=Paper=
{{Paper
|id=None
|storemode=property
|title=Descoberta Automática de Relações Não-Taxonômicas a Partir de Corpus em Língua Portuguesa
|pdfUrl=https://ceur-ws.org/Vol-938/ontobras-most2012_paper23.pdf
|volume=Vol-938
|dblpUrl=https://dblp.org/rec/conf/ontobras/FerreiraLV12
}}
==Descoberta Automática de Relações Não-Taxonômicas a Partir de Corpus em Língua Portuguesa==
https://ceur-ws.org/Vol-938/ontobras-most2012_paper23.pdf
Descoberta Automática de Relações Não-
Taxonômicas a partir de Corpus em
Língua Portuguesa
Vinicius H. Ferreira, Lucelene Lopes, Renata Vieira
PPGCC – FACIN – Porto Alegre – Brasil
vinihf@gmail.com, {lucelene.lopes,renata.vieira}@pucrs.br
Resumo. A construção de ontologias é um processo complexo que
compreende etapas como a extração de conceitos de domínio e a extração de
relações taxonômicas e não-taxonômicas entre esses conceitos. A etapa de
extração de relações não-taxonômicas é a mais negligenciada, especialmente
para textos em língua portuguesa. Com isto, este trabalho apresenta uma
proposta de extração de relações não-taxonômicas a partir de textos em
português representados por uma lista de conceitos e informações contextuais
automaticamente extraídos pela ferramenta ExATOlp.
Abstract. 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.
1. Introdução
A construção de ontologias de domínio [Gruber, 1993] é um ramo relevante da área de
Processamento de Linguagem Natural (PLN). Tradicionalmente todo o processo de
construção de ontologia é dependente de especialistas do domínio estudado. No entanto,
esses especialistas são na maioria das vezes sobrecarregados pelo tamanho e
complexidade dos dados e informações contidos no processo de construção de
ontologias [Cimiano et al. 2006]. Com isto, busca-se métodos automáticos que reduzam
a demanda de intervenção de especialistas [Maedche e Staab, 2000]. Dentre esses
métodos, o presente trabalho interessa-se por aqueles que constroem ontologias a partir
de corpus, que por sua vez é um conjunto de textos sobre um domínio específico
[Biemann, 2005]. Dentre vários trabalhos [Maedche e Staab, 2000; Sanchéz e Moreno,
2008; Serra e Girardi, 2011; Villaverde et al. 2009; Schutz e Buitelaar, 2005], o
processo proposto por Lopes (2012) gera, como uma das saídas possíveis, uma lista de
conceitos e as informações contextuais da utilização de cada conceito no domínio.
Dentre estas informações são identificadas a função sintática e os verbos aos quais o
conceito se relaciona.
Para Maedche e Staab (2000), o processo de construção de ontologias
contempla três etapas básicas: (i) extração de conceitos de domínio; (ii) extração de
taxonomia; e (iii) extração de relações não-taxonômicas. A maior parte dos trabalhos
224
semelhantes coleta conceitos relevantes de um domínio e pode agrupá-los em uma
hierarquia (taxonomia) utilizando métodos linguísticos e estatísticos [Lopes, 2012;
Pantel e Lin, 2001; Chung, 2003; Brewster et al. 2003]. De acordo com Sanchéz e
Moreno (2008), no processo de Aprendizagem de Ontologias, a fase de extração de
relações não-taxonômicas tem sido reconhecida como a mais complexa e negligenciada
[Maedche e Staab, 2000; Sanchéz e Moreno, 2008; Villaverde et al. 2009].
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 [Guarino e Welty, 2002].
Identificar as relações não-taxonômicas é essencial para expressar as
propriedades de classes e entidades de um domínio específico [Cimiano et al. 2006],
representando as ações ou eventos que ocorrem entre os conceitos. Por exemplo, uma
relação não-taxonômicas no campo do Direito, é a relação “representa” entre os
conceitos “Advogado” e “Cliente” [Serra e Girardi, 2011], e no campo do Esporte, a
relação “chuta” entre os conceitos “Jogador” e “Bola” [Schutz e Buitelaar, 2005].
De acordo com Serra e Girardi (2011), relações não-taxonômicas podem ser
classificadas como independentes e dependentes de domínio. As relações independentes
de domínio podem ser divididas em: (i) agregação, identificadas por relações “todo-
parte”; e (ii) propriedade, identificadas por relações de posse ou composição. Relações
dependentes de domínio são identificadas por termos específicos de um domínio.
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 [Kavalec et al. 2004;
Maedche e Staab, 2000; Sanchéz e Moreno, 2008; Schutz e Buitelaar, 2005].
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 Sanchéz e Moreno (2008) e Brewster et al. (2003), aqui utiliza-se como
fonte a lista de conceitos e informações contextuais geradas pelo ExATOlp que é uma
ferramenta que implementa todas etapas do processo de extração de conceitos e
contextos proposto por Lopes (2012).
2. Trabalhos Similares
Na literatura encontram-se trabalhos que propõe processos de extração de relações não-
taxonômicas 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 Sanchéz e
Moreno (2008), todos os demais utilizam um conjunto de textos não-estruturados de um
determinado domínio (corpus de domínio) como fonte para o processo de extração de
relações não-taxonômicas. Dentre esses trabalhos, com exceção do trabalho de Maedche
e Staab (2000), todos utilizam o verbo como elemento principal na identificação de
relações não-taxonômicas. Dentro deste contexto, observou-se a constante ocorrência da
manipulação da tripla nos trabalhos apresentados.
225
Embora nem todos os trabalhos tenham seu foco em encontrar relações não-
taxonômicas 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
Relação
Tipos de relações não-
Trabalhos Similares Fonte de dados identificada Idioma
taxonômicas extraídas
por verbo?
Maedech e Staab (2000) Corpus de domínio Não Alemão Dependente de domínio
Inglês e
Schutz e Buitelaar (2005) Corpus de domínio Sim Dependente de domínio
Alemão
Sanchéz e Moreno (2008) Web Sim Inglês Dependente de domínio
Corpus de domínio,
lista de candidatos a
Villaverde et al. (2009) conceitos ou Sim Inglês Dependente de domínio
hierarquia de
conceitos
Ontologia e corpus Independente de
Weichselbraun et al. ( 2009) Sim Inglês
de domínio domínio
Dependente e
Serra e Girardi (2011) Corpus de domínio Sim Inglês
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 [Serra e Girardi, 2011].
3. Processo Proposto
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.
226
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 Lopes et al.
(2012) e elimina-se todos os termos que não são classificados como conceitos.
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 não-
taxonômicas 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.
4. Experimento
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
227
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 não-
taxonômicas 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
8. Conclusões
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 [Lopes et al. 2010].
Outro trabalho futuro planejado é aplicação do processo proposto para outros
corpora, como os utilizados por Lopes (2012) relativos às áreas de Pediatria,
Modelagem Estocástica, Mineração de Dados e Processamento Paralelo.
228
Referências
Biemann, C. (2005) Ontology learning from text: a survey of methods. LDV Forum,
20: 75-96.
Brewster, C.; Ciravegna, F.; Wilks, Y. (2003) Background and foreground knowledge
in dynamic ontology construction. Proc. of the SIGIR Semantic Web Workshop.
Chung, T. M. (2003) A corpus comparison approach for terminology extraction.
Terminology, 9: 221-246.
Cimiano, P.; Volker, J.; Studer, R. (2006) Ontologies on demand? - a description of the
state-of-the-art, applications, challenges and trends for ontology learning from text.
Information, Wissenschaft und Praxis, 57: 315-320.
Gruber T. (1993) Toward principles for the design of ontologies used for knowledge
sharing. International Journal Human-Computer Studies, 43: 907-928.
Guarino, N. e Welty, C. (2002) Evaluating ontological decisions with OntoClean.
Communications of the ACM, 45(2): 61-65.
Kavalec M.; Maedche, A.; Svátek, V. (2004) Discovery of lexical entries for non-
taxonomic relations in ontology learning. Proc. of Int. Conf. on Current Trends in
Theory and Practice of Computer Science (SOFSEM), LNCS 2932: 249-256.
Lopes, L.; Vieira, R.; Finatto, M. J.; Martins, D. (2010) Extracting compound terms
from domain corpora. Journal of the Brazilian Computer Society, 16(4): 247-259.
Lopes, L. (2012) Extração automática de conceitos a partir de textos na língua
portuguesa. 156 f. Tese de doutorado em Ciência da Computação - FACIN,
Pontifícia Universidade Católica do Rio Grande do Sul, Porto Alegre.
Lopes, L.; Fernandes, P.; Vieira, R. (2012) Domain term relevance through tf-dcf. Proc.
of Int. Conf. on Artificial Intelligence (ICAI).
Maedche A. e Staab S. (2000) Mining non-taxonomic conceptual relations from text.
Proc. of the 12th European Knowledge Acquisition Workshop, Juan-les-Pins.
Pantel, P. e Lin, D. (2001) A statistical corpus-based term extractor. Proc. of the 14th
Biennial Conference of the Canadian Society on Computational Studies of
Intelligence: Advances in Artificial Intelligence, ACM Press: 36-46.
Sanchéz, D. e Moreno, A. (2008) Learning non-taxonomic relationships from web
documents for domain ontology construction. Data & Knowledge Eng, 64: 600-623.
Serra, I. e Girardi, R. (2011) A process for extracting non-taxonomic relationshop of
ontologies from text. Intelligent Information Management, 3: 119-124.
Schutz, A. e Buitelaar, P. (2005) RelExt: A tool for relation extraction in ontology
extension. Proc. of the Fourth Int. Semantic Web Conference: 593-606.
Villaverde, J.; Persson, A.; Godoy, D.; Amandi, A. (2009) Supporting the discovery and
labeling of non-taxonomic relationships in ontology learning. Experts Systems with
Applications, 36: 10288-10294.
Weichselbraun, A.; Wohlgenannt, G.; Scharl, A.; Granitzer, M.; Neidhart, T.; Juffinger,
A. (2009) Discovery and evaluation of non-taxonomic relations in domain
ontologies. Int. Journal of Metadata, Semantics and Ontologies, 4(3): 212-222.
229