Otimização do processo de aprendizagem da estrutura gráfica de Redes Bayesianas em BigData

A automação na gestão e análise de dados tem sido um fator crucial para as empresas que necessitam de soluções eficientes em um mundo corporativo cada vez mais competitivo. A explosão do volume de informações, que vem se mantendo crescente nos últimos anos, tem exigido cada vez mais empenho em buscar estratégias para gerenciar e, principalmente, extrair informações estratégicas valiosas a partir do uso de algoritmos de Mineração de Dados, que comumente necessitam realizar buscas exaustivas na base de dados a fim de obter estatísticas que solucionem ou otimizem os parâmetros do modelo de extração do conhecimento utilizado; processo que requer computação intensiva para a execução de cálculos e acesso frequente à base de dados. Dada a eficiência no tratamento de incerteza, Redes Bayesianas têm sido amplamente utilizadas neste processo, entretanto, à medida que o volume de dados (registros e/ou atributos) aumenta, torna-se ainda mais custoso e demorado extrair informações relevantes em uma base de conhecimento. O foco deste trabalho é propor uma nova abordagem para otimização do aprendizado da estrutura da Rede Bayesiana no contexto de BigData, por meio do uso do processo de MapReduce, com vista na melhora do tempo de processamento. Para tanto, foi gerada uma nova metodologia que inclui a criação de uma Base de Dados Intermediária contendo todas as probabilidades necessárias para a realização dos cálculos da estrutura da rede. Por meio das análises apresentadas neste estudo, mostra-se que a combinação da metodologia proposta com o processo de MapReduce é uma boa alternativa para resolver o problema de escalabilidade nas etapas de busca em frequência do algoritmo K2 e, consequentemente, reduzir o tempo de resposta na geração da rede.

Ethnoveterinary knowledge of the inhabitants of Marajó Island, Eastern Amazonia, Brazil

Em várias partes do mundo existem relatos etnoveterinários sobre a utilização de plantas em protocolos terapêuticos, entretanto não existem informações disponíveis sobre a etnoveterinária praticada na Amazônia brasileira. Desta forma, objetivou-se documentar o conhecimento etnoveterinário de habitantes da Ilha do Marajó, Amazônia Oriental. Foram realizadas 50 entrevistas individuais com aplicação de questionários semi-estruturados que foram analisados quantitativamente através de estatística descritiva utilizando freqüência de distribuição. O valor de uso foi calculado para determinar as espécies mais importantes. Amostras de plantas com relatos de uso medicinal foram coletadas e identificadas botanicamente. Cinqüenta plantas, distribuídas em 48 gêneros e 34 famílias, foram indicadas para 21 diferentes usos medicinais. A família Asteraceae foi a que teve maior número de espécies citadas e Carapa guianensis Aubl, Crescentia cujete L., Copaifera martii Hayne, Caesalpinia ferrea Mart., Chenopodium ambrosioides L., Jatropha curcas L. e Momordica charantia L. foram as espécies com maiores valor de uso. As partes das plantas mais utilizadas para preparo dos medicamentos etnoveterinários foram folhas (56%), cascas (18%), raizes (14%), sementes (14%) e frutos (8%). Quanto à forma de uso o chá foi citado por 56% dos entrevistados e a maioria das preparações (90,9%) utiliza uma só planta. Além das plantas medicinais, os entrevistados relataram o uso de produtos de origem animal e mineral. Esse trabalho contribui para realização de um inventário das plantas utilizadas na etnoveterinária marajoara que pode servir de base de dados para futuros estudos de validação científica.