Tfg Arquitetura

2. PROCESSOS DE DESCOBERTA DE CONHECIMENTO

2.1 DESCOBERTA DE CONHECIMENTO

Atualmente o número de informação gerada vem aumentando exponencialmente,

esta informação, se tratada corretamente pode ser uma grande aliada na tomada de decisão

dentro das organizações. Tuomi (1999) afirma que dados podem ser considerados como

simples fatos, que, quando estruturados tornam-se informação. A informação torna-se

conhecimento quando é interpretada, inserida em um contexto, ou quando é acrescentado um

significado a ela. Com este presuposto pode-se afirmar que dado é um pré-requisito para a

informação, e a informação é necessária para a geração de conhecimento.

A informação pode ser encontrada em três estados: estruturada, onde cada campo

possui a identificação da informação (Banco de Dados, Planilha de Textos); semiestruturada,

possui tags que possibilitam a marcação das informações (XML, RDF); ou não estruturadas,

que são textos em linguagem natural. “Apesar de um texto em linguagem natural ser

estruturado no sentido de possuir uma estrutura sintática, a referência a “estrutura” é feita no

âmbito da Ciência da Computação” (BOVO, 2011). As informações não estruturadas podem

ser encontradas em artigos, atas, sites, e-mails, ou seja, qualquer documento escrito em

linguagem natural. Uma organização gera diversos documentos não estruturados, que contêm

informações importantes sobre a realidade da organização, estes documentos muitas vezes são

ignorados, quando poderiam auxiliar no processo de tomada de decisão.

O aumento da quantidade de informação gerada está em evidencia uma vez que

diversos estudiosos analisam este fenômeno e meios de extrair conhecimento de toda esta

informação. “A velocidade e a amplitude com que o conhecimento gerado passou a ser 22

compartilhado provocaram o surgimento de uma dinâmica de reaproveitamento e produção de

novos conhecimentos, bem como o aparecimento de novas necessidades de tratar a

informação” (RAMOS; BRASCHER, 2009).

A partir da necessidade de uma análise mais apurada da informação gerada surgiu na

década de 90 o conceito de descoberta de conhecimento e os processos que possam conduzir a

isso. Estes processos evidenciam informações que provavelmente não seriam observadas sem

a utilização dos mesmos.

A descoberta de conhecimento pode ser dividida em duas vertentes: KDD e KDT.

Esta divisão tem como base o conteúdo que será analisado, em que, se o conteúdo foi

previamente organizado e estruturado o processo de descoberta utilizado será o KDD. Caso o

conteúdo encontre-se disperso em documentos textuais o processo utilizado será o KDT

(RAMOS, BRASCHER; 2009).

Os processos de descoberta de conhecimento são compostos por várias fases, sendo

que cada fase possui diversas tarefas a serem executadas. Uma tarefa é resolvida através da

escolha de uma técnica de resolução. Por fim, as técnicas de resolução utilizam algoritmos,

podendo haver mais de um algoritmo que possa ser aplicado a uma determinada técnica.

O processo de KDD, ou descoberta de conhecimento em banco de dados, pode ser

definido como “... um processo, não trivial, de identificar novos, válidos e potencialmente

úteis padrões nos dados” (FAYYAD et al., 1996). Em suma o principal objetivo do KDD é a

tradução de dados brutos em informações relevantes (VIANNA et al., 2010). A Figura 1

ilustra o fluxo do processo de KDD.

Figura 1 - Uma visão geral do processo de KDD.

Fonte: adaptado de (FAYYAD, 1996)23

Como pode ser observado o KDD é um processo iterativo no qual todas as fases são

importantes para se atingir o objetivo (SILVA, 2004). As fases tradicionais do processo de

KDD são:

Seleção de Dados: Nesta fase são selecionados os dados pertinentes ao domínio do

problema, em que fica evidente a necessidade da compreensão do domínio e dos objetivos

(SILVA, 2004). Este processo de seleção é realizado utilizando-se de um banco de dados

estruturado.

Pré-processamento: Esta etapa visa “eliminar os dados incompletos, problemas de

definição de tipos, eliminação de tuplas repetidas, etc” (BARION; LAGO, 2008). De forma

resumida esta etapa realiza pequenas correções e limpeza no banco de dados visando garantir

a consistência e a exclusão de dados desnecessários.

Transformação: Após o pré-processamento a etapa de transformação é responsável

por realizar a persistência dos dados tratados, deixando-os prontos para a mineração de dados.

A transformação está diretamente ligada à técnica de mineração de dados. Segundo Barion e

Lago (2008), o principal objetivo desta fase é “... facilitar a utilização das técnicas de

mineração