Qualificação de mestrado da discente Laís Caldeira, dia 28/06/17.
Qualificação de mestrado da discente Laís Caldeira, dia 28/06/17, as 13:30, na sala de seminários do DECOM - ICEB III.
Título: Descoberta de Características e Padrões Relacionados à Seleção de Termos no Processo de Blocagem para Resolução de Entidades
Resumo:
A extensa variedade de informações disponíveis na Web motivou o desenvolvimento de aplicações que integram dados heterogêneos vindos de diferentes fontes. Na tarefa de integração de dados, pares de registros devem ser frequentemente comparados para identificar aqueles que pertencem a mesma entidade do mundo real. O processo de encontrar registros que referenciam a mesma entidade é conhecido como Resolução de Entidades, que se trata de uma tarefa muito custosa para grandes conjuntos de dados, onde todos os pares de registros devem ser comparados. Nesse contexto, métodos de blocagem são utilizados para criar blocos que contêm os registros que são propensos a corresponder à mesma entidade no mundo real, de modo que a tarefa de Resolução de Entidades possa ser aplicada apenas a estes blocos. Técnicas de processamento de blocos aumentam ainda mais a eficiência, descartando comparações ou mesmo blocos inteiros que envolvam registros não correspondentes. Esta dissertação apresenta um método que avalia as características dos termos presentes em cada registro no conjunto de dados, denominado BTCI (Blocagem por Termos com Características Importantes), de modo a construir blocos que possibilitem encontrar o maior número de registros correspondentes, minimizando a quantidade de comparações desnecessárias. O intuito do trabalho é encontrar termos nos registros que possibilitem obter blocos com essas características. Além disso, pretende-se com este trabalho definir uma técnica de processamento de blocos. Tal técnica reestrutura os blocos gerados pelos métodos de blocagem baseados em redundância, removendo comparações supérfluas, reduzindo significativamente o custo computacional. Experimentos preliminares em coleções de dados da Web mostram que o BTCI tem potencial para alcançar resultados relevantes.
