IDEA-C2: Uma abordagem híbrida de modelagem conceitual apoiada por um modelo de linguagem e um metamodelo de dados no contexto de comando e controle.

Avelino, Jones de Oliveira

Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB)

Use este identificador para citar ou linkar para este item: https://hdl.handle.net/20.500.14867/848424

Registro completo de metadados

Campo DC	Valor	Idioma
dc.contributor.advisor	Cordeiro, Kelli de Faria	-
dc.contributor.advisor	Cavalcanti, Maria Cláudia Reis	-
dc.contributor.author	Avelino, Jones de Oliveira	-
dc.date.accessioned	2026-06-19T17:51:24Z	-
dc.date.available	2026-06-19T17:51:24Z	-
dc.date.issued	2026	-
dc.identifier.uri	https://hdl.handle.net/20.500.14867/848424	-
dc.description	A obtenção de conhecimento a partir de dados textuais foi impulsionada pelo avanço dos modelos de linguagem, cujo desempenho pode ser aprimorado por meio do ajuste fino em domínios específicos. Contudo, abordagens orientadas por dados (data-driven) geram modelos subsimbólicos que apresentam limitações, como falta de explicabilidade e vieses. Em contraste, abordagens orientadas por teoria (theory-driven) baseiam-se em conceituações formais para a construção de modelos de domínio simbólicos, embora enfrentem desafios na extração de classes e relações relevantes a partir de textos. Nesse contexto, esta tese propõe o IDEA-C2, uma abordagem supervisionada híbrida que combina textos doutrinários, recursos semânticos e um metamodelo de alto nível para anotar corpora e ajustar modelos de linguagem pré-treinados em língua portuguesa. A abordagem emprega técnicas de pré-anotação heurística e permite a geração de knowledge graphs (KG) flexíveis, viabilizando consultas exploratórias e inferências, a fim de apoiar o desenvolvimento de modelos de domínio (DM). Avaliada em seis experimentos distintos, a abordagem apresentou resultados promissores. Na pré-anotação do corpus, IDEA-C2 alcançou uma precisão de 95% nas entidades e 76% nas relações, culminando em um Modelo de Linguagem (ML) ajustado ao contexto com uma precisão e cobertura acima de 85%. Em outro experimento mais amplo, envolvendo 28 participantes, ao aplicar o ML ajustado combinado com o KG no apoio à construção de um DM, os resultados do IDEA-C2 mostraram que 40% das classes e relações do KG foram similares às dos DM construídos de maneira tradicional. Esses resultados demonstram a utilidade e viabilidade da abordagem IDEA-C2 tanto na geração de artefatos essenciais ao ajuste de um ML e geração de KG quanto na sua aplicação na construção de um DM.	pt_BR
dc.language.iso	pt_BR	pt_BR
dc.publisher	Instituto Militar de Engenharia (IME)	pt_BR
dc.rights	openAccess	pt_BR
dc.subject	Grafo de conhecimento	pt_BR
dc.subject	Modelo de linguagem	pt_BR
dc.subject	Modelo de domínio	pt_BR
dc.subject	Data-driven	pt_BR
dc.subject	Theory-driven	pt_BR
dc.title	IDEA-C2: Uma abordagem híbrida de modelagem conceitual apoiada por um modelo de linguagem e um metamodelo de dados no contexto de comando e controle.	pt_BR
dc.type	doctoralThesis	pt_BR
dc.subject.dgpm	Ciência do dado	pt_BR
dc.subject.setorMarinha	Diretoria-Geral do Desenvolvimento Nuclear e Tecnologia da Marinha (DGDNTM)	pt_BR
Aparece nas coleções:	Ciência, Tecnologia e Inovação: Coleção de Teses

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
Tese_IDEA-C2 - SC JONES.pdf		6,34 MB	Adobe PDF	Visualizar/Abrir

Mostrar registro simples do item Visualizar estatísticas