Extração de informação sobre bases de dados textuais

Com a crescente popularização dos microcomputadores e da rede mundial de informação, Internet, uma enorme variedade e quantidade de informações estão se tornando acessíveis a um número cada vez maior de pessoas. Desta forma, também cresce a importância de se extrair a informação útil que está no grande conjunto das informações disponibilizadas. Hoje há muito mais dados na forma de textos eletrônicos do que em tempos passados, mas muito disto é ignorado. Nenhuma pessoa pode ler, entender e sintetizar megabytes de texto no seu cotidiano. Informações perdidas, e conseqüentemente oportunidades perdidas, estimularam pesquisas na exploração de várias estratégias para a administração da informação, a fim de estabelecer uma ordem na imensidão de textos. As estratégias mais comuns são recuperação de informações, filtragem de informações e outra relativamente nova, chamada de extração de informações. A extração de informações tem muitas aplicações potenciais. Por exemplo, a informação disponível em textos não-estruturados pode ser armazenada em bancos de dados tradicionais e usuários podem examiná-las através de consultas padrão. Para isso, há um complexo trabalho de gerenciamento, que é conseqüência da natureza não estruturada e da difícil análise dos dados. Os dados de entrada, que são os textos semi ou não-estruturados, são manipulados por um processo de extração configurado através de bases de conhecimento criadas pelo usuário do sistema. Esta dissertação tem como objetivo a definição de uma linguagem, com base em uma arquitetura de múltiplos níveis, para extrair satisfatoriamente as informações desejadas pelo usuário, presentes em bases de dados textuais. Também faz parte deste trabalho a implementação de um protótipo que utiliza a linguagem proposta.

Aplicação de técnicas de descobrimento de conhecimento em bases de dados e de inteligência artificial em avaliação de imóveis

A comparação de dados de mercado é o método mais empregado em avaliação de imóveis. Este método fundamenta-se na coleta, análise e modelagem de dados do mercado imobiliário. Porém os dados freqüentemente contêm erros e imprecisões, além das dificuldades de seleção de casos e atributos relevantes, problemas que em geral são solucionados subjetivamente. Os modelos hedônicos de preços têm sido empregados, associados com a análise de regressão múltipla, mas existem alguns problemas que afetam a precisão das estimativas. Esta Tese investigou a utilização de técnicas alternativas para desenvolver as funções de preparação dos dados e desenvolvimento de modelos preditivos, explorando as áreas de descobrimento de conhecimento e inteligência artificial. Foi proposta uma nova abordagem para as avaliações, consistindo da formação de uma base de dados, ampla e previamente preparada, com a aplicação de um conjunto de técnicas para seleção de casos e para geração de modelos preditivos. Na fase de preparação dos dados foram utilizados as técnicas de regressão e redes neurais para a seleção de informação relevante, e o algoritmo de vizinhança próxima para estimação de valores para dados com erros ou omissões. O desenvolvimento de modelos preditivos incluiu as técnicas de regressão com superficies de resposta, modelos aditivos generalizados ajustados com algoritmos genéticos, regras extraídas de redes neurais usando lógica difusa e sistemas de regras difusas obtidos com algoritmos genéticos, os quais foram comparados com a abordagem tradicional de regressão múltipla Esta abordagem foi testada através do desenvolvimento de um estudo empírico, utilizando dados fornecidos pela Prefeitura Municipal de Porto Alegre. Foram desenvolvidos três formatos de avaliação, com modelos para análise de mercado, avaliação em massa e avaliação individual. Os resultados indicaram o aperfeiçoamento da base de dados na fase de preparação e o equilíbrio das técnicas preditivas, com um pequeno incremento de precisão, em relação à regressão múltipla.Os modelos foram similares, em termos de formato e precisão, com o melhor desempenho sendo atingido com os sistemas de regras difusas.

Usando bases de dados relacionais para geração semi-automática de ontologias destinadas à extração de dados

Extração de dados é o processo utilizado para obter e estruturar informações disponibilizaadas em documentos semi-estruturados (ex.: páginas da Web). A importâmncia da extrtação de dados vem do fato que, uma vez extraídos, os dados podem ser armazenados e manipulados em uma forma estruturada. Dentre as abordagens existentes para extração de dados, existe a abordagem de extração baseada em ontologias. Nesta abordagem, ontologias são preciamente criadas para descrever um domínio de interesse, gerando um modelo conceitual enriquecido com informações necessárias para extração de dados das fontes semi-estruturadas. A ontologia é utilizada como guia ara um programa (¨parser¨) que executa a extração de dados dos documentos ou páginas fornecidos como enetrada. Oprocesso de criação da ontologia não é uma tarefa trtivial e requer um cuidado trabalho ee análise dos documentos ou páginas fontes dos dados. Este trabalho é feito manualmente por usuários especialistas no domínio de interesse da ontologia. Entretanto, em algumas situações os dados que se desejam extrair estão modelados em bancos de dados relacionais. Neste caso, o modelo realcional do banco de dados por ser utilizado para constrtução do modelo conceitual na ontologia. As instâncias dos dados armazenados neste mesmo banco podem ajudar a gerar as informações sobre conteúdo e formato dos dados a serem extraídos. Estas informações sobre conteúdo e formato de dados, na ontologia, são representadas por expressões regulares e estão inseridas nos chamados "data frames". O objetivo deste trabalho é apresentar um método para criação semi-automática de ontologias de extração a partir das informações em um banco de dados já existente. O processo é baseado na engenharia reversa do modelo relacional para o modelo conceitual da ontologia combinada com a análise das instâncias dos dados para geração das expressões regulares nos "data frames".

Síntese de novas bases de tröger, fluorescentes via transferência protônica intramolecular no estado excitado (ESIPT)

Neste trabalho, realizou-se a síntese e a caracterização de quatro novas bases de Tröger. Estes compostos pertencem à classe de heterociclos 2-hidroxifenibenzazóis, que caracterizam-se por apresentar uma forte emissão de fluorescência, devido à reação de transferência protônica intramolecular no estado excitado -ESIPT- por eles sofrrida quando excitados por luz ultravioleta. Os heterociclos sintetizadosapesentam ligações de hidrogênio intramolecular entrte o nitrogênio azólico e a hidroxila fenólica e um granded deslocamento de Stokes, características tíicas de compostos que sofrem a ESIPT. As bases de Tröger, que são quirais, são bem conhecidas como receptores moleculares devido a concavidade que estas moléculas apresentam, Os compostos obtidos são os primeiro exmeplos de bases de Tröger fluorescentes, via ESIP, na literatura, por isso, despertam grande interesse na síntese de sondas biológicas moleculares fluorescentes. A partir da resolução quiral das bases de Tröger, estas potencialmente podem vir a ser utilizadas como indutores quirais e/ou par ao reconhecimento enantiosseletivo do DNA. A resolução quiral foi feita para uma das bases de Tröger sintetizadas.

Simulação computacional de processos de formação de pares de bases biológicas livres considerando critérios probabilísticos, geométricos e energéticos

Neste trabalho, analisam-se os processos de formação de ligações de hidrogênio entre as bases Adenina. Timina, Guanina e Citosina usando o método Monte Carlo probabilístico. A possibilidade de formação de pares é inicialmente verificada considerando critério geométrico (distância e orientação das molécutlas) seguida pela análise da probabilidade energética, que é proporcional ao fator de Boltzmann. Os resultados mostram que a probabilidade de concorrência, para alguns modelos, não segue a estrutura mais provável segundo o fator de Boltzmann. Isto sugere que existe uma forte influência geométrica na formação dos pares (ligações simples e múltiplas). Tal análise fornece para a construção de modelos mais complexos bem como para o entendimento de alguns mecanismos que ocorrem em processos relacionados à mutações, visando compreender este tipo de fenômeno biológico

Caracterização de unidades de manejo (biótopos) na futura unidade de conservação ambiental da UFRGS, Porto Alegre, RS : uma contribuição com bases na ecologia de paisagem

Para a caracterização dos biótopos naturais da futura Unidade de Conservação (UC) do Morro Santana (Porto Alegre, RS) foi realizado o macrozoneamento da área de estudo utilizando-se a cobertura com fitofisionomias campestres e florestais nativas e as variáveis do meio físico: declividade, altitude e exposição solar. Em quatro macrozonas campestres e em nove florestais, foram realizados estudos fitossociológicos e estatísticos para definir as unidades e sub-unidades vegetais presentes e a relação destas com a variável distância aos cursos d’água, caracterizando assim os onze biótopos naturais da área de estudo. Os tipos naturais de uso e cobertura do solo ocupam 51,6% da área do morro e as categorias de uso antrópico cobrem 48,4%. As formações de campo nativo do Morro Santana foram caracterizadas a partir da estrutura da vegetação dominante fisionomicamente, por duas unidades e quatro sub-unidades de vegetação, sendo que a unidade Aristida filifolia - Axonopus sp1 obteve a maior freqüência e densidade, não ocorrendo em apenas uma macrozona. A unidade de vegetação Guapira opposita - Casearia sylvestris ocorreu em todas as macrozonas arbóreas amostradas e caracteriza a estrutura da vegetação dominante fisionomicamente, nestas formações O método seguiu o cruzamento de informações espacializadas utilizando o sistema de informação geográfica (SIG) Idrisi, versão 14.02 (Kilimanjaro). Uma nova análise conferiu valores ecológicos às áreas com cobertura campestre e florestal nativas do morro a partir dos parâmetros relativos à: climacidade das espécies presentes nas unidades e sub-unidades de vegetação, naturalidade das comunidades vegetais presentes e índices da configuração estrutural da paisagem (tamanho e forma das manchas e distância de áreas urbanas). Foram então somados os valores ecológicos de cada parâmetro e estabelecidas as quatro zonas de caracterização ecológica, que são: núcleo, extensão do núcleo, tamponamento e ligação, em ordem decrescente de valor ecológico. Os biótopos de formações campestres encontram-se com melhor grau de conservação em relação aos florestais, por comporem a maior parte da zona núcleo. As zonas de caracterização ecológica servem como importante ferramenta para a realização do plano de manejo da unidade de conservação.