Revisão Sistemática da Literatura sobre ranking de Relacionamentos na Web Semântica

Abstract

O ato de realizar pesquisas na Web tem sido o mesmo por anos. O usuário realiza uma consulta composta de termos, e o motor de buscaé responsável por encontrar as melhores respostasàquela consulta. Frequentemente, existem informações subjetivas que o usuário não consegue transmitir em sua consulta, mas que ele espera que o motor de busca seja capaz de inferir. Isso leva a resultados que são relacionados a sua consulta, mas não aos seus interesses. Uma forma de mitigar esse problema foi a introdução da Web Semântica, que visa a permitir que os dados disponíveis na Web tenham um sentido, ou seja, uma semântica. Diversas abordagens de busca na Web Semântica têm sido propostas e implementadas nosúltimos anos, bem como abordagens para classificação (ranking) de resultados. Esta revisão sistemática da literatura tem por objetivo identificar as tendências naárea de ranking de relacionamentos na Web Semântica. De um total de 1.194 artigos inicialmente retornados em nossa pesquisa, foram selecionados e analisados 10 estudos primários nesse tipo de ranking, dando-se especial atençãoàs características das técnicas adotadas e aos experimentos realizados. Observou-se então que novas soluções promissoras envolvem o uso de algoritmos de aprendizado de máquina para realizar o ranking dos resultados das consultas. Palavras-ChaveWeb semântica, Linked data, ranking de relacionamentos. ABSTRACTThe act of searching the web has been the same for years. The user inputs a query and the search engine is responsible for finding the best matches to that query. Often, there are subjective information that the user can't transmit when making his query, but he expects that the search engine will infer. This leads to results that are query-related, but not user-interest related. One way of mitigating this problem was the introduction of the Semantic Web, wich aims to allow that the data available on the web have a meaning. Many approaches on semantic web search that crawl the semantic web have been proposed and implemented, as well as solutions to better rank and classify the results. This systematic review of the literature aims to obtain knowledge about the latest trends about the semantic relationships on the semantic web. Of a total of 1194 papers initially obtained during the research, 10 were selected and studied on this subject, giving a special atention to the techniques used and the experiments made. It was then observed that promising new solutions involves the use of machine learning algorithms as a means to rank the results of a query.