1 A lgica na recuperao da informao MPI

1 A lógica na recuperação da informação MPI 4008 - Informação: da produção ao acesso e uso Profa. Dra. Vânia Mara Alves Lima PPGCI/ECA/USP 2018

2 Linguagem • É a capacidade do homem em designar os objetos que o circundam, assim como de comunicar-se com os seus semelhantes.

3 Linguagem Natural • É linguagem utilizada nas necessidades da vida diária. • É a linguagem comum, que comporta uma grande quantidade de unidades, adaptada à comunicação oral ou escrita. • Supõe nuanças, associação de idéias, expressão de emoções e de valores.

4 Comunicação • Se realiza através de signos, pois um sistema de comunicação não existe sem um repertório de signos e sem um corpo de regras que definam como se selecionam e combinam esses signos para formar as mensagens transmissíveis.

5 Gramática • São as regras que todo usuário competente de uma linguagem conhece e aplica quando emite uma mensagem verbal qualquer.

6 Problema • Os Sistemas de Recuperação de Informação (SRI) não entendem os enunciados da Linguagem Natural.

7 Sistemas de Recuperação de Informação • Sistemas de operações interligadas para identificar, dentre um grande conjunto de informações (base de dados), aquelas que de fato são úteis, ou seja, estão de acordo com a demanda expressa pelos usuários.

8 Um SRI realiza 3 etapas: • Indexação • Armazenamento • Recuperação Exemplos: Bases de dados on-line; CD-Rom, Catálogos de bibliotecas, etc. . .

9 Função do SRI • Levar ao usuário o documento certo que irá satisfazer a sua necessidade específica de informação.

10 Solução • Transformar as formulações realizadas em Linguagem Natural de maneira que o SRI possa entendê-la. • Montar um modelo de busca e recuperação de informação com a finalidade de estabelecer uma estratégia que possa minimizar a imprecisão, considerando-se a exaustividade e a especificidade.

11 Comunicação documentária Documentos Análise Documentária (Indexação) LD Bibliotecário Análise Documentária Usuários (Análise da consulta)

12 Análise documentária • Análise • Síntese • Representação Objetivo: identificar, selecionar, coletar e apresentar de forma concisa os conteúdos informacionais mais relevantes nos documentos para os diferentes usuários de um Sistema de Informação.

13 Objetivos da LD • Recuperar documentos que se ajustem de maneira mais adequada a necessidade de informação. • Realizar uma recuperação onde: o ruído (documentos não pertinentes) + silêncio (documentos não recuperados) = um conjunto vazio.

14 Procedimentos para recuperação da informação • 1 a. Fase: Análise conceitual da consulta. ▫ Quais são os conceitos arrolados na consulta? ▫ Esse conceitos são individuais ou gerais? ▫ Representam seres, coisas, qualidades, ações, localizações, etc.

15 • 2 a. Fase: Tradução ◦ LN LD • O resultado dessa tradução é uma Equação de Busca. • A tradução compara a equação de busca com a representação dos documentos (descritores) utilizados no processo de Indexação.

16 • Representação (LD) = • • Equação de busca • • Documentos recuperados (LD)

17 • É necessário: – solucionar algumas questões sintáticas e semânticas sem recorrer a estratégia de ensaio e erro. – estabelecer uma gramática formal (sintaxe e semântica) para a utilização da linguagem documentária empregada nos processos de recuperação de informação. • Como?

18 • Introduzindo os fundamentos lógicos nas estratégias de busca. • Elaborando equações de busca de modo que os SRI, respeitando o nosso uso da linguagem documentária, tome decisões de forma automática, simplificando e tornando produtiva nossa interação com este tipo de sistemas. �Portanto, � Linguagem de busca = Linguagem documentária

19 Processo de busca e recuperação da informação • É o processo de localizar documentos e itens de informação que tenham sido objeto de armazenamento com a finalidade de permitir o acesso dos usuários. • Para que a recuperação seja precisa deve haver um monitoramento das necessidades de informação dos usuários.

20 Gramática formal • Necessita de uma sintaxe e de uma semântica que expliquem essa linguagem. ▫ Propriedades sintáticas: relações que se produzem entre os signos dessa linguagem. ▫ Propriedades semânticas: relações que mantêm esses signos com os objetos que representam. • Ocorre que como utilizamos a LN sem ter consciência explicita da gramática que a explica, muitas vezes utilizamos uma LD sem gramática.

21 Sintaxe �A linguagem é formada por um conjunto de símbolos que recebem o nome de léxico. �Algumas combinações desses símbolos dão lugar a certas unidades sintáticas mínimas. ◦ unidades sintáticas mínimas = unidades sintáticas significativas da linguagem �Utilizando essas unidades, o usuário leva a cabo uma ação lingüística: transmite informação, expressa opinião, dá uma ordem, etc.

22 • A principal propriedade sintática dessas unidades é a de ser gramatical, ou seja, estar corretamente formada. • Importante: • Todas as unidades sintáticas significativas da língua são combinações de símbolos corretos ou gramaticais, mas nem todas as combinações de símbolos são unidades sintáticas significativas da linguagem. • Exemplos: maracujá/macarujá • • O menino foi buscar água/ Buscar água o menino foi. ônibus/ombinus

23 Semântica • Enunciados: ▫ são aquelas combinações de símbolos utilizadas pelos usuários exclusivamente para realizar certos atos lingüísticos específicos: as afirmações. ▫ a principal propriedade semântica dos enunciados é a de expressar uma proposição, ou seja, possuir um conteúdo suscetível de ser verdadeiro ou falso. ▫ Uma proposição pode ser a premissa de um argumento Exemplos de proposições: Todos os homens são honestos. (Todo G é H) Todos os políticos são homens. (Todo F é G) Todos os políticos são honestos (Todo F é H)

24 Gramática formal para uma linguagem de busca • Para obter essa gramática é necessário descrever as propriedades que a caracterizam no âmbito da sintaxe e da semântica: ▫ a propriedade sintática de gramaticalidade. ▫ a propriedade semântica de expressar uma proposição.

25 • Linguagem de busca dos SI é formada por um conjunto de símbolos o léxico da linguagem de busca. • Este conjunto é constituído: – por um conjunto de termos e operadores booleanos AND, OR e NOT ; – mais signos de pontuação ) e (. • Alfabeto da linguagem de busca = Léxico da linguagem de busca + os signos de pontuação.

26 • Propriedade sintática destas sucessões de símbolos: – é ser gramatical e estar corretamente constituída. �Importante: � Todas as equações de busca são sucessões de símbolos, mas nem todas as sucessões de símbolos desse alfabeto são equações de busca. � Exemplo: x AND y � NOT x AND y

27 Objetivo da equação de busca �Expressar ou definir por compreensão certo conjunto de documentos a serem recuperados para satisfazer uma necessidade de informação. Importante: o conjunto que expressa ou define toda equação de busca depende sistematicamente do conteúdo semântico das unidades significativas menores que a constituem.

28 Propriedade sintática de uma equação de busca Uma equação de busca só pode ser considerada como tal se for gerada pela aplicação das seguintes regras: (a) Se T é uma palavra ou uma frase da linguagem utilizada nos documentos, então, T é uma equação de busca da linguagem de busca. (b) Se A e B são equações de busca da linguagem de busca então são equações de busca: (b. i) (A AND B) (b. ii) (A OR B) (b. iii) (A NOT B)

29 Exemplo: • T= FUTEBOL • FUTEBOL AND LOTERIA • FUTEBOL OR FUTEBOL DE SALÃO • FUTEBOL NOT FUTEBOL DE SALÃO

30 � Da mesma forma, a expressão: ◦ (Biblioteca AND Aquisição) NOT Seleção ◦ Deve ser considerada uma equação de busca já que é obtida a partir das 3 aplicações das regras citadas. – Biblioteca, Aquisição e Seleção são equações de busca (regra (a)). – (Biblioteca AND Aquisição) é uma equação de busca (a partir de 1 e aplicando a regra (b. i)). – (Biblioteca AND Aquisição) NOT Seleção é uma equação de busca (a partir de 1, 2 e aplicando a regra (b. iii).

31 ▫ ▫ Capoeira ▫ Escravos ▫ Fazenda • Na indexação (AD) associamos cada documento com uma série de termos (descritores) que o representam • Podemos identificar em um conjunto cada um dos documentos administrados pelo Sistema de Informação, isto é, podemos identificar cada documento como o conjunto desses termos que se obtém a partir de sua indexação.

32 Propriedade semântica de uma equação de busca • Se no processo de indexação do documento d se obtém que A, B e C são seus termos representativos (descritores) podemos identificar d da seguinte maneira: d = {A, B, C} A= Morango B= Dióxido de Carbono C= Fisiologia pós-colheita documento = {Morango, Dióxido de Carbono e Fisiologia pós-colheita }

33 �Se A e B são equações de busca da linguagem de busca então: � (b. i) (A AND B) = d onde: d A e d B � � � Morango A B AND Dióxido de carbono � Resultado: 1 registro no DEDALUS, restringindo a busca ao campo assunto. � 13 registros no portal da Busca integrada (todos os campos) � 03/10/2018 �

34 onde: d A ou d B � (b. ii) (A OR B) = d A � � B �Morango OR Dióxido de carbono � Resultado: mais de 548 registros recuperados � (b. ii) (A NOT B) = d onde: d A e d B � A B � Morango NOT Dióxido de carbono � Resultado: 173 registros recuperados. 03/10/2018

35 • Importante: – Cada uma das regras sintáticas corresponde uma regra semântica. – O conjunto de documentos que expressa toda equação de busca depende sistematicamente do conteúdo semântico das unidades menores que a constituem. • Portanto: – A simetria entre as regras sintáticas e semânticas nos mostra que as mudanças sintáticas que se introduzem nas expressões costumam provocar mudanças semânticas. • Equação (a): • (Informação AND Conhecimento) OR Cultura • Equação (b): ▫ Informação AND (Conhecimento OR Cultura)

36 • Equação (a) • (Informação AND Conhecimento) OR Cultura Informação Conhecimento Cultura ▫ ▫ No DEDALUS (só monografias) foram recuperados mais de 17089 registros e 290. 838 na busca integrada (monografias, artigos de periódicos, trabalhos apresentados em eventos, etc) 03/10/2018

37 • Equação (b) ▫ Informação AND (Conhecimento OR Cultura) Informação Conhecimento Cultura ▫ No DEDALUS foram recuperados 479 registros e 20. 874 registros na busca integrada. 03/10/2018

38 • A equação (a) representa os documentos, tal que: – d Informação AND Conhecimento ou d a Cultura. • A equação (b) representa os documentos, tal que: – d Informação AND Conhecimento • Mas, – um documento que contém o descritor Cultura, e não contém os descritores Informação e Conhecimento pertencerá ao conjunto de documentos representados pela equação (a), mas não estará incluído no conjunto de documentos representados pela equação (b).

39 • (Informação AND Conhecimento) NOT Cultura Informação Conhecimento • No DEDALUS foram recuperados 369 registros. • Na busca integrada 10. 902 registros. 03/10/2018

40 • Qualquer sucessão de signos do alfabeto da linguagem de busca que possamos imaginar, por mais extensa que seja, se for bem elaborada, é uma equação de busca que representará um conjunto de documentos. • Não existe nenhuma sucessão de símbolos desse alfabeto que seja uma equação e que não represente algum conjunto documentos.

41 Benefícios da Gramática proposta • Na sintaxe: ▫ Identifica e define a propriedade sintática das unidades significativas da linguagem de busca, isto é, identifica a equação de busca. • Na semântica: ▫ Estabelece que a principal propriedade semântica das equações de busca ou unidades da linguagem de busca é a de representar um determinado conjunto de documentos.

42 • Pragmáticos – Decidir sem ambiguidade se uma sucessão de símbolos do alfabeto da linguagem de busca, por ampla e complicada que nos pareça é ou não uma equação de busca dessa mesma linguagem.

43 �Quando o SI não responde apresentam-se 3 hipóteses: • não existe realmente um conjunto de documentos que corresponde à equação de busca formulada; • os documentos não foram indexados adequadamente de forma a serem recuperados; • a sucessão de símbolos proposta ao sistema não é uma equação de busca e, portanto, não representa nenhum conjunto de documentos que possam ser recuperados. �No caso da terceira hipótese deve-se reformular a sucessão de símbolos até convertê-la em uma genuína equação de busca.

44 �Importante • O objetivo principal do usuário que decide consultar um SI para satisfazer uma necessidade informativa consiste em que o sistema recupere, a partir de uma determinada equação de busca, e com um ruído e um silêncio igual ao conjunto vazio, um conjunto de documentos adequados a essa necessidade. • O êxito ou fracasso da consulta se encontra no fato da equação de busca corresponder corretamente a necessidade de informação, isto é, que a equação represente adequadamente um conjunto de documentos no qual o usuário do SI está interessado.

45 • Portanto, • devemos formular a necessidade de informação em termos de conjunto, isto é, identificar qual é o conjunto de documentos requerido para que essa necessidade seja satisfeita; • devemos propor equações de busca adequadas a representar essa necessidade.

46 • Exemplo • O usuário quer documentos que contenham sempre o termo Emigração, que contenham indistintamente o termo Economia ou o termo Política, mas que não incluam o termo França. • d Emigração e d Economia ou d Política mas d França • Equação (a) • (Emigração AND Economia OR Política) NOT França • Resultado: mais de 66537 registros DEDALUS e 344. 087 na busca integrada • Equação (b) • Emigração AND (Economia OR Política) NOT França • Resultado: 19 registros DEDALUS e 253 na busca integrada • 03/10/2018

Referências • ARAÚJO JR; R. H. Precisão no processo de busca e recuperação da informação. Brasília: Thesaurus, 2007. p. 65 -89. • BREDA, S. M; BUFREM, L. S. Presença da lógica no domínio da organização do conhecimento: aspectos interdisciplinares no currículo do ensino superior. Perspectivas em Ciência da Informação. v. 16, n. 1, p. 185 -194, jan/mar 2011. • GIRALDES, M. J. C; MONTEIRO, S. D. Aspectos lógicofilosóficos da organização do conhecimento na esfera da Ciência da Informação. Info & Soc. Est. , João Pessoa, v. 18, n. 3, p. 13 -27, set/dez. 2008. • GUTIERREZ, M. P. El lenguaje de interrogacion: uma gramática formal para la recuperacíon de información. Rev. Esp. Doc. Cient. , v. 23, n. 3, p. 247 -266, 2000