dc.creator.ID |
MONGIOVI, G. |
pt_BR |
dc.creator.Lattes |
http://lattes.cnpq.br/1961853876907497 |
pt_BR |
dc.contributor.advisor1 |
MOURA, José Antão Beltrão. |
|
dc.contributor.advisor1ID |
MOURA, J. A. B. |
pt_BR |
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/3572375884177951 |
pt_BR |
dc.contributor.advisor2 |
FERNEDA, Edilson. |
|
dc.contributor.advisor2ID |
FERNEDA, E. |
pt_BR |
dc.contributor.advisor2Lattes |
http://lattes.cnpq.br/2531761427648020 |
pt_BR |
dc.contributor.referee1 |
PASSOS, Emmanuel Piseces Lopes. |
|
dc.contributor.referee2 |
LUCENA FILHO, Gentil José de. |
|
dc.contributor.referee3 |
GOMES, Fernando Antonio de Carvalho. |
|
dc.contributor.referee4 |
ARCE, John Franklin. |
|
dc.contributor.referee5 |
LULA JUNIOR, Bernardo. |
|
dc.description.resumo |
Os algoritmos indutivos de aquisição automática de conhecimento a partir de exemplos, em geral, apresentam um caráter puramente empírico, não usam conhecimento preliminar, observando apenas os aspectos quantitativos na geração de uma base de conhecimento. Procuram fornecer bases de conhecimento com um mínimo de tamanho e um máximo de acurácia, sem nenhuma preocupação com a qualidade semântica dos resultados gerados. Procurando preservar o caráter automático do processo de aquisição de conhecimento, com esta tese diminuímos o aspecto empírico do processo, propondo um tipo de conhecimento preliminar, na forma de relevância semântica, que é de fácil representação e eliciação. Esse conhecimento, de forma isolada ou combinado com outros tipos de conhecimento preliminar, como custo e generalização, é incorporado aos algoritmos indutivos visando a geração de bases de conhecimento de melhor qualidade, particularmente no aspecto semântico. Além disso, utilizamos a relevância semântica para definir um processo automático de avaliação da qualidade semântica de uma
base de conhecimento, bem como para contornar o problema do grande esforço computacional apresentado pelo Modelo Neural Combinatório. Visando aumentar o grau de automação do processo como um todo, propomos ainda, nesta tese, o ambiente de apoio à aquisição automática de conhecimento A4. O ambiente auxilia na modelagem do domínio em exemplos e conhecimento preliminar e na avaliação qualitativa dos resultados fornecidos pelos algoritmos generalizadores. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
Centro de Engenharia Elétrica e Informática - CEEI |
pt_BR |
dc.publisher.program |
PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA |
pt_BR |
dc.publisher.initials |
UFCG |
pt_BR |
dc.subject.cnpq |
Engenharia Elétrica |
|
dc.title |
Uso de relevância semântica na melhoria da qualidade dos resultados gerados pelos métodos indutivos de aquisição de conhecimento a partir de exemplos. |
pt_BR |
dc.date.issued |
1995-06-09 |
|
dc.description.abstract |
Inductive algorithms for automatic knowledge acquisition from examples generally have a purely empirical character, do not use preliminary knowledge, observing only quantitative aspects in the generation of a knowledge base. They seek to provide knowledge bases with a minimum of size and a maximum of accuracy, without any concern with the semantic quality of the results generated. In order to preserve the automatic character of the process of knowledge acquisition, with this thesis we reduce the empirical aspect of the process, proposing a kind of preliminary knowledge, in the form of semantic relevance, which is easily represented and elicited. This knowledge, either alone or in combination with other types of preliminary knowledge, such as cost and generalization, is incorporated into inductive algorithms aimed at generating better quality knowledge bases, particularly in the semantic aspect. In addition, we use semantic relevance to define an automatic process for evaluating the semantic quality of a
as well as to circumvent the problem of the great computational effort presented by the Combinatorial Neural Model. In order to increase the degree of process automation as a whole, we propose in this thesis the support environment for the automatic acquisition of A4 knowledge. The environment helps in modeling the domain in examples and preliminary knowledge and in the qualitative evaluation of the results provided by generalizing algorithms. |
pt_BR |
dc.identifier.uri |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/10368 |
|
dc.date.accessioned |
2019-12-19T16:55:27Z |
|
dc.date.available |
2019-12-19 |
|
dc.date.available |
2019-12-19T16:55:27Z |
|
dc.type |
Tese |
pt_BR |
dc.subject |
Relevância Semântica |
|
dc.subject |
Métodos Indutivos |
|
dc.subject |
Inteligência Artificial |
|
dc.subject |
Aquisição de Conhecimento |
|
dc.subject |
Sistemas Baseados em Conhecimento |
|
dc.subject |
Aprendizagem Automática |
|
dc.subject |
Modelagem de Domínio |
|
dc.subject |
Modelo Neural Combinatório |
|
dc.subject |
Semantic Relevance |
|
dc.subject |
Inductive Methods |
|
dc.subject |
Artificial Intelligence |
|
dc.subject |
Knowledge Acquisition |
|
dc.subject |
Knowledge-Based Systems |
|
dc.subject |
Machine Learning |
|
dc.subject |
Domain Modeling |
|
dc.subject |
Combinatorial Neural Model |
|
dc.rights |
Acesso Aberto |
pt_BR |
dc.creator |
MONGIOVI, Giuseppe. |
|
dc.publisher |
Universidade Federal de Campina Grande |
pt_BR |
dc.language |
por |
pt_BR |
dc.title.alternative |
Use of semantic relevance in improving the quality of results generated by inductive knowledge acquisition methods from examples. |
pt_BR |
dc.identifier.citation |
MONGIOVI, Giuseppe. Uso de relevância semântica na melhoria da qualidade dos resultados gerados pelos métodos indutivos de aquisição de conhecimento a partir de exemplos. 1995. 254f. (Tese de Doutorado em Engenharia Elétrica), Curso de Pós-Graduação em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática, Universidade Federal da Paraíba – Campus II - Campina Grande - PB - Brasil,1995. |
pt_BR |