
34
Esta tcnica utilizada sempre que se pretende prever uma varivel
com valores contnuos. Os dados so modelados aproximando-os a uma
linha reta. A forma mais simples de regresso apresentada atravs de
uma equao com duas variveis, X e Y, tal que: Y = + X, onde X
representa a varivel independente, Y a varivel dependente calculada
a partir de X, e e os coeficientes da regresso.
Redes Neurais Artificiais: Santos e Ramos (2009, p. 138) definem
esta tcnica da seguinte forma.
Redes neurais artificiais so sistemas classificatrios modelados
segundo o funcionamento do sistema nervoso humano. Estes sistemas
so compostos por um conjunto de unidades, organizadas em nveis. As
unidades (ns) encontram-se conectadas atravs de ligaes, nas quais
tm associado um peso. As unidades que constituem uma rede
encontram-se agrupadas em trs grupos: unidades de entradas
encarregadas de receber os dados (atributos) a analisar; unidade de
sada que transmitem os sinais sada da rede; e um nmero ilimitado de
nveis intermedirios (ou nveis ocultos) que contm as unidades
intermedirias.
A Figura 8 apresenta um exemplo de uma rede neural
artificial.
Figura 8: REDE NEURAL ARTIFICIAL Fonte Ramos e Santos (2009)
-
35
Santos e Ramos (2009) destacam tambm que existem dois estgios na
utilizao de uma rede neural artificial. O primeiro diz respeito
aprendizagem, no qual a rede treinada para a execuo de determinada
tarefa. No segundo acontece a previso, na qual a rede utilizada
para classificar registros desconhecidos. Estes conceitos tambm so
aplicados em rvores de deciso.
Algoritmos Genticos: Segundo Santos e Ramos (2009) a tcnica de
algoritmo gentico utiliza princpios da biologia e da cincia da
computao. Esta tcnica inicia com um conjunto de regras, as quais so
submetidas a operadores de seleo e reproduo, de forma a
desenvolverem regras mais apuradas, e ento so etiquetadas com
determinado valor de utilidade, que facilita a seleo das mesmas. A
Figura 9 apresenta um modelo de algoritmo gentico.
Figura 9: MODO DE OPERAO DOS ALGORITMOS GENTICOS Fonte: Santos e
Ramos (2009)
Santos e Ramos (2009, p. 142) fazem a seguinte descrio para o
funcionamento dessa tcnica.
A Figura 9 (a),representa a amostra inicial dos dados, um
conjunto com quatros regras. Para cada uma das regras identificado
o valor de utilidade, atravs da funo de avaliao (Figura 9 (b)). Por
exemplo, a primeira regra foi classificada com 8, o que significa
que apresenta uma probabilidade de 32% de ser selecionada. Na
Figura 9 (c), apresentada a identificao dos pares e a definio do
ponto de cruzamento, o que conduz construo de novas regras,
apresentadas na Figura 9 (d). O ltimo passo est associado mutao
(Figura 9 (e)), no qual verificada a mutao aleatria de dois
caracteres.
-
36
Vizinhos mais Prximos: Santos e Ramos (2009, p. 143) definem
esta tcnica da seguinte maneira.
A segmentao de dados atravs dos vizinhos mais prximos integra um
conjunto de tcnicas que se baseiam no princpio de que registros
semelhantes esto prximos uns dos outros, quando analisados numa
perspectiva espacial. A verificao da localizao dos registros,
interpretados como pontos no espao, permitem a identificao de
regies denominadas classes (ou segmentos), que apresentam
caractersticas comuns para os registros que representam.
A Figura 10 exemplifica a funcionalidade dessa tcnica.
Y
X X
X X
(a) Centrides Iniciais (b) Primeira diviso
(c) Reposicionamento dos centrides
Y
Y Y
(d) Novos segmentos
Figura 10: PROCESSO DE IDENTIFICAO DOS SEGMENTOS Fonte: Santos e
Ramos (2009)
-
37
Santos e Ramos (2009, p. 144) fazem a seguinte descrio para o
funcionamento da Figura 10.
Na Figura 10 (a) apresentado o conjunto inicial dos dados, onde
so selecionados trs pontos aleatrios, o cinzento, como sendo o
centride do segmento. Para estes pontos, e na Figura 10 (b),
verificam-se quais os registros (pontos) que integram cada um dos
segmentos. No passo seguinte (Figura 10 (c)), so ajustados os
centrides, atravs da verificao do ponto mdio dos elementos de um
dado segmento. Para as novas posies dos centrides verificado a que
segmento cada registro pertence, atendendo s alteraes observadas na
posio dos centrides (Figura 10 (d)). Este processo sucessivamente
repetido at que no sejam verificadas quaisquer mudanas na posio dos
centrides e, como tal, nos registros que integram cada
segmento.
2.2.4 Algoritmos para minerao de dados
Conforme as tarefas de minerao de dados (apresentado na seo
2.2.2) e as tcnicas (apresentado na seo 2.2.3) os algoritmos so
construdos e ento implementados em uma ferramenta de minerao de
dados. Nos prximos pargrafos so apresentados alguns algoritmos de
minerao de dados, e tambm feita uma breve descrio de um algoritmo
para cada tarefa de minerao de dados apresentada.
Segundo Santos e Ramos (2009) as tcnicas de minerao so
concretizadas atravs de diferentes algoritmos.
Na seo 2.4 so apresentadas algumas ferramentas de minerao de
dados, onde as mesmas so desenvolvidas para contemplar um algoritmo
ou um conjunto de algoritmo de minerao de dados de acordo com o
propsito da ferramenta. O Quadro 3 apresenta alguns algoritmos que
so utilizados na ferramenta de minerao de dados WEKA.
Quadro 3: ALGUNS ALGORITMOS PARA MINERAO DE DADOS, WEKA4 verso
3.7.1 (2010) Tarefa de Minerao de Dados Algortimo
OPTICS SimpleKMeans
Agrupamento
K Means
4 http://www.cs.waikato.ac.nz/ml/weka. Acesso 30/12/2010
-
38
J48 RAndomTree
Classificao UserClassifier Apriori HotSpot
Associao GeneralizedSequentialPatterns
A tarefa de classificao exemplifica atravs do algoritmo J48.
Esse algoritmo gera uma rvore de deciso. Segundo Tan et al. (2009)
este algoritmo consiste na entrada de registros de treinamento E e
o conjunto de atributos F. Ento o algoritmo funciona selecionando
recursivamente o melhor atributo para dividir os dados e expandir
os nodos da folha da rvore at que o critrio de parada seja
satisfeito.
A Tarefa de Associao exemplificada atravs do algoritmo Apriori.
Segundo Tan et al. (2009) este algoritmo faz uso de poda baseada em
suporte para controlar de forma sistemtica o crescimento
exponencial dos conjuntos de itens candidatos. Inicialmente, cada
item considerado como um conjunto candidato de item 1. Aps a
contagem de seus suportes, os conjuntos de itens candidatos com
menos transaes so descartados.
Para a tarefa de agrupamento o algoritmo K-means exemplificado.
Tan et al. (2009) abordam que esse algoritmo primeiro escolhe K
centrides iniciais, onde K um parmetro especificado pelo usurio (o
nmero de grupos desejado). Cada ponto atribudo ao centride mais
prximo, e cada coleo de pontos atribudos a um centride um grupo. O
centride de cada grupo ento atualizado baseado nos pontos atribudos
ao grupo. feita a repetio desses passos at que nenhum ponto mude de
grupo.
Nesta seo foram apresentados alguns algoritmos para concretizar
uma tarefa de minerao de dados, as quais podem utilizar uma ou mais
tcnicas para a minerao de dados. Os algoritmos: J48, Apriori e
K-Means foram abordados devido ao fato de muitos algoritmos de
minerao de dados serem baseados nesses algoritmos.
-
39
2.3 Metodologias para Minerao de Dados
A partir do momento que a minerao de dados passou a ser
utilizada por empresas e a academia conseguiu comprovar sua
eficincia, a mesma foi alvo de uma nova necessidade, que a criao de
metodologias para definir o ciclo de vida de um processo de minerao
de dados.
Este trabalho aborda duas metodologias para a construo de um
projeto de minerao de dados a CRISP-DM e a D3M.
2.3.1 CRISP-DM
Segundo Chapman et al. (2000) a metodologia CRISP-DM foi
concebida no final dos anos de 1996 pelas empresas NCR (Estados
Unidos da Amrica e Dinamarca), Daimler-Chrysler AH (Alemanha), SPSS
Inc. (Estados Unidos da Amrica) e OHRA (Grupo Bancrio Holands).
Essas empresas reuniram suas experincias para o desenvolvimento de
um processo padro para minerao de dados e o batizaram de
CRISP-DM.
Segundo Chapman et al. (2000) CRISP-DM uma metodologia para as
diferentes fases na implantao de um projeto de MD. Esta metodologia
definida em termos de um processo hierrquico, que constitui em um
conjunto de tarefas descritas em quatro nveis de abstrao (do geral
para o especfico).
A Figura 11 apresenta os quatro nveis de abstrao que so: fases,
tarefas genricas, tarefas especficas e instncias do processo com
seus respectivos conjuntos de tarefas.
-
40
Figura 11: QUATROS NVEIS HIERRQUICOS DA METODOLOGIA CRISP-DM
Fonte: Chapman et al. (2000, pg. 9, traduo nossa)
A Figura 11 mostra que para cada uma das fases superiores h um
conjunto de tarefas na prxima fase, havendo uma hierarquia entre as
tarefas, onde as tarefas gerais esto em um nvel superior e as mais
especficas so uma ramificao das superiores.
O Quadro 4 apresenta uma descrio para cada uma dessas fases,
segundo Chapman et al. (2000):
Quadro 4: DESCRIO DAS FASES DA METODOLOGIA CRISP-DM (CHAPMAN et
al., 2000) Nvel Tarefa Fases O processo de minerao de dados
organizado dentro de um nmero de
fases; cada fase consiste de vrias tarefas do segundo-nvel.
Exemplo: a tarefa Compreenso do Negcio.
Tarefas Genricas chamado genrico, porque suficiente para cobrir
todas as possibilidades da situao da minerao de dados. A tarefa
genrica tem como pretenso ser completa e estvel. Exemplo:
Identificar Objetivos do Negcio.
Tarefas Especficas o nvel das tarefas especializadas, o lugar
para descrever como as aes nas tarefas deveriam ser executadas em
certas situaes especficas. Exemplo: Informao do Negcio.
-
41
Instncias Processo A instncia do processo um registro de aes,
decises e resultados de uma atual funo da minerao de dados.
Exemplo: Registrar os resultados da compreenso do negcio.
O Quadro 4 fez uma breve descrio das tarefas existentes na
metodologia CRISP-DM sob uma viso hierrquica. Como exemplo, foi
apresentada uma das fases dessa metodologia com algumas de suas
tarefas, onde a tarefa de Compreenso do Negcio contm a tarefa de
Informao do Negcio, e esta contm o Registro dos Resultados da
compreenso do Negcio. A prxima seo descreve cada fase dessa
metodologia e suas respectivas tarefas.
2.3.1.1 O Modelo de Referncia CRISP-DM
Segundo Chapman et al. (2000), o ciclo de vida de um projeto de
minerao de dados consiste em seis fases, que so: Entendimento do
Negcio (Business Understanding), Entendimento dos Dados (Data
Understanding), Preparao dos Dados (Data Preparation), Modelagem
(Modeling), Avaliao (Evaluation) e Aplicao (Deployment).
A Figura 12 apresenta essas fases e o relacionamento entre elas.
A sequncia das fases no rgida, pode acontecer das tarefas
posteriores voltarem para as fases anteriores, isso depende dos
resultados de cada fase. As setas indicam as mais importantes e
frequentes dependncias entre as fases.
-
42
Figura 12: FASE DO MODELO DE REFERNCIA DO CRISP-DM Fonte:
Chapman et al. (2000, pg. 13, traduo nossa)
Chapman et al. (2000) faz a seguinte descrio para cada uma
dessas fases:
Entendimento do negcio: esta fase foca no entendimento dos
objetivos e requisitos do projeto sob uma perspectiva de negcio;
Entendimento dos dados: esta fase tem como objetivo um entendimento
inicial dos dados, e logo em seguida possui atividades que permitem
um entendimento dos dados, identificar problemas em alguns dados, e
encontrar subconjuntos de dados interessantes para o projeto;
Preparao dos dados: A fase de preparao dos dados cobre todas as
atividades para preparar os dados para a realizao das atividades;
Modelagem: Nesta fase, vrias tcnicas de modelagem so selecionadas e
aplicadas e seus parmetros so calibrados para obter valores
otimizados;
-
43
Avaliao: Esta fase consiste em criar um modelo de alta qualidade
a partir da anlise dos dados, e certificar que os objetivos sero
alcanados na primeira fase onde foram estabelecidos. Alm disso, ser
levantado se alguma questo importante do negcio no foi
suficientemente considerada. No final dessa fase, uma deciso sobre
a utilizao dos resultados da minerao dever ser avaliada; Aplicao:
Esta fase consiste em estruturar e apresentar os resultados obtidos
com a aplicao da tarefa da minerao de dados de modo que o cliente
possa utilizar.
Cada uma dessas fases possui um conjunto de atividades a serem
realizadas. O Quadro 5 apresenta as fases com suas respectivas
tarefas a serem executadas, segundo Chapman et al. (2000):
Quadro 5: TAREFAS EXECUTAS EM CADA ETAPA DO CRISP-DM, (CHAPMAN
et al., 2000) Fase Tarefas Entendimento do negcio Determinar os
objetivos do negcio
Avaliar a situao Determinar as metas de minerao de dados
Produzir o plano do projeto
Entendimento dos dados
Coletar os dados iniciais Descrever os dados Explorar os dados
Verificar a qualidade dos dados
Preparao dos dados Selecionar os dados Limpeza de dados
Construir dados Integrar os dados Formatar os dados
Modelagem Selecionar as tcnicas de modelagem Gerar o teste padro
Construir o modelo Avaliar o modelo
Avaliao Avaliar os resultados Rever os processos Determinar os
passos seguintes
-
44
Aplicao Plano de Aplicao Plano de modelagem & manuteno
Produzir relatrio final Rever o projeto
Alm da Metodologia CRISP-DM h outras metodologias que podem ser
aplicadas em projetos de minerao de dados, entre estas metodologias
a DM, que ser abordada na prxima seo, onde algumas dos seus
propsitos foram utilizados com a ontologia desenvolvida, para criar
uma arquitetura orientada ao domnio para ferramentas de minerao de
dados.
2.3.2 Minerao de Dados Orientada ao Domnio (DM)
Segundo Cao e Zhang (2006) a minerao de dados realizada
atualmente baseada em metodologias orientadas aos dados, onde a
viso dos resultados feita de forma isolada, e tem como consequncia
a gerao de muitos resultados que no interessam s necessidades dos
negcios. Neste contexto, a metodologia DM veio para propor que o
processo de minerao de dados seja baseado em conhecimento do domnio
do negcio e na cooperao entre humanos e mquinas durante a
minerao.
Os fatores que justificam a criao e desenvolvimento da
metodologia DM, que as metodologias atuais de minerao de dados
apresentam as seguintes caractersticas, segundo Cao e Zhang
(2006):
Padres que so interessantes para os negcios frequentemente esto
ocultos em grande quantidade de dados com estruturas de dados
complexas, dinmicas, e origem distribuda; Distanciamento entre o
meio acadmico e o interesse do negcio; Padres interessantes
frequentemente no podem ser implementados na vida real, se eles no
so integrados com regras do negcio, regulamentos e processos.
-
45
Para a metodologia DM foi criado um framework chamado DDID-PD
(domain-driven in-depth pattern discovery), que considera os
seguintes componentes chaves, segundo Cao e Zhang (2006):
Restries baseadas em contexto: A descoberta de padres envolve
uma profunda compreenso do ambiente em torno do domnio do problema,
dos seus dados e da anlise de seus objetivos.
Integrao do domnio de conhecimento: A integrao de conhecimentos
de domnio est sujeito forma como ele pode ser representado e
preenchido para o processo de descoberta de conhecimento. Ontologia
baseada em representao do conhecimento de domnio uma das abordagens
adequadas para o modelo de conhecimento do domnio.
Cooperao entre homem e mquina: consiste em haver uma minerao de
dados cooperativa entre especialistas e sistemas de minerao em todo
o processo.
Minerao em profundidade: consiste em avaliar e refinar
conhecimento acionvel, na tentativa de buscar resultados mais
interessantes para o objetivo do negcio.
Descoberta de regras ou padres mais interessantes para o negcio
(o que chamado de conhecimento acionvel): consiste em disparar
regras quando forem descobertos dados que satisfaam um determinado
conhecimento acionvel.
Processo do refinamento iterativo dos resultados: consiste em
criar sub-cenrios a partir do cenrio principal e ento refinar os
padres gerados a partir do sub-cenrio criado.
Suporte de minerao paralela e interativa: consiste em obter
pedidos dos usurios, gerenciar informaes e usar algoritmos para
process-los em mquinas distintas.
-
46
Entendimento do Problema &
Definio
Restrio baseadaem contexto
Entendimento dosDados Modelagem
Resultados daAvaliao
Descoberta de regras ou padresmais interessantes
para o negcio
Processo dorefinamento Interativo dos
resultados
Desenvolvimento
Suporte de Minerao paralela
e interativa
Minerao emprofundidade
Cooperao entrehomem e mquina
Integrao do domnio de
conhecimento
A Figura 13 apresenta o framework DDID-PD, onde as tarefas da
metodologia DM apresentada nos pargrafos anteriores so combinadas
com as tarefas tradicionais da minerao de dados.
Figura 13: MODELO DO PROCESSO DDID-PD Fonte Cao e Zhang (2006,
pg 53, traduo nossa)
Segundo Cao e Zhang (2006), a sequncia apresentada na Figura 13
no rgida; algumas fases podem ser descartadas ou deslocadas para
uma fase frente ou atrs em uma aplicao real. Cada passo do processo
DDID-PD pode envolver conhecimento de domnio e auxilio de
especialistas do domnio. Esse framework tem os componentes chaves
de suporte para minerao de dados orientada ao domnio, que so
crticas para o sucesso de um processo de minerao de dados no mundo
real.
2.4 Ferramentas para Minerao
Atualmente h vrias ferramentas de minerao de dados que executam
um ou vrios processos na descoberta de padres a partir dos dados.
Algumas dessas ferramentas foram desenvolvidas em trabalhos de
concluso de mestrado e doutorado nas faculdades onde h cursos
nesses nveis; outras so de propriedades de empresas j consagradas
no mercado. Dentre algumas dessas
-
47
ferramentas esto: Bramining5, Pacote Weka6, DBminer7, Oracle
Data Mining8 e Kira (Mendes, 2009).
Cada uma dessas ferramentas tem uma ou mais funes dentro do
campo de minerao de dados. As subsees a seguir apresentam uma breve
descrio da ferramenta Weka, por sua grande popularidade, e da
ferramenta Kira, ter sido desenvolvida com o diferencial de ser
amigvel para o usurio.
2.4.1 A Ferramenta WEKA
Weka uma abreviatura para Waikato Environment for Knowledge
Analysis. Segundo Witten & Frank (2006) essa ferramenta contm
um pacote de algoritmos para minerao de dados e ferramentas de pr e
ps-processamento.
Weka foi desenvolvida na Universidade de Waikato na Nova
Zelndia. Ela foi desenvolvida em Java e distribuda sobre os termos
de licena GNU. Pode ser executada em vrias plataformas, como o caso
do Windows, Linux e Macintosh. Fornece uma interface uniforme para
a aplicao de vrios algoritmos de aprendizado, juntamente com os
mtodos de pr e ps-processamento. A Figura 14 apresenta a interface
inicial da ferramenta Weka.
Figura 14: TELA INICIAL DA FERRAMENTA WEKA Fonte: Ambiente de
Desenvolvimento do WEKA
5 www.graal-corp.com.br. Acesso: 16 jun. 2010.
6 www.cs.waikato.ac.nz. Acesso: 16 jun. 2010.
7 http://db.cs.sfu.ca/DBMiner. Acesso: 16 jun. 2010.
8 www.oracle.com. Acesso: 16 jun. 2010.
-
48
A partir da interface da Figura 14, possvel acessar as
funcionalidades da ferramenta. Segundo Witten & Frank (2006),
Weka fornece implementaes de algoritmos de aprendizagem que podem
ser aplicadas no conjunto de dados; isto inclui uma variedade de
ferramentas para transformao de conjuntos de dados, tais como
algoritmos para discretizao. Pode-se fazer o pr-processamento de um
conjunto de dados e analisar os resultados de classificao e sua
performance, isso sem escrever qualquer cdigo de programa. A Figura
15 mostra um dentre os ambientes de trabalho da Weka.
Figura 15: AMBIENTE DE DESENVOLVIMENTO WEKA Fonte: Ambiente de
Desenvolvimento do WEKA
A utilizao dessa ferramenta por meio de abas e seleo do que o
usurio deseja, conforme apresentado na Figura 15. Entre as
vantagens encontradas ao utilizar esta ferramenta est o fato de dar
suporte a vrios algoritmos de minerao de dados consagrados tanto no
meio acadmico como em aplicaes de negcio; o ambiente de trabalho
totalmente grfico, h livros e outras publicaes que servem como
manuais de referncia para realizar o processo de descoberta de
informaes a partir de uma base de dados, como, por exemplo:
livro
-
49
de Witten e Frank (2005) e no stio www.cs.waikato.ac.nz/ml/weka/
onde podem ser obtidos vrios artigos relacionados aplicao da
ferramenta Weka em projetos de minerao de dados.
Algumas dificuldades foram levantadas ao utilizar esta
ferramenta: dificuldades na fase de preparar os dados de maneira
que a ferramenta possa trabalhar; o usurio deve ter um bom
conhecimento de minerao de dados para definir o que se deseja fazer
e interpretar os padres gerados. Estas dificuldades foram
constatadas ao realizar projetos fictcios de minerao de dados.
2.4.2 Ferramenta de Minerao de Dados Kira
A ferramenta de minerao de dados Kira foi desenvolvida por
Mendes (2009), como parte de um trabalho de mestrado.
A inteno dessa ferramenta abstrair grande parte do conhecimento
exigido do analista de dados para executar a tarefa de minerao de
dados. possvel realizar um projeto de minerao de dados a partir das
orientaes que so descritas em cada uma das telas dessa
ferramenta.
A Figura 16 apresenta a arquitetura da ferramenta KIRA, que
possui trs camadas. Estas camadas so descritas nos prximos
pargrafos.
A Camada 1 est relacionada com a interface do usurio, onde o
usurio pode ver e inserir informaes para realizar um projeto de
minerao de dados, entre estas operaes esto definir o problema e
objetivo da minerao de dados e ser orientado pela a ferramenta nas
diversas operaes a serem realizadas durante o projeto de minerao de
dados, como preparar os dados, definir a tarefa de minerao de dados
e visualizar os resultados produzidos.
Na Camada 2 ocorre as operaes lgicas da ferramenta, onde os
dados so preparados, feito a anlise dos dados, e realizado a execuo
da minerao de dados, alm disso nesta camada foi implementado um
sistema especialista desenvolvido por Silva et al. (2009) para
definir qual tarefa de minerao a mais adequada para o projeto de
minerao de dados que est em execuo.
A Camada 3 est relacionada com o repositrio de informaes, onde
esto os diferentes tipos de dados, como, por exemplo: a base de
dados a ser
-
50
minerada, dados prontos para ser minerados, repositrio de
informaes entre outros.
Figura 16: ARQUITETURA DA FERRAMENTA KIRA Fonte: Silva et al.
(2009, pg 13)
Segundo Mendes (2009), cada mdulo da Camada 1 (Interface do
Usurio) tm como objetivo oferecer facilidades para o usurio
preparar os dados, executar o algoritmo de minerao e avaliar os
padres obtidos. Inicialmente, o usurio tem acesso s funes para
ajustar os parmetros das fontes de dados a serem usadas. Depois o
usurio orientado a oferecer informaes especficas, escolher e
estruturar os dados destinados, escolher e executar um algoritmo de
minerao de dados e analisar os resultados gerados. No final de cada
fase, o usurio informado sobre o prximo passo do processo. Estes
processos guias acompanham o usurio na execuo de cada etapa no
tendo a necessidade de conhecimentos detalhados sobre o processo de
minerao de dados. A Figura 17 apresenta uma das interfaces da
ferramenta Kira, onde mostra uma viso geral dos passos a serem
seguidos para a realizao da minerao de dados.
-
51
Figura 17: TELA DA FERRAMENTA KIRA Fonte: Ambiente de
desenvolvimento da Ferramenta Kira
Entre os componentes da interface desta ferramenta esto: O
diagrama de blocos: demonstra cada passo que a ferramenta ir
executar; No canto direito inferior existe uma legenda que
identifica a representao de cada um dos itens que compem o diagrama
de blocos; A paleta esquerda est dividida da seguinte forma:
o Fontes de dados, onde indicada a fonte de dados utilizada; o
Projetos, nome atribudo ao projeto de minerao de dados; o Etapas da
minerao indicam cada uma das etapas a ser realizadas.
-
52
A Figura 18 apresenta uma das intefaces da ferramenta Kira para
executar a atividade de definir o problema e objetivo de um projeto
de minerao de dados.
Figura 18: IDENTIFICAO DA TAREFA DE MINERAO Fonte: Ambiente de
Desenvolvimento da Ferramenta
A partir da Figura 18, o minerador de dados faz uma anlise do
propsito do projeto de minerao de dados e auxliado pela a guia de
descrio do que deve ser feito no lado esquerdo da ferramenta defini
o objetivo e o problema do projeto de minerao de dados a ser
realizado.
O funcionamento desta ferramenta consiste em chamar a tela com o
diagrama de blocos apresentada na Figura 17, e ento indicado o
prximo processo a ser executado e logo, em seguida, uma outra tela
exibida com campos a serem preenchidos auxiliados por mensagens,
como apresentado na Figura 18.
O funcionamento desta ferramenta resumidamente consiste em
executar as seguintes etapas:
Escolher uma base de dados, Atribuir um nome ao projeto,
Descrever o problema a ser resolvido e objetivo a ser cumprido,
-
53
Fazer a preparao dos dados, Selecionar a tarefa de minerao de
dados. Avaliar os resultados da minerao de dados.
Na etapa final a ferramenta mostra o resultado dos padres
gerados. Em todas as etapas, no lado direito h uma tag que indica
ao usurio o que fazer.
2.5 Consideraes Finais
Um projeto de minerao de dados envolve vrias fases. A
metodologia CRISP-DM foi desenvolvida para elaborao de projetos de
minerao de dados orientados a dados onde disciplina e descreve o
que o minerador deve fazer no conjunto de etapas da
metodologia.
A metodologia DM foi desenvolvida para tornar a minerao de dados
mais interativa, cujo propsito uma minerao feita a partir do
conhecimento do domnio, onde suas tarefas so combinadas com as
tarefas de uma metodologia orientada a dados na tentativa de buscar
resultados melhores.
As fases da CRISP-DM e a necessidade do conhecimento humano no
processo de minerao de dados so a base para o desenvolvimento da
ontologia META-DM. Porm para realizar esta tarefa foi necessrio
fazer um levantamento bibliogrfico sobre ontologias, que abordado
no prximo captulo.
-
54
3 ONTOLOGIAS
3.1 Consideraes Iniciais
Ontologias vm sendo aplicadas em vrios domnios da computao (Web
Semntica, Segurana da Informao, Minerao de Dados entre outros) como
forma de representar determinado domnio por meio de conceitos e
relacionamentos entre eles.
Neste captulo descrito alguns aspectos sobre ontologias,
considerados importantes, que so necessrios para o desenvolvimento
da ontologia de domnio proposta. Entre estes aspectos esto:
conceito e classificao de ontologias, metodologias para criar
ontologias, linguagens para implementao de ontologias e ferramentas
para desenvolver ontologias.
As subsees abaixo detalham cada um desses itens com o objetivo
de levantar informaes bibliogrficas suficientes para o
desenvolvimento da ontologia de domnio proposta.
3.2 Definies
Um projeto, independentemente de sua natureza (seja
computacional, de engenharia, mdica e outros), tem vrias pessoas
envolvidas. Dessa forma, h necessidade que os envolvidos em um
determinado projeto entendam o que os outros fizeram na fase
anterior, para que possam comear uma funo da melhor forma possvel.
Diante da necessidade de um constante entendimento de uma situao
surgiu o termo ontologia.
H diversas definies para o termo ontologia, como a utilizada por
Falbo et al. (1998, p. 2) a seguir:
Uma ontologia uma especificao de uma conceitualizao que uma
descrio de conceitos e relaes que podem existir para um agente de
software ou um agente da comunidade. Basicamente, uma ontologia
consiste de conceitos e relaes, e suas definies, propriedades e
restries so expressas como axiomas. Uma Ontologia no somente uma
hierarquia de termos, mas uma estrutura falando sobre um domnio.
(traduo nossa)
-
55
A maioria das definies para o termo ontologia, inclusive a
utilizada por Falbo et al. (1998), so extenses da definio de Gruber
(1993), que amplamente aceita na comunidade cientfica.
Segundo Gruber (1993), uma ontologia uma especificao explcita de
uma conceituao, ou seja, uma representao de um determinado
conhecimento de maneira formal.
Neste trabalho, ser adotada a definio feita por Falbo et al.
(1998), pois ela se mostra completa e deixa explcito o uso de
ontologias para expressar conhecimento sobre determinado domnio, o
que vai ao encontro, ao objetivo deste trabalho.
Segundo Noy & McGuinness (2001) a primeira aplicao de
ontologias, na rea de Cincia da Computao, foi no campo da
inteligncia artificial em meados dos anos 90. Desde ento, as
ontologias tm sido aplicadas em vrios ramos da Cincia da Computao,
como, por exemplo: web semntica, engenharia de software,
arquitetura da informao, dentre outros, como uma forma de
representar conhecimento sobre o mundo ou parte desse mundo.
3.3 Classificao das Ontologias
De acordo com Linhalis (2007), ontologias podem ser
classificadas sob diversos aspectos, como, por exemplo, o grau de
formalismo do vocabulrio, a estrutura, o contedo da conceituao,
dentre outros. Uma das classificaes mais citadas na literatura a
feita por Guarino (1998), que classifica as ontologias segundo sua
funo e as divide em trs nveis. A Figura 19 apresenta essa diviso e
a inter-relao dos tipos de ontologias.
-
56
Figura 19: CLASSIFICAO DE ONTOLOGIAS Fonte: Guarino (1998, pg:
9, traduo nossa)
O Quadro 6 faz uma breve descrio dos nveis que compem a
classificao de ontologias de acordo com Guarino (1998).
Quadro 6: DESCRIO DOS TIPOS DE ONTOLOGIAS, GUARINO (1998) Tipo
de Ontologia Descrio
Alto Nvel Descreve conceitos gerais, como espao, tempo, ao e
outros; que so independentes de um problema ou domnio especfico.
Exemplo: Cyc9, WordNet10 e SUMO11
Domnio e Tarefa Refere-se, respectivamente, a um vocabulrio
relacionado a um domnio (como medicina ou automveis) ou a uma
tarefa ou atividade (como diagnstico e venda), que especializa os
termos introduzidos na ontologia de alto nvel. Exemplo: ontologia
de veculos, documentos e computadores.
Aplicao Descreve conceitos que dependem de domnios e tarefas
particulares, que so frequentemente especializaes das ontologias
relacionadas. Exemplo: Uma ontologia que trabalhe com carros de
luxos, que especializar conceito da ontologia de veculos (que uma
ontologia de domnio).
9 http://www.cyc.com/. Acesso em: 03 set. 2010.
10 http://wordnet.princeton.edu/. Acesso em: 03 set. 2010.
11 http://ontology.teknowledge.com/. Acesso em: 03 set.
2010.
-
57
3.4 Metodologias para Desenvolvimento de Ontologias
Vrios autores desenvolveram etapas a serem seguidas para
construir ontologias, organizadas de modo que fornea suporte para
que os envolvidos em um determinado projeto saibam que tcnicas so
mais apropriadas e o que cada um vai produzir. Ao conjunto dessas
etapas deu-se o nome de metodologias. Este trabalho utiliza duas
metodologias para o desenvolvimento de ontologias: a metodologia de
Noy e McGuiness (2001) e a Metodologia METHONTOLOGY.
Na metodologia desenvolvida por Noy e McGuiness (2001) propem-se
as seguintes fases:
1) Determinar o domnio e o escopo da ontologia: consiste em
verificar o que a ontologia ir cobrir e assim limitar o escopo do
modelo. Ao longo do desenvolvimento esta fase pode ser alterada de
acordo com o amadurecimento dos reais propsitos da criao da
ontologia; 2) Considerar a reutilizao de outras ontologias:
consiste em verificar o que j foi criado e refinar ou estender para
o domnio ou tarefa no qual se deseja trabalhar; 3) Enumerar termos
importantes para a ontologia: consiste em encontrar os termos mais
comuns no domnio e as propriedades que eles possuem; 4) Definir as
classes e a hierarquia entre elas: consiste em observar a clareza e
a consistncia da hierarquia ao serem criadas subclasses. Isto ,
deve-se observar se uma classe tem subclasses a mais ou a menos; 5)
Definir as propriedades das classes: consiste em criar alguns
conceitos na hierarquia, e, logo em seguida suas propriedades; 6)
Definir as facetas das propriedades: consiste em descrever os
valores de tipos, valores permitidos, nmero mximo e mnimo
(cardinalidades) para os valores das propriedades, e outros;
-
58
7) Criar instncias: consiste em escolher a classe para a qual se
deseja criar as instncias, criar uma instncia e preencher os
valores das propriedades para cada instncia.
Linhalis (2007) ressalta que a metodologia de Noy e McGuinness
se concentra principalmente na fase de conceituao, que a mais
crtica no desenvolvimento de uma ontologia, pois a mais ligada
definio do conhecimento.
A metodologia de Noy e McGuiness (2001) foi adotada com o
objetivo de definir conceitos, propriedades e relacionamentos para
o domnio de minerao de dados. A metodologia d nfase fase de
conceituao, e por isso se mostra bem adequada para este
propsito.
A proposta da metodologia METHONTOLOGY, segundo Fernndez et al.
(1997), baseia-se na construo de ontologias a partir do ponto zero,
e podem ser utilizadas outras ontologias ou no. Os autores fazem
uma comparao do ciclo de vida de uma ontologia com o processo de
desenvolvimento de um software tradicional e ressaltam que bem
complicado levantar todos os requisitos necessrios antes de comear
o processo de desenvolvimento. As fases do ciclo de vida de uma
ontologia para esta metodologia so: especificao, aquisio do
conhecimento, conceituao, integrao, implementao, avaliao e
documentao.
Para documentar o ciclo de vida do desenvolvimento da ontologia
a metodologia METHONTOLOGY foi adotada. O Quadro 7 faz uma descrio
de cada uma dessas fases:
Quadro 7: ETAPAS DA METODOLOGIA METHONTOLOGY, Fernndez et al.
(1997) Fases Descrio Especificao A meta dessa fase produzir um
documento de especificao da ontologia,
escrito em uma linguagem natural, onde usado um conjunto de
representao intermediria ou questes de competncia. Nesta fase
proposto que no mnimo as seguintes informaes devem ser
includas:
O propsito da ontologia: incluindo usurio, cenrios de uso,
usurios finais, etc.
Nvel de formalidade da ontologia implementada: depende da
formalidade que ir ser usada para codificar os termos e seus
significados. O grau de formalidade pode ser altamente formal,
semi-
-
59
formal ou rigorosamente formal. Escopo que a ontologia ir
cobrir: inclui um conjunto de termos a ser
representado, suas caractersticas e granulosidade. Aquisio de
conhecimento
Esta fase realizada simultaneamente com a fase de especificao, e
est relacionada a adquirir conhecimentos necessrios para comear o
processo de criao da ontologia, um processo independente do
desenvolvimento da ontologia, no entanto coincide com outras
atividades. Para adquirir o conhecimento necessrio so utilizadas
consultas a especialistas, livros, manuais, figuras, tabelas e
mesmo outras ontologias como fonte de conhecimento. Esses elementos
podem ser usados em conjunto com: brainstorming, entrevistas,
anlise de texto formal e informal e ferramentas de aquisio de
conhecimento.
Conceituao Nesta fase ser estruturado o conhecimento de domnio
em um modelo conceitual que ir descrever o problema e suas solues
em termos do vocabulrio de domnio identificado na atividade de
especificao da ontologia. A primeira atividade a ser realizada
construir um completo Glossrio de Termos (conceitos, instncias,
verbos e propriedades), que ir resumir tudo o que til e
potencialmente utilizvel no conhecimento de domnio e seu
significado. Uma vez completado o glossrio de termos, deve-se
agrupar os termos em conceitos (dicionrio de dados que descreve e
rene tudo o que til e potencialmente usado no conceito de domnio,
seus significados, atributos e instncias) e verbos (aes no domnio).
No final dessa fase ser produzido um modelo conceitual expresso
como um conjunto de conceitos bem definidos, que permitir ao usurio
final: verificar se a ontologia ser ou no til e utilizvel para uma
aplicao sem inspecionar seu cdigo fonte; e comparar o escopo e
plenitude de vrias ontologias, sua reusabilidade e compatibilidade
pela anlise do conhecimento.
Integrao Como meta de acelerar o processo de desenvolvimento de
uma ontologia, pode-se considerar o reuso de definies j
desenvolvidas, dentro de outras ontologias, ao invs de comear a
construo do seu incio.
Implementao Consiste em implementar a ontologia em uma linguagem
formal, tais como: CLASSIC, OWL, LOOM, Ontolingua, ou uma outra
linguagem de programao. Nesta fase requerido um ambiente de
desenvolvimento de ontologias e que deve pelo menos incluir: uma
analise lxica e sinttica, um tradutor, um editor, um navegador,
realizar pesquisa de termos e apresentao dos resultados
produzidos.
Avaliao Realizar um julgamento tcnico da ontologia, seu ambiente
de software e documentao. A avaliao inclui os termos de verificao e
validao. Verificao refere-se ao processo tcnico que garante a
correo de uma
-
60
ontologia e validao garante que a ontologia desenvolvida
representa o domnio do conhecimento definido na fase de
especificao.
Documentao Para cada uma das fases anteriores feito um documento
descrevendo o que foi realizado. A documentao parte integrante do
desenvolvimento da ontologia. Assim esta etapa est presente em
todas as anteriores.
O conjunto dessas etapas forma o ciclo de vida de
desenvolvimento de uma ontologia. Esta metodologia foi adotada
neste trabalho para registrar cada um dos passos do desenvolvimento
da ontologia.
3.5 Linguagens para Representao de ontologias
Segundo Linhalis (2007), no incio dos anos 90 um conjunto de
linguagens para implementao de ontologias foram desenvolvidas a fim
de formalizar as informaes nas ontologias. Essas linguagens
utilizam um ou mais formalismos para representar conhecimento, tais
como regras de produo, lgica de primeira ordem, lgica de segunda
ordem, frames, redes semnticas e lgica de descries (Russel &
Norving, 2003).
O Quadro 8 mostra algumas das linguagens para implementao de
ontologias (Linhalis, 2007).
Quadro 8: LINGUAGENS PARA REPRESENTAR ONTOLOGIAS (LINHALIS,
2007) Linguagem Caracterstica Ontolingua12 Foi desenvolvida em
1992;
Combina frames e lgica de primeira ordem para representar
conhecimento; Apresenta taxonomia de conceitos, relaes n-rias,
funes, axiomas,
instncias e procedimentos; O grande poder de expressividade
dessa linguagem dificulta o
desenvolvimento de inferncia. LOOM13 Foi desenvolvida no mesmo
perodo da Ontolingua;
Inicialmente, no foi criada para representar ontologias, mas
bases de conhecimentos genricas;
baseada em lgica de descries e regras de produo;
12 http://ontolingua.stanford.edu/. Acesso: 16 jun. 2010
13 http://www.isi.edu/isd/LOOM/. Acesso: 16 jun. 2010.
-
61
Fornece a classificao automtica de conceitos e pode representar
taxonomias de conceitos, relaes n-reas, funes, axiomas e regras de
produo.
OCML14 Foi desenvolvida em 1993; considerada uma Ontoling
