5 Grafos de Conhecimento (GC)

De acordo com Pan et al. (2017) um GC possui restrições em sua estrutura impostas por meio de ontologias. Possibilitam a inferência de novos fatos enriquecendo o conhecimento e o seu compartilhamento. Os GCs são frequentemente constituídos a partir de várias fontes de dados (datasets) dependendo das técnicas que permitem extrair e ingerir as fontes de dados para geração dos grafos. O resultado é a diversificação de termos e relações entre os dados. A manipulação da diversidade de dados utiliza as representações de esquema que contém as identificações e o contexto das entidades presentes no GC. Esse esquema define uma estrutura de alto nível, onde a identidade dos objetos denota quais nós no grafo se referem à mesma entidade do mundo real, enquanto o contexto especifica os objetos considerados verdadeiros para o domínio específico. Também são considerados como grafos de dados, destinados a acumular e transmitir conhecimento do mundo real, cujos nós representam entidades de interesse e cujas bordas representam relações entre essas entidades (HOGAN et al., 2020). Hogan et al. (2020) destaca a importância das ontologias como modelos conceituais utilizados para anotar conjuntos de dados. Esta anotação permite gerar fragmentos de conhecimento do domínio que podem ser representados por GCs. Bax e Silva (2020) abordam o uso de ontologias para anotação de dados com vistas a harmonizar e normalizar variáveis de estudos científicos. Propõem que os dados estejam organizados em grafos RDF para serem explorados por consultas a fim de darem origem a outros arquivos de dados.

BAX, M. P. ; SILVA, Evaldo de Oliveira . Dicionários Semânticos de Dados para Integrar Dados de Prontuários Eletrônicos de Pacientes (Semantic Data Dictionary to Integrate Data of Electronic Medical Records). In: Ontobras, 2020, Vitória. Proceedings of the XIII Seminar on Ontology Research in Brazil and IV Doctoral and Masters Consortium on Ontologies (ONTOBRAS 2020). Aachen: CEUR, 2020. v. 2728. p. 298-303.

HOGAN, Aidan, BLOMQVIST , Eva, COCHEZ , Michael, D'AMATO, Claudia, MELO Gerard de, GUTIERREZ, Claudio, GAYO, José Emilio Labra, KIRRANE, Sabrina, NEUMAIER, Sebastian, POLLERES, Axel, NAVIGLI, Roberto, NGOMO, Axel-Cyrille Ngonga, RASHID, Sabbir M., RULA, Anisa, SCHMELZEISEN, Lukas, SEQUEDA, Juan, STAAB, Steffen, ZIMMERMANN, Antoine. Knowledge Graphs. arXiv preprint arXiv:2003.02320, 2020.

PAN, Jeff Z. et al. (Ed.). Exploiting linked data and knowledge graphs in large organisations. Heidelberg: Springer, 2017.