Defesa de Dissertação Laís Caldeira, dia 08/08/2018, as 14:00, sala de seminários DECOM.

Defesa de Dissertação de mestrado de Laís Caldeira, dia 08/08/2018, as 14:00, sala de seminários DECOM - ICEB III

Título: Melhorias no Processo de Blocagem para Resolução de Entidades Baseadas na Relevância dos Termos

Resumo: A extensa variedade de informações disponíveis na Web motivou o desenvolvimento de aplicações que integram dados heterogêneos vindos de diferentes fontes. No processo de integração de dados, pares de instâncias devem ser frequentemente comparados para identificar aqueles que pertencem a mesma entidade do mundo real. A tarefa de encontrar instâncias que referenciam à mesma entidade é conhecida como Resolução de Entidades, que trata de uma tarefa muito custosa para grandes coleções de dados, onde todos os pares de instâncias devem ser comparados. Nesse contexto, técnicas de blocagem são utilizadas para criar blocos que contêm as instâncias que são propensas a corresponder à mesma entidade no mundo real, de modo que a tarefa de Resolução de Entidades possa ser aplicada apenas a esses blocos. Técnicas de processamento de blocos aumentam ainda mais a eficiência, descartando comparações ou mesmo blocos inteiros que envolvam instâncias não correspondentes. Neste trabalho, é proposta uma forma de escolher termos para serem usados na etapa de blocagem e na etapa de processamento de blocos, baseado na relevância dos termos na coleção de dados, de modo a construir blocos que possibilitem encontrar o maior número de instâncias correspondentes, minimizando a quantidade de comparações desnecessárias. A proposta é avaliada comparando-a com trabalhos relevantes disponíveis na literatura. Os resultados mostram que a proposta reduz o tempo de processamento pela metade e melhora a qualidade dos blocos gerados, escalando eficientemente grandes coleções de dados altamente heterogêneos.