Ontology construction is a complex process composed by extraction tasks for domain concepts, as well as taxonomic and non-taxonomic relations among concepts. The extraction of non-taxonomic relations is the most neglected task, specially for Portuguese texts. Therefore, this paper presents a proposal for extracting non-taxonomic relations from Portuguese texts represented by a list of concepts and their contextual information extracted automatically by ExATOlp software tool.
Para
Diferente das relações taxonômicas, que contribuem na estruturação de um
domínio e classificação de conceitos, as relações não-taxonômicas não estão
relacionadas a hierarquia. Este tipo de relação acrescenta informações aos conceitos já
encontrados, identificando relacionamentos entre eles [
Identificar as relações não-taxonômicas é essencial para expressar as
propriedades de classes e entidades de um domínio específico [
De acordo com
O papel dos verbos como elemento de conexão central entre conceitos é
inegável. Eles são responsáveis por especificar qual é a interação entre os participantes
de uma ação ou evento, expressando a relação entre eles. Devido a isto os verbos tem
sido muito utilizados para definir relações não-taxonômicas [
Partindo disso, esse trabalho apresenta uma proposta de processo para extração
de relações não-taxonômicas em textos na língua portuguesa. Diferente dos trabalhos
similares de
Na literatura encontram-se trabalhos que propõe processos de extração de relações nãotaxonômicas a partir de textos. A Tabela 1 apresenta uma síntese a respeito dos trabalhos similares ao apresentado neste artigo.
Pode-se observar através da Tabela 1, com exceção do trabalho de
Embora nem todos os trabalhos tenham seu foco em encontrar relações nãotaxonômicas em corpus da língua inglesa, nenhum deles apresenta uma proposta para a língua portuguesa. Além disso, foi possível observar que na maioria dos trabalhos analisados as relações não-taxonômicas extraídas são dependentes do domínio, ou seja, a relação entre os conceitos é feita por termos específicos do domínio. Uma possível justificativa para isso é que nestes trabalhos os verbos que relacionam os conceitos são também usados como identificadores da relação.
Tabela 1. Comparação de trabalhos similares Trabalhos Similares
Fonte de dados Maedech e Staab (2000)
Corpus de domínio
Corpus de domínio
Web Corpus de domínio, lista de candidatos a conceitos ou hierarquia de
conceitos Ontologia e corpus
de domínio
Corpus de domínio
Relação identificada por verbo?
Não Sim Sim Sim Sim Sim
Idioma Alemão Inglês e Alemão Inglês
Tipos de relações nãotaxonômicas extraídas Dependente de domínio Dependente de domínio
Dependente de domínio Inglês
Dependente de domínio Inglês Inglês
Independente de
domínio
Dependente e independente de domínio
Na análise dos trabalhos similares foi possível observar que a maioria das
propostas não se propõe a identificar relações não-taxonômicas de forma automática,
mas sim sugerir relações para especialistas de domínio. Com isso, pode-se verificar que
o papel dos engenheiros de ontologias e especialistas de domínio é importante na
decisão final a respeito de relações não-taxonômicas [
O processo de extração de relações não-taxonômicas apresentado neste artigo tem seu foco em conceitos da língua portuguesa, e ele constitui-se de 5 etapas distintas (Figura 1): (i) Aquisição dos termos com informações contextuais; (ii) Eliminação de termos com informações faltantes; (iii) Identificação dos conceitos do domínio; (iv) Extração dos candidatos a relações não-taxonômicas; e (v) Visualização das relações extraídas.
Conforme verificou-se através dos trabalhos similares, os verbos são os elementos fundamentais na identificação de relações não-taxonômicas entre conceitos de um domínio. É válido também salientar que na língua portuguesa uma oração tem como estrutura sintática básica “Sujeito + Verbo + Objeto”. Constatou-se então que a tabela de termos com informações contextuais produzida pela ferramenta ExATOlp provê todas informações necessárias para a extração de relações não-taxonômicas. Sendo assim, na primeira etapa do processo é feita a aquisição dos termos e todas as suas informações contextuais da lista produzida pelo ExATOlp.
Embora na etapa de aquisição sejam extraídas todas informações contextuais dos termos, para a extração de relações não-taxonômicas são utilizados apenas o termo, sua função sintática (sujeito ou objeto) e o verbo na forma canônica com o qual ele se relaciona. A aquisição de todas informações contextuais é feita com o objetivo de prover informações adicionais aos conceitos que se relacionam para o desenvolvimento de futuras aplicações linguísticas.
Figura 1. Processo de extração de relações não-taxonômicas
Na segunda etapa são eliminados todos os termos que não possuem verbos
associados, ou que o processo de extração não conseguiu identificar a função
gramatical. Esta é uma etapa de importante para a rapidez de execução do processo, pois
evita que trabalhe-se com termos incompletos. Como o objetivo do processo é extrair
relações não-taxonômicas entre conceitos, é necessário processar apenas os termos que
foram considerados conceitos de um domínio. Para isto, na terceira etapa do processo os
termos são comparados aos conceitos extraídos pelo processo proposto por
Na etapa de extração de relações não-taxonômicas, são identificados os conceitos que se relacionam através de um mesmo verbo. Estes conceitos são então classificados pela sua função gramatical como sujeitos ou objetos. São definidas então triplas no formato < Conceito Sujeito, Verbo, Conceito Objeto > produzidas pelo produto cartesiano entre os conceitos considerados sujeitos e objetos e o verbo que os relaciona. As triplas definidas nesta etapa representam candidatos a relações nãotaxonômicas do domínio. Para que seja possível explorar as relações extraídas pelo processo, a última etapa tem seu foco em permitir que usuários (especialistas) visualizem-nas de forma simplificada.
Com o objetivo de avaliar o funcionamento do processo proposto, foi desenvolvido um sistema computacional para operacionalizar cada uma de suas etapas. Através do sistema desenvolvido, foi realizado um experimento com uma lista de termos, conceitos e informações contextuais produzida pelo ExATOlp a partir de um corpus de Geologia. Este corpus contém 234 textos, 69.461 frases e 2.010.527 palavras.
Na execução da etapa de aquisição de dados foram encontradas 255.816 ocorrências de termos com informações contextuais. Com o objetivo de eliminar os termos com informações faltantes, foi executada a segunda etapa do processo, restando 68.831 ocorrências. Na terceira etapa, os termos foram comparados com os conceitos do domínio identificados pelo ExATOlp. Todos os termos que não constavam nessa lista de conceitos foram eliminados, restando então 18.025 ocorrências de conceitos com suas informações contextuais. Sobre estas ocorrências foi realizada a quarta etapa do processo, que produziu 270.197 triplas candidatas a instâncias de relações nãotaxonômicas do domínio de Geologia que correspondem a 418 relações distintas.
A quinta e última etapa não foi experimentada, porém para que fosse possível visualizar as triplas candidatas foi desenvolvida uma aplicação Web a ser utilizada pelos especialistas do domínio. Essa aplicação apresenta os dados na forma de um dicionário, permitindo a exploração das instâncias das relações. A Figura 2 apresenta um exemplo onde visualiza-se o conceito “evento vulcânico” (sujeito) e as instâncias (cada objeto) da relação “provocar” (verbo), ou seja, tudo que “eventos vulcânicos” pode “provocar”.
Figura 2. Visualização das relações não-taxonômicas extraídas
Conforme pode ser visto através da execução do experimento com o corpus de Geologia, o processo proposto permite a extração de relações não-taxonômicas tendo por base a lista de conceitos e suas informações contextuais gerada pelo ExATOlp, ou seja, as informações contextuais dos conceitos disponibilizadas pelo ExATOlp provêem dados suficientes para a descoberta de relações não-taxonômicas.
Um trabalho futuro será avaliar a relevância das relações extraídas para o
domínio. Dessa forma, assim como em trabalhos similares, é necessário uma etapa de
avaliação por especialistas do domínio das relações extraídas. Portanto, as 418 relações
extraídas no processo proposto serão consideradas candidatas e somente após esta etapa
de avaliação serão consideradas relações não-taxonômicas do domínio. Outra
possibilidade é o uso de pontos de corte, a exemplo do que já foi desenvolvido para
selecionar conceitos [
Outro trabalho futuro planejado é aplicação do processo proposto para outros
corpora, como os utilizados por