UniDL 2010 - Compatibility Formalization Between PR-OWL and OWL

•

0 gostou•397 visualizações

Presentation given by Rommel Carvalho at the First International Workshop on Uncertainty in Description Logics (UniDL) on Federated Logic Conference (FLoC) in 20 July 2010.

Educação

(Towards) Compatibility Formalization
Between PR-OWL and OWL
Rommel Carvalho, Kathryn Laskey, and Paulo Costa
George Mason University

Paper - First International Workshop on Uncertainty in Description Logics
UniDL - FLoC 2010

Thursday, July 15, 2010

Agenda

Introduction

2

Thursday, July 15, 2010

Agenda

Introduction
Problem

2

Thursday, July 15, 2010

Agenda

Introduction
Problem
MEBN and PR-OWL

2

Thursday, July 15, 2010

Agenda

Introduction
Problem
MEBN and PR-OWL
Mapping Concepts

2

Thursday, July 15, 2010

Agenda

Introduction
Problem
MEBN and PR-OWL
Mapping Concepts
Using Existing Types

2

Thursday, July 15, 2010

Agenda

Introduction
Problem
MEBN and PR-OWL
Mapping Concepts
Using Existing Types
Conclusion

2

Thursday, July 15, 2010

Introduction

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
3
Conclusion
Thursday, July 15, 2010

Introduction

An ontology is [5] an explicit, formal knowledge representation that
expresses knowledge about a domain of application. This includes:
Types of entities that exist in the domain;
Properties of those entities;
Relationships among entities;
Processes and events that happen with those entities;
where the term entity refers to any concept (real or ﬁctitious, concrete or abstract)
that can be described and reasoned about within the domain of application.

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
4
Conclusion
Thursday, July 15, 2010

Introduction
A probabilistic ontology is [5] an explicit, formal knowledge
representation that expresses knowledge about a domain of
application. This includes:
Types of entities that exist in the domain;
Properties of those entities;
Relationships among entities;
Processes and events that happen with those entities;
Statistical regularities that characterize the domain;
Inconclusive, ambiguous, incomplete, unreliable, and dissonant knowledge related to entities
of the domain;
Uncertainty about all the above forms of knowledge;
where the term entity refers to any concept (real or ﬁctitious, concrete or abstract)
that can be described and reasoned about within the domain of application.

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
5
Conclusion
Thursday, July 15, 2010

Introduction

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
6
Conclusion
Thursday, July 15, 2010

Introduction
MEBN
Represent and reason with uncertainty about any
propositions that can be expressed in ﬁrst-order logic

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
6
Conclusion
Thursday, July 15, 2010

Introduction
MEBN
Represent and reason with uncertainty about any
propositions that can be expressed in ﬁrst-order logic
PR-OWL
Uses MEBN logic to provide a framework for building
probabilistic ontologies

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
6
Conclusion
Thursday, July 15, 2010

Problem

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
7
Conclusion
Thursday, July 15, 2010

Problem

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
8
Conclusion
Thursday, July 15, 2010

Problem

?

1. Mapping - winner
2.Types - value

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
8
Conclusion
Thursday, July 15, 2010

MEBN and PR-OWL

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
9
Conclusion
Thursday, July 15, 2010

MEBN

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
10
Conclusion
Thursday, July 15, 2010

MEBN
BN + FOL [15]
Procurement Procurement Directed MFrag
Fraud Detection
MTheory [2]

Directed Procurement by Indices MFrag

Indices MFrag

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
10
Conclusion
Thursday, July 15, 2010

PR-OWL

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
11
Conclusion
Thursday, July 15, 2010

PR-OWL
MEBN + OWL [5]

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
11
Conclusion
Thursday, July 15, 2010

Mapping Concepts

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
12
Conclusion
Thursday, July 15, 2010

Mapping Concepts - OWL to PR-OWL

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
13
Conclusion
Thursday, July 15, 2010

Mapping Concepts - PR-OWL to OWL

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
14
Conclusion
Thursday, July 15, 2010

Mapping Concept Instance

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
15
Conclusion
Thursday, July 15, 2010

Using Existing Types

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
16
Conclusion
Thursday, July 15, 2010

Using Existing Types

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
17
Conclusion
Thursday, July 15, 2010

Conclusion

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
18
Conclusion
Thursday, July 15, 2010

Conclusion

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
19
Conclusion
Thursday, July 15, 2010

Conclusion
Described the main compatibility issues between
PR-OWL and OWL
Lack of mapping between deterministic and probabilistic
concepts
Lack of use of existing types

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
19
Conclusion
Thursday, July 15, 2010

Conclusion

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
20
Conclusion
Thursday, July 15, 2010

Conclusion

Future work

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
20
Conclusion
Thursday, July 15, 2010

Conclusion

Future work
Deﬁne new syntax for PR-OWL 2

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
20
Conclusion
Thursday, July 15, 2010

Conclusion

Future work
Deﬁne new syntax for PR-OWL 2
Deﬁne semantics for PR-OWL 2

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
20
Conclusion
Thursday, July 15, 2010

Conclusion

Future work
Deﬁne new syntax for PR-OWL 2
Deﬁne semantics for PR-OWL 2
Present problem and possible solutions for consistency
checking between OWL axioms and PR-OWL local
probability distributions

Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types -
20
Conclusion
Thursday, July 15, 2010

Mais conteúdo relacionado

Mais de Rommel Carvalho

Ouvidoria de Balcão vs Ouvidoria Digital: Desafios na Era Big Data

Rommel Carvalho

Palestra ministrada pelo Dr. Rommel Novaes Carvalho, Coordenador-Geral do Observatório da Despesa Pública e Professor do Mestrado Profissional em Computação Aplicada da UnB. Evento: Brasil 100% Digital: Integração e transparência a serviço da sociedade Website: http://www.brasildigital.gov.br/ Data: 10/11/2016 Vídeo: https://www.youtube.com/watch?v=3WYQlPR-RLw&feature=youtu.be&t=2h4m44s

Como transformar servidores em cientistas de dados e diminuir a distância ent...

Rommel Carvalho

Palestra ministrada pelo Leonardo Jorge Sales no 2o Seminário sobre Análise de Dados na Administração Pública @ http://www.brasildigital.gov.br/ Resumo: Contratos públicos são o meio pelo qual os recursos do governo são aplicados e as políticas públicas são desenvolvidas. No Brasil, respondem por mais de 19% do PIB. Considerando o desafio das instituições de controle governamental brasileiras de garantir eficiência e regularidade nesses processos, propõe-se neste trabalho a utilização de modelos econométricos para seleção de casos para auditoria. São desenvolvidas três abordagens, sendo a primeira a estruturação de um modelo de classificação de risco do fornecedor (empresa contratada), baseado em características como sua capacidade operacional e histórico de contratações anteriores, e a segunda um modelo mais amplo de classificação do risco dos contratos, com base nas características do próprio fornecedor, do contrato e da licitação que o antecedeu. Esses dois modelos usarão a técnica de regressão logística para a estimação dos parâmetros. A terceira abordagem propõe um modelo de decisão multicritério para seleção final de contratos a serem auditados considerando os scores de risco criados juntamente com os aspectos logísticos mais relevantes para a execução das fiscalizações. O modelo multicritério utilizará a técnica de Analytic Hierarchy Process (AHP). Palestrante: Leonardo Jorge Sales - Ministério da Transparência, Fiscalização e Controle Currículo: Possui graduação em Administração pela Universidade Federal de Pernambuco e Pós-Graduação em Auditoria Governamental pelo Instituto Serzedello Correa - ISC, do Tribunal de Contas da União e Mestrado em Economia pela Universidade de Brasília (UNB). Tem experiência profissional nas áreas de controle governamental, auditoria interna e análise de dados aplicada à detecção de fraudes e ao desenvolvimento de indicadores de risco e qualidade. Trabalha atualmente no Ministério da Transparência, Fiscalização e Controle (MTFC), exercendo suas atividades na Diretoria de Pesquisas e Informações Estratégicas.

Proposta de Modelo de Classificação de Riscos de Contratos Públicos

Rommel Carvalho

Palestra ministrada pela Patrícia Maia no 2o Seminário sobre Análise de Dados na Administração Pública @ http://www.brasildigital.gov.br/ Resumo: O trabalho consistiu na aplicação de técnicas de mineração de textos para identificação dos principais assuntos abordados nas auditorias dos últimos cinco anos. Foram utilizadas duas abordagens: a abordagem supervisionada aplicando classificação de textos com o algoritmo Random Forest e a abordagem não supervisionada através da técnica de modelagem de tópicos Latent Dirichlet Allocation (LDA). O projeto piloto foi validado com as constatações de TI e está agora sendo estendido a constatações relacionadas a outros temas. O objetivo é permitir catalogar o histórico de constatações emitidas e categorizar automaticamente novos registros. Com isso, os servidores poderão recuperar situações semelhantes para aplicação em novos trabalhos ou, ainda, tratar problemas recorrentes de forma estruturante. Além disso a mesma lógica pode ser usada para gerar conhecimento a partir de outros tipos de texto: pedidos com base na Lei de Acesso à Informações, manifestações do e-OUV, processos analisados pela CRG, notícias de interesse do órgão, etc. Palestrante: Patrícia Maia - Ministério da Transparência, Fiscalização e Controle Currículo: Possui mestrado em Computação Aplicada pela Universidade de Brasília (UNB), especialização em Modelagem de Processos e Engenharia de Requisitos pela Universidade Federal do Rio Grande do SUL (UFRGS) e graduação em Tecnologia da Informação. Tem experiência profissional nas áreas de mineração de textos, ETL, banco de dados e controle governamental. Trabalha atualmente no Ministério da Transparência, Fiscalização e Controle (MTFC), exercendo suas atividades na Diretoria de Pesquisas e Informações Estratégicas.

Categorização de achados em auditorias de TI com modelos supervisionados e nã...

Rommel Carvalho

Palestra ministrada pelo Dr. Rommel Novaes Carvalho no 2o Seminário sobre Análise de Dados na Administração Pública @ http://www.brasildigital.gov.br/ Resumo: O Ministério da Transparência (CGU) tem, entre suas atribuições, investigar possíveis irregularidades cometidas por servidores públicos federais. Nesse contexto, nasceu o projeto MARA, que aplica mineração de dados para gerar modelos preditivos com a finalidade de avaliar risco de corrupção de servidores públicos federais a partir de diversas bases de dados governamentais. Esse trabalho possibilitou o uso mais eficiente e eficaz de recursos e pessoal da CGU; com impacto nacional; incremento na metodologia de priorização de trabalhos; e o fortalecimento do controle prévio. Palestrante: Rommel Novaes Carvalho - Ministério da Transparência, Fiscalização e Controle Currículo: Coordenador-Geral do Observatório da Despesa Pública (ODP), lidera equipe de aproximadamente 15 Cientistas de Dados responsáveis por monitorar gastos públicos, identificar fraudes e combater a corrupção. Além disso, é Professor do Mestrado Profissional em Computação Aplicada da UnB.

Mapeamento de risco de corrupção na administração pública federal

Rommel Carvalho

Ciência de Dados no Combate à Corrupção

Rommel Carvalho

O uso de classificação automática de textos tem se tornado cada vez mais comum nos últimos anos. Contudo, ao se trabalhar com classificação em larga escala, a complexidade aumenta consideravelmente. Foi realizado um estudo de caso, aplicado à triagem de denúncias na Controladoria Geral da União, utilizando uma grande quantidade de categorias a serem classificadas. A solução proposta empregou aprendizagem de máquina e classificação multilabel. Essas técnicas tiveram como objetivo a construção de um modelo capaz de solucionar adversidades inerentes a este contexto, apresentando ganhos significativos Patrícia Helena Maia Alves de Andrade - Controladoria-Geral da União Analista de Finanças e Controle da CGU, atuando na área de mineração de textos e análise de dados, na Diretoria de Pesquisa e Informações Estratégicas. Atualmente está finalizando o Mestrado Profissional em Computação Aplicada na Universidade de Brasília

Aplicação de técnicas de mineração de textos para classificação automática de...

Rommel Carvalho

Esta palestra apresenta o trabalho referente a um estudo de caso de aprendizagem de máquina aplicada para mensurar o risco de corrupção de servidores públicos federais usando dados de filiação partidária. Inicialmente, um teste de hipótese verifica a dependência entre corrupção e filiação partidária. Em seguida, são preparados três conjuntos de dados com normalização e três técnicas diferentes de discretização. Usando o ambiente Weka, este trabalho mostra a aplicação de quatro algoritmos de classificação para construir modelos de previsão de risco de corrupção: Redes Bayesianas, Support Vector Machines, Random Forest e Redes Neurais Artificiais com backpropagation. Para avaliar os modelos, são usadas métricas como precisão, sensibilidade, kappa e acurácia. Por último, o estudo de caso compara o modelo de melhor desempenho construído com um modelo dos especialistas em combate à corrupção. A comparação não apenas confirma afirmações dos especialistas, como também fornece novas visões sobre a relação filiação-corrupção. Ricardo Silva Carvalho - Controladoria-Geral da União Graduado em Engenharia da Computação pelo Instituto Tecnológico de Aeronáutica (ITA). Atualmente está finalizando Mestrado em Computação Aplicada na Universidade de Brasília (UnB) trabalhando com projeto na área de Aprendizagem de Máquina. Ocupa cargo de Analista de Finanças e Controle na Controladoria-Geral da União (CGU) com foco na construção de modelos preditivos para mapeamento de risco de corrupção usando mineração de dados. Tem experiência na área de Ciência da Computação, com ênfase em Inteligência Artificial, Aprendizagem de Máquina, Mineração de Dados, Análise de Algoritmos e Engenharia de Software

Filiação partidária e risco de corrupção de servidores públicos federais

Rommel Carvalho

Uma das grandes responsabilidades da CGU é identificar as compras do governo com valores diferentes dos praticados pelo mercado. Dessa forma, é possível mensurar o grau de eficiência das compras realizadas pelos órgãos governamentais. Essa informação é útil tanto para o auditor, que é responsável por fiscalizar o uso dos recursos públicos, como para o gestor, que pode melhorar seus processos observando as melhores práticas de outras unidades do governo. Dada a enorme quantidade e a diversidade das compras realizadas pelo Governo, essa análise se torna praticamente inviável sem a ajuda de algum mecanismo automatizado. No entanto, para que essa análise automatizada seja possível, é preciso ter antes de tudo, uma base de dados com os preços médios, ou de referência, para cada produto que se deseja analisar. Apesar de todas as compras do Governo Federal serem inseridas em um sistema único e centralizado, as informações armazenadas não são detalhadas e estruturadas o suficiente para se calcular esses preços de referência. Essa palestra apresenta a metodologia desenvolvida na CGU, baseada em técnicas de mineração de dados, para extrair as informações necessárias desse sistema centralizado de forma a possibilitar o cálculo de preços de referência para produtos comprados pelo Governo Federal. Além disso, são apresentadas também algumas análises feitas com base no banco de preços criado a partir dessa metodologia de forma a enfatizar sua importância para a melhoria da gestão dos recursos públicos. Rommel Novaes Carvalho - Controladoria-Geral da União Coordenador-Geral do Observatório da Despesa Pública da CGU (http://www.cgu.gov.br/assuntos/informacoes-estrategicas/observatorio-da-despesa-publica), realizou seu PhD e Pós-Doc na George Mason University, EUA, na área de Inteligência Artificial, Web Semântica e Mineração de Dados e também é professor do Mestrado Profissional em Computação Aplicada da UnB

Uso de mineração de dados e textos para cálculo de preços de referência em co...

Rommel Carvalho

Essa palestra apresenta o uso de Mineração de Dados para identificar fracionamentos de forma proativa, ou seja, antes mesmo do fracionamento se concretizar. Dessa forma, é possível alertar o usuário e evitar que a irregularidade aconteça. Nesse trabalho, foram utilizados diversos algoritmos diferentes de classificação, todos baseados em redes bayesianas. Foram analisadas mais de 50 mil compras na área de TI e o modelo final foi capaz de classificar corretamente todos os casos de fracionamento de forma proativa e obteve uma acurácia geral de 99,197% Rommel Novaes Carvalho - Controladoria-Geral da União Coordenador-Geral do Observatório da Despesa Pública da CGU (http://www.cgu.gov.br/assuntos/informacoes-estrategicas/observatorio-da-despesa-publica), realizou seu PhD e Pós-Doc na George Mason University, EUA, na área de Inteligência Artificial, Web Semântica e Mineração de Dados e também é professor do Mestrado Profissional em Computação Aplicada da UnB

$Detecção preventiva de fracionamento de compras$ $Detecção preventiva de fracionamento de compras$

Detecção preventiva de fracionamento de compras

Rommel Carvalho

Essa palestra apresenta o uso de Mineração de Textos para identificar os principais tipos de pedidos diferentes que são feitos no sistema e-SIC através da LAI. Foram analisados mais de 300 mil pedidos. O processamento desses dados na forma tradicional leva mais de 240 horas, ou 10 dias corridos. Já com o uso de técnicas de Big Data, foi possível diminuir esse processamento para menos de 8 horas Rommel Novaes Carvalho - Controladoria-Geral da União Coordenador-Geral do Observatório da Despesa Pública da CGU (http://www.cgu.gov.br/assuntos/informacoes-estrategicas/observatorio-da-despesa-publica), realizou seu PhD e Pós-Doc na George Mason University, EUA, na área de Inteligência Artificial, Web Semântica e Mineração de Dados e também é professor do Mestrado Profissional em Computação Aplicada da UnB

Identificação automática de tipos de pedidos mais frequentes da LAI

Rommel Carvalho

Presentation given by Rommel N. Carvalho at the 11th Bayesian Modeling Applications Workshop (BMAW 2014) at the 30th Conference on Uncertainty in Artificial Intelligence (UAI 2014) in July 27, 2014, Quebec City, Quebec, Canada. This was a joint work between the Research and Strategic Information Directorate from Brazil's Office of the Comptroller General and the Department of Computer Science from the University of Brasília. Talk: https://www.youtube.com/watch?v=UVOsztdSQ3A Paper: http://seor.gmu.edu/~klaskey/BMAW2014/BMAW2014_papers/bmaw2014_paper_6.pdf Title: Using Bayesian Networks to Identify and Prevent Split Purchases in Brazil. Abstract: To cope with society's demand for transparency and corruption prevention, the Brazilian Office of the Comptroller General (CGU) has carried out a number of actions, including: awareness campaigns aimed at the private sector; campaigns to educate the public; research initiatives; and regular inspections and audits of municipalities and states. Although CGU has collected information from various different sources - Revenue Agency, Federal Police, and others -, going through all the data in order to find suspicious transactions has proven to be really challenging. In this paper, we present a Data Mining study applied on real data - government purchases - for finding transactions that might become irregular before they are considered as such in order to act proactively. Moreover, we compare the performance of various Bayesian Network (BN) learning algorithms with different parameters in order to fine tune the learned models and improve their performance. The best result was obtained using the Tree Augmented Network (TAN) algorithm and oversampling the minority class in order to balance the data set. Using a 10-fold cross-validation, the model correctly classified all split purchases, it obtained a ROC area of .999, and its accuracy was 99.197%.

BMAW 2014 - Using Bayesian Networks to Identify and Prevent Split Purchases i...

Rommel Carvalho

Presentation given by Rommel N. Carvalho at the 9th International Workshop on Uncertainty Reasoning for the Semantic Web at the 12th International Semantic Web Conference in October 21, 2013, Sydney, Australia. This was a joint work between the Research and Strategic Information Directorate from Brazil's Office of the Comptroller General and the Department of Computer Science from the University of Brasília. Title: UMP-ST plug-in: a tool for documenting, maintaining, and evolving probabilistic ontologies. Abstract: Although several languages have been proposed for dealing with uncertainty in the Semantic Web (SW), almost no support has been given to ontological engineers on how to create such probabilistic ontologies (PO). This task of modeling POs has proven to be extremely difficult and hard to replicate. This paper presents the first tool in the world to implement a process which guides users in modeling POs, the Uncertainty Modeling Process for Semantic Technologies (UMP-ST). The tool solves three main problems: the complexity in creating POs; the difficulty in maintaining and evolving existing POs; and the lack of a centralized tool for documenting POs. Besides presenting the tool, which is implemented as a plug-in for UnBBayes, this papers also presents how the UMP-ST plug-in could have been used to build the Probabilistic Ontology for Procurement Fraud Detection and Prevention in Brazil, a proof-of-concept use case created as part of a research project at the Brazilian Office of the Comptroller General (CGU).

URSW 2013 - UMP-ST plug-in

Rommel Carvalho

Apresentação preparada por Rommel N. Carvalho e apresentada pela Diretora de Sistemas e Informações da Controladoria-Geral da União (CGU), Tatiana Z. Panisset, na reunião da Comissão de Meio Ambiente, Defesa do Consumidor e Fiscalização e Controle (CMA) do Senado Federal (SF). A reunião teve como foco o debate da unificação da entrada de dados dos Portais de Transparência da Copa de 2014 do SF (www.copatransparente.gov.br) e da CGU (http://transparencia.gov.br/copa2014). Mais informações sobre a reunião em http://goo.gl/KCBD6. As alternativas apresentadas foram discutidas e deliberadas pela CMA com aprovação da colaboração oficial entre o poder Legislativo e o poder Executivo para executar a integração da entrada de dados dos respectivos portais da copa do mundo. Notícias sobre essa colaboração podem ser encontradas em goo.gl/N8cbr, goo.gl/RVMGd, goo.gl/Ze3uJ, goo.gl/6o7BZ e goo.gl/C1CFv.

Integração do Portal da Copa @ Comissão CMA do Senado Federal

Rommel Carvalho

Título: O que é e como usar dados abertos governamentais Resumo: A Web Semântica visa associar os dados disponibilizados na Web aos seus significados de forma a possibilitar que esses dados sejam compreensíveis tanto por humanos quanto por máquinas. Isso permitirá que tarefas, antes realizadas apenas por humanos, possam agora ser delegadas a máquinas. Técnicas de Web Semântica têm se difundido com o significativo aumento no número de aplicações que fazem uso de ontologias e semântica através de tecnologias como RDF, OWL, dentre outras, e as várias iniciativas espalhadas pelo mundo referente à disponibilização de dados abertos, em especial, de dados abertos governamentais. Dados abertos governamentais são definidos pela W3C – Consórcio da Web, como “a publicação e disseminação na Web de dados gerados pelo Setor Público, compartilhados em formato bruto e aberto, compreensíveis logicamente, de modo a permitir sua reutilização em aplicações digitais desenvolvidas pela sociedade”. O objetivo dessa palestra é apresentar os principais conceitos que norteiam as diversas iniciativas de dados abertos governamentais, a situação atual dessa iniciativa no Brasil, os benefícios que essa iniciativa traz para a sociedade como o uso desses dados abertos para contribuir com a melhoria e transparência da gestão pública. Palestrante: Dr. Rommel Novaes Carvalho, Ph.D Postdoctoral Research Associate – C4I Center @ GMU Analista de Finanças e Controle – CGU http://mason.gmu.edu/~rcarvalh CV resumido: Rommel Novaes Carvalho é bacharel em Ciência da Computação e Mestre em Informática pela Universidade de Brasília, e doutor em Engenharia de Sistemas e Pesquisa Operacional pela Universidade George Mason, Estados Unidos. Pesquisador em Inteligência Artificial (IA) e membro do Grupo de Pesquisa em Inteligência Artificial da Universidade de Brasília (GIA). Suas áreas de interesse abrangem representação e raciocínio com incerteza na Web Semântica usando inferência bayesiana, mineração de dados, e engenharia de software. Desenvolvedor Java certificado, com experiência em implementação de sistemas de redes probabilísticas, sendo o arquiteto principal do projeto UnBBayes – Framework para raciocino probabilístico, em desenvolvimento pelo GIA desde 2000. Em seu doutorado propôs e implementou a versão 2 para o PR-OWL – Probabilistic OWL, para permitir o reuso de ontologias determinísticas existentes, sua interoperabilidade com ontologias probabilísticas representadas em PR-OWL, e raciocínio misto ontológico e probabilístico. Desde 2005 trabalha na Controladoria-Geral da União como especialista em Tecnologia da Informação. Em 2011, tornou-se pesquisador associado de Pós-Doutorado na George Mason University.

Dados Abertos Governamentais

Rommel Carvalho

Oral Defense of Doctoral Dissertation Volgenau School of Engineering, George Mason University Rommel Novaes Carvalho Bachelor of Science, University of Brasília, Brazil, 2003 Master of Science, University of Brasília, Brazil, 2008 Probabilistic Ontology: Representation and Modeling Methodology Tuesday, June 28, 2011, 2:00pm -- 4:00pm Nguyen Engineering Building, Room 4705 Committee Kathryn Laskey, Chair Paulo Costa Kuo-Chu Chang David Schum Larry Kerschberg Fabio Cozman Abstract The past few years have witnessed an increasingly mature body of research on the Semantic Web (SW), with new standards being developed and more complex problems being addressed. As complexity increases in SW applications, so does the need for principled means to cope with uncertainty in SW applications. Several approaches addressing uncertainty representation and reasoning in the SW have emerged. Among these is Probabilistic Web Ontology Language (PR-OWL), which provides Web Ontology Language (OWL) constructs for representing Multi-Entity Bayesian Network (MEBN) theories. However, there are several important ways in which the initial version PR-OWL 1.0 fails to achieve full compatibility with OWL. Furthermore, although there is an emerging literature on ontology engineering, little guidance is available on the construction of probabilistic ontologies. This research proposes a new syntax and semantics, defined as PR-OWL 2.0, which improves compatibility between PR-OWL and OWL in two important respects. First, PR-OWL 2.0 follows the approach suggested by Poole et al. to formalizing the association between random variables from probabilistic theories with the individuals, classes and properties from ontological languages such as OWL. Second, PR-OWL 2.0 allows values of random variables to range over OWL datatypes. To address the lack of support for probabilistic ontology engineering, this research describes a new methodology for modeling probabilistic ontologies called Uncertainty Modeling Process for Semantic Technologies (UMP-ST). To better explain the methodology and to verify that it can be applied to different scenarios, this dissertation presents step-by-step constructions of two different probabilistic ontologies. One is used for identifying frauds in public procurements in Brazil and the other is used for identifying terrorist threats in the maritime domain. Both use cases demonstrate the advantages of PR-OWL 2.0 over its predecessor.

Probabilistic Ontology: Representation and Modeling Methodology

Rommel Carvalho

Presentation given by Tomasz Wlodarczyk at the 6th Uncertainty Reasoning for the Semantic Web Workshop at the 9th International Semantic Web Conference in 2010. Paper: SWRL-F - A Fuzzy Logic Extension of the Semantic Web Rule Language Abstract: Enhancing Semantic Web technologies with an ability to express uncertainty and imprecision is widely discussed topic. While SWRL can provide additional expressivity to OWL-based ontologies, it does not provide any way to handle uncertainty or imprecision. We introduce an extension of SWRL called SWRL-F that is based on SWRL rule language and uses SWRL's strong semantic foundation as its formal underpinning. We extend it with a SWRL-F ontology to enable fuzzy reasoning in the rule base. The resulting language provides small but powerful set of fuzzy operations that do not introduce inconsistencies in the host ontology.

SWRL-F - A Fuzzy Logic Extension of the Semantic Web Rule Language

Rommel Carvalho

UnBBayes is a probabilistic network framework written in Java. It has both a GUI and an API with inference, sampling, learning and evaluation. It supports BN, ID, MSBN, OOBN, HBN, MEBN/PR-OWL, PRM, structure, parameter and incremental learning. This presentation talks about UnBBayes-PRM, a plugin for UnBBayes that has a simple implementation of Probabilistic Relational Models. This presentation was given by Shou Matsumoto from the University of Brasilia in Brazil via web conference to PhD students at George Mason University in the US on the Friday seminar called Krypton (http://krypton.c4i.gmu.edu/) in October 29, 2010.

UnBBayes-PRM - On Implementing Probabilistic Relational Models

Rommel Carvalho

Fusion 2010 - PROGNOS: Predictive Situational Awareness with Probabilistic On...

Rommel Carvalho

AFCEA 2010 - High Level Fusion and Predictive Situational Awareness with Prob...

Rommel Carvalho

Mais de Rommel Carvalho (20)

Ouvidoria de Balcão vs Ouvidoria Digital: Desafios na Era Big Data

Como transformar servidores em cientistas de dados e diminuir a distância ent...

Proposta de Modelo de Classificação de Riscos de Contratos Públicos

Categorização de achados em auditorias de TI com modelos supervisionados e nã...

Mapeamento de risco de corrupção na administração pública federal

Ciência de Dados no Combate à Corrupção

Aplicação de técnicas de mineração de textos para classificação automática de...

Filiação partidária e risco de corrupção de servidores públicos federais

Uso de mineração de dados e textos para cálculo de preços de referência em co...

$Detecção preventiva de fracionamento de compras$ $Detecção preventiva de fracionamento de compras$

Detecção preventiva de fracionamento de compras

Identificação automática de tipos de pedidos mais frequentes da LAI

BMAW 2014 - Using Bayesian Networks to Identify and Prevent Split Purchases i...

URSW 2013 - UMP-ST plug-in

Integração do Portal da Copa @ Comissão CMA do Senado Federal

Dados Abertos Governamentais

Probabilistic Ontology: Representation and Modeling Methodology

SWRL-F - A Fuzzy Logic Extension of the Semantic Web Rule Language

UnBBayes-PRM - On Implementing Probabilistic Relational Models

Fusion 2010 - PROGNOS: Predictive Situational Awareness with Probabilistic On...

AFCEA 2010 - High Level Fusion and Predictive Situational Awareness with Prob...

Último

Graduate Outcomes Presentation Slides - English

neillewis46

Kodo Millet PPT made by Ghanshyam bairwa college of Agriculture kumher bhara...

pradhanghanshyam7136

Explore the world of IT certification with CompTIA. Discover how the CompTIA Security+ Book SY0-701 can elevate your cybersecurity expertise and open doors to new career opportunities. This PDF provides essential insights into the CompTIA Security+ certification, guiding you through exam preparation and showcasing the benefits of becoming CompTIA-certified. Download now to embark on your journey to IT excellence with CompTIA.

ComPTIA Overview | Comptia Security+ Book SY0-701

bronxfugly43

Single or Multiple melodic lines structure

dhanjurrannsibayan2

SOC 101 Demonstration of Learning Presentation

camerronhm

Klinik_ Apotek Onlin 085657271886 Solusi Menggugurkan Masalah Kehamilan Anda Jual Obat Aborsi Asli KLINIK ABORSI TERPEECAYA _ Jual Obat Aborsi Cytotec Misoprostol Asli 100% Ampuh Hanya 3 Jam Langsung Gugur || OBAT PENGGUGUR KANDUNGAN AMPUH MANJUR OBAT ABORSI OLINE" APOTIK Jual Obat Cytotec, Gastrul, Gynecoside Asli Ampuh. JUAL ” Obat Aborsi Tuntas | Obat Aborsi Manjur | Obat Aborsi Ampuh | Obat Penggugur Janin | Obat Pencegah Kehamilan | Obat Pelancar Haid | Obat terlambat Bulan | Ciri Obat Aborsi Asli | Obat Telat Bulan | Pil Aborsi Asli | Cara Menggugurkan Konten | Cara Aborsi Tuntas | Harga Obat Aborsi Asli | Pil Aborsi | Jual Obat Aborsi Cytotec | Cara Aborsi Sendiri | Cara Aborsi Usia 1 Bulan | Cara Aborsi Usia 2 Tahun | Cara Aborsi Usia 3 Bulan | Obat Aborsi Usia 4 Bulan | Cara Abrasi Usia 5 Bulan | Cara Menggugurkan Konten | Kandungan Obat Penggugur | Cara Menghitung Usia Konten | Cara Mengatasi Terlambat Bulan | Penjual Obat Aborsi Asli | Obat Aborsi Garansi | Kandungan Obat Peluntur | Obat Telat Datang Bulan | Obat Telat Haid | Obat Aborsi Paling Murah | Klinik Jual Obat Aborsi | Jual Pil Cytotec | Apotik Jual Obat Aborsi | Kandungan Dokter Abrasi | Cara Aborsi Cepat | Jual Obat Aborsi Bergaransi | Jual Obat Cytotec Asli | Obat Aborsi Aman Manjur | Obat Misoprostol Cytotec Asli. "APA ITU ABORSI" “Aborsi Adalah dengan membendung hormon yang di perlukan untuk mempertahankan kehamilan yaitu hormon progesteron, karena hormon ini dibendung, maka jalur kehamilan mulai membuka dan leher rahim menjadi melunak,sehingga mengeluarkan darah yang merupakan tanda bahwa obat telah bekerja || maksimal 1 jam obat diminum || PENJELASAN OBAT ABORSI USIA 1 _7 BULAN Pada usia kandungan ini, pasien akan merasakan sakit yang sedikit tidak berlebihan || sekitar 1 jam ||. namun hanya akan terjadi pada saatdarah keluar merupakan pertanda menstruasi. Hal ini dikarenakan pada usiakandungan 3 bulan,janin sudah terbentuk sebesar kepalan tangan orang dewasa. Cara kerja obat aborsi : JUAL OBAT ABORSI AMPUH dosis 3 bulan secara umum sama dengan cara kerja || DOSIS OBAT ABORSI 2 bulan”, hanya berbedanya selain mengisolasijanin juga menghancurkan janin dengan formula methotrexate dikandungdidalamnya. Formula methotrexate ini sangat ampuh untuk menghancurkan janinmenjadi serpihan-serpihan kecil akan sangat berguna pada saat dikeluarkan nanti. APA ALASAN WANITA MELAKUKAN ABORSI? Aborsi di lakukan wanita hamil baik yang sudah menikah maupun belum menikah dengan berbagai alasan , akan tetapi alasan yang utama adalah alasan-alasan non medis (termasuk aborsi sendiri / di sengaja/ buatan] MELAYANI PEMESANAN OBAT ABORSI SETIAP HARI, SIAP KIRIM KESELURUH KOTA BESAR DI INDONESIA DAN LUAR NEGERI. HUBUNGI PEMESANAN LEBIH NYAMAN VIA WA/: 085657271886

Jual Obat Aborsi Hongkong ( Asli No.1 ) 085657271886 Obat Penggugur Kandungan...

ZurliaSoop

Spatium Project Simulation student brief

Association for Project Management

Unit-IV- Pharma. Marketing Channels.pptx

VishalSingh1417

Mixin Classes in Odoo 17 How to Extend Models Using Mixin Classes

Celine George

This PowerPoint helps students to consider the concept of infinity.

christianmathematics

How to Manage Global Discount in Odoo 17 POS

Celine George

Key note speaker Neum_Admir Softic_ENG.pdf

Admir Softic

1029 - Danh muc Sach Giao Khoa 10 . pdf

QucHHunhnh

Python Notes for mca i year students osmania university.docx

Ramakrishna Reddy Bijjam

Fostering Friendships - Enhancing Social Bonds in the Classroom

Pooky Knightsmith

Basic Civil Engineering notes first year Notes Building notes Selection of site for Building Layout of a Building What is Burjis, Mutam Building Bye laws Basic Concept of sunlight ventilation in building National Building Code of India Set back or building line Types of Buildings Floor Space Index (F.S.I) Institutional Vs Educational Building Components & function Sills, Lintels, Cantilever Doors, Windows and Ventilators Types of Foundation AND THEIR USES Plinth Area Shallow and Deep Foundation Super Built-up & carpet area Floor Area Ratio (F.A.R) RCC Reinforced Cement Concrete RCC VS PCC

Basic Civil Engineering first year Notes- Chapter 4 Building.pptx

Denish Jangid

𝐋𝐞𝐬𝐬𝐨𝐧 𝐎𝐮𝐭𝐜𝐨𝐦𝐞𝐬: -Discern accommodations and modifications within inclusive classroom environments, distinguishing between their respective roles and applications. -Through critical analysis of hypothetical scenarios, learners will adeptly select appropriate accommodations and modifications, honing their ability to foster an inclusive learning environment for students with disabilities or unique challenges.

Understanding Accommodations and Modifications

MJDuyan

1029-Danh muc Sach Giao Khoa khoi 6.pdf

QucHHunhnh

Making communications land - Are they received and understood as intended? webinar Thursday 2 May 2024 A joint webinar created by the APM Enabling Change and APM People Interest Networks, this is the third of our three part series on Making Communications Land. presented by Ian Cribbes, Director, IMC&T Ltd @cribbesheet The link to the write up page and resources of this webinar: https://www.apm.org.uk/news/making-communications-land-are-they-received-and-understood-as-intended-webinar/ Content description: How do we ensure that what we have communicated was received and understood as we intended and how do we course correct if it has not.

Making communications land - Are they received and understood as intended? we...

Association for Project Management

Unit-V; Pricing (Pharma Marketing Management).pptx

VishalSingh1417

UniDL 2010 - Compatibility Formalization Between PR-OWL and OWL

1. (Towards) Compatibility Formalization Between PR-OWL and OWL Rommel Carvalho, Kathryn Laskey, and Paulo Costa George Mason University Paper - First International Workshop on Uncertainty in Description Logics UniDL - FLoC 2010 Thursday, July 15, 2010

2. Agenda 2 Thursday, July 15, 2010

3. Agenda Introduction 2 Thursday, July 15, 2010

4. Agenda Introduction Problem 2 Thursday, July 15, 2010

5. Agenda Introduction Problem MEBN and PR-OWL 2 Thursday, July 15, 2010

6. Agenda Introduction Problem MEBN and PR-OWL Mapping Concepts 2 Thursday, July 15, 2010

7. Agenda Introduction Problem MEBN and PR-OWL Mapping Concepts Using Existing Types 2 Thursday, July 15, 2010

8. Agenda Introduction Problem MEBN and PR-OWL Mapping Concepts Using Existing Types Conclusion 2 Thursday, July 15, 2010

9. Introduction Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 3 Conclusion Thursday, July 15, 2010

10. Introduction An ontology is [5] an explicit, formal knowledge representation that expresses knowledge about a domain of application. This includes: Types of entities that exist in the domain; Properties of those entities; Relationships among entities; Processes and events that happen with those entities; where the term entity refers to any concept (real or ﬁctitious, concrete or abstract) that can be described and reasoned about within the domain of application. Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 4 Conclusion Thursday, July 15, 2010

11. Introduction A probabilistic ontology is [5] an explicit, formal knowledge representation that expresses knowledge about a domain of application. This includes: Types of entities that exist in the domain; Properties of those entities; Relationships among entities; Processes and events that happen with those entities; Statistical regularities that characterize the domain; Inconclusive, ambiguous, incomplete, unreliable, and dissonant knowledge related to entities of the domain; Uncertainty about all the above forms of knowledge; where the term entity refers to any concept (real or ﬁctitious, concrete or abstract) that can be described and reasoned about within the domain of application. Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 5 Conclusion Thursday, July 15, 2010

12. Introduction Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 6 Conclusion Thursday, July 15, 2010

13. Introduction MEBN Represent and reason with uncertainty about any propositions that can be expressed in ﬁrst-order logic Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 6 Conclusion Thursday, July 15, 2010

14. Introduction MEBN Represent and reason with uncertainty about any propositions that can be expressed in ﬁrst-order logic PR-OWL Uses MEBN logic to provide a framework for building probabilistic ontologies Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 6 Conclusion Thursday, July 15, 2010

15. Introduction MEBN Represent and reason with uncertainty about any propositions that can be expressed in ﬁrst-order logic PR-OWL Uses MEBN logic to provide a framework for building probabilistic ontologies Simple fraud detection and prevention example for illustrating problems/solutions Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 6 Conclusion Thursday, July 15, 2010

16. Problem Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 7 Conclusion Thursday, July 15, 2010

17. Problem Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 8 Conclusion Thursday, July 15, 2010

18. Problem Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 8 Conclusion Thursday, July 15, 2010

19. Problem Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 8 Conclusion Thursday, July 15, 2010

20. Problem ? 1. Mapping - winner 2.Types - value Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 8 Conclusion Thursday, July 15, 2010

21. MEBN and PR-OWL Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 9 Conclusion Thursday, July 15, 2010

22. MEBN Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 10 Conclusion Thursday, July 15, 2010

23. MEBN BN + FOL [15] Procurement Procurement Directed MFrag Fraud Detection MTheory [2] Directed Procurement by Indices MFrag Indices MFrag Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 10 Conclusion Thursday, July 15, 2010

24. PR-OWL Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 11 Conclusion Thursday, July 15, 2010

25. PR-OWL MEBN + OWL [5] Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 11 Conclusion Thursday, July 15, 2010

26. Mapping Concepts Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 12 Conclusion Thursday, July 15, 2010

27. Mapping Concepts - OWL to PR-OWL Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 13 Conclusion Thursday, July 15, 2010

28. Mapping Concepts - OWL to PR-OWL Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 13 Conclusion Thursday, July 15, 2010

29. Mapping Concepts - OWL to PR-OWL Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 13 Conclusion Thursday, July 15, 2010

30. Mapping Concepts - PR-OWL to OWL Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 14 Conclusion Thursday, July 15, 2010

31. Mapping Concepts - PR-OWL to OWL Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 14 Conclusion Thursday, July 15, 2010

32. Mapping Concepts - PR-OWL to OWL Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 14 Conclusion Thursday, July 15, 2010

33. Mapping Concepts - PR-OWL to OWL Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 14 Conclusion Thursday, July 15, 2010

34. Mapping Concept Instance Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 15 Conclusion Thursday, July 15, 2010

35. Mapping Concept Instance Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 15 Conclusion Thursday, July 15, 2010

36. Mapping Concept Instance Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 15 Conclusion Thursday, July 15, 2010

37. Mapping Concept Instance Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 15 Conclusion Thursday, July 15, 2010

38. Mapping Concept Instance Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 15 Conclusion Thursday, July 15, 2010

39. Using Existing Types Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 16 Conclusion Thursday, July 15, 2010

40. Using Existing Types Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 17 Conclusion Thursday, July 15, 2010

41. Using Existing Types Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 17 Conclusion Thursday, July 15, 2010

42. Using Existing Types Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 17 Conclusion Thursday, July 15, 2010

43. Using Existing Types Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 17 Conclusion Thursday, July 15, 2010

44. Conclusion Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 18 Conclusion Thursday, July 15, 2010

45. Conclusion Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 19 Conclusion Thursday, July 15, 2010

46. Conclusion Described the main compatibility issues between PR-OWL and OWL Lack of mapping between deterministic and probabilistic concepts Lack of use of existing types Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 19 Conclusion Thursday, July 15, 2010

47. Conclusion Described the main compatibility issues between PR-OWL and OWL Lack of mapping between deterministic and probabilistic concepts Lack of use of existing types Provided qualitative descriptions of possible solutions Random Variable closely related to Properties Substitution of PR-OWL’s types by OWL’s types Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 19 Conclusion Thursday, July 15, 2010

48. Conclusion Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 20 Conclusion Thursday, July 15, 2010

49. Conclusion Future work Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 20 Conclusion Thursday, July 15, 2010

50. Conclusion Future work Deﬁne new syntax for PR-OWL 2 Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 20 Conclusion Thursday, July 15, 2010

51. Conclusion Future work Deﬁne new syntax for PR-OWL 2 Deﬁne semantics for PR-OWL 2 Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 20 Conclusion Thursday, July 15, 2010

52. Conclusion Future work Deﬁne new syntax for PR-OWL 2 Deﬁne semantics for PR-OWL 2 Present problem and possible solutions for consistency checking between OWL axioms and PR-OWL local probability distributions Introduction - Problem - MEBN and PR-OWL - Mapping Concepts - Using Existing Types - 20 Conclusion Thursday, July 15, 2010

53. Obrigado! 21 Thursday, July 15, 2010

UniDL 2010 - Compatibility Formalization Between PR-OWL and OWL

Recomendados

Recomendados

Mais conteúdo relacionado

Mais de Rommel Carvalho

Mais de Rommel Carvalho (20)

Último

Último (20)

UniDL 2010 - Compatibility Formalization Between PR-OWL and OWL