Knowledge Engine — Pokémon

Aluno: Lorenzo Gouveia Flosi

---

Descrição

Este projeto implementa um mecanismo de busca baseado em Lógica de Primeira Ordem utilizando a linguagem Prolog. A base de conhecimento foi construída a partir do dataset público de Pokémon disponível no Kaggle, contendo estatísticas de todas as gerações 1 a 6.

---

Dataset

• Fonte: https://www.kaggle.com/datasets/abcsds/pokemon
• Arquivo original: Pokemon.csv
• Campos selecionados (8 campos):

Campo	Tipo	Descrição
Nome	Qualitativo	Nome do Pokémon em minúsculo, sem espaços
Tipo1	Qualitativo	Tipo primário (ex: fire, water, grass)
Tipo2	Qualitativo	Tipo secundário, ou none se não houver
HP	Quantitativo	Pontos de vida base
Ataque	Quantitativo	Stat de ataque físico base
Defesa	Quantitativo	Stat de defesa física base
Total	Quantitativo	Soma de todos os stats base
Geração	Quantitativo	Geração em que foi introduzido (1 a 6)
Lendário	Qualitativo	true se é lendário, false caso contrário

---

Estrutura do Repositório

/
├── Pokemon.csv        # Dataset do Kaggle
├── etl_pokemon.py     # Script Python para gerar a base Prolog a partir do CSV
├── pokemon_base.pl    # Base de conhecimento em Prolog gerada pelo script
└── README.md          # Este arquivo

---

Construção do Projeto

Passo 1 — Escolha do Dataset

O dataset escolhido foi o Pokemon with stats do Kaggle, que contém estatísticas de todos os Pokémon das gerações 1 a 6. O arquivo original Pokemon.csv possui 800 registros e 13 colunas. Foram selecionadas 8 colunas relevantes, misturando campos qualitativos (nome, tipo, lendário) e quantitativos (HP, ataque, defesa, total, geração).

Passo 2 — ETL em Python

O script etl_pokemon.py realiza a transformação do CSV em base de conhecimento Prolog. Para cada linha do CSV, o script:

1. Lê os campos selecionados
2. Normaliza o nome do Pokémon (minúsculo, sem espaços, sem acentos) para respeitar a sintaxe Prolog
3. Converte o campo Legendary de True/False para true/false
4. Trata o campo Type 2 vazio como o átomo none
5. Gera um predicado no formato:

pokemon(bulbasaur, grass, poison, 45, 49, 49, 318, 1, false).

Ao final, o script também escreve automaticamente no arquivo as regras Prolog das 3 perguntas, gerando um arquivo .pl completo e pronto para uso.

Passo 3 — Construção das Regras em Prolog

Com a base de predicados pronta, foram criadas regras para responder às 3 perguntas do projeto. Cada regra utiliza técnicas de agregação e ordenação:

• Pergunta 1: usa findall para coletar os ataques de cada tipo, sumlist e length para calcular a média, e setof + reverse para ordenar do maior para o menor.
• Pergunta 2: calcula a média global de HP com findall + sumlist + length, depois filtra os lendários cujo HP supera essa média.
• Pergunta 3: usa member para iterar sobre as gerações, findall para contar os Pokémon fortes de cada geração, e setof para ordenar o ranking.

Como Executar

Passo 1 — Rodar o script Python para gerar o arquivo .pl

python etl_pokemon.py

Passo 2 — Abrir o Prolog online

Acesse: https://swish.swi-prolog.org/

Passo 3 — Carregar a base

1. Clique em Create a program "Program" here
2. Cole todo o conteúdo do arquivo pokemon_base.pl na área Program
3. Crie as querys que desejar escrevendo na parte direita da página

---

Perguntas e Queries

Pergunta 1 — Qual tipo primário tem o maior ataque médio?

Técnica: agregação com findall, soma, divisão e ordenação com setof + reverse.

?- imprimir_ranking_ataque.

Saída:

=== PERGUNTA 1: Ranking de Ataque Medio por Tipo Primario ===
  1. dragon: 112.13
  2. fighting: 96.78
  3. ground: 95.75
  ...

---

Pergunta 2 — Quais Pokémon lendários têm HP acima da média geral?

Técnica: dupla agregação — calcula a média global de HP de todos os Pokémon, depois filtra apenas os lendários que superam esse valor.

?- imprimir_lendarios_hp.

Saída:

=== PERGUNTA 2: Lendarios com HP acima da Media Geral ===
  (Media geral de HP: 69.26)
  1. giratinaorigin_forme: HP = 150
  2. giratinainaltered_forme: HP = 150
  3. yveltal: HP = 126
  ...

---

Pergunta 3 — Qual geração tem mais Pokémon com stat total acima de 500?

Técnica: contagem por grupo usando findall + length, iteração sobre gerações com member e ordenação com setof.

?- imprimir_geracoes_forca.

Saída:

=== PERGUNTA 3: Ranking de Geracoes por Pokemon com Total > 500 ===
  1. Geracao 4: 51 Pokemon
  2. Geracao 3: 44 Pokemon
  3. Geracao 5: 42 Pokemon
  ...

---

Para imprimir as 3 perguntas de uma vez, use:

?- imprimir_tudo.

---

Referências

• Dataset: https://www.kaggle.com/datasets/abcsds/pokemon
• Prolog online: https://swish.swi-prolog.org/