Representação de informações não estruturadas em ambientes corporativos: proposta de modelo conceitual

Martins, Sergio de C and Marcondes, Carlos H Representação de informações não estruturadas em ambientes corporativos: proposta de modelo conceitual., 2019 [Preprint]

[thumbnail of PlantillaActasISKO19_preprint.docx] Text
PlantillaActasISKO19_preprint.docx

Download (227kB)

English abstract

The research aims to establish a generic model of corporate information manage-ment through semantic enrichment of metadata. It intends to extend the Soergel's model for application in a typical corporate environment, considering unstruc-tured data not only in textual format but also multimedia. Examples or cases will be presented for application of the process of data distillation and semantic en-richment of metadata, as complementary processes to Soergel's model. To achieve the stated objectives, it was defined that the research will be qualitative and ex-ploratory, being characterized as “action research”, in which the research is ori-ented towards the search for specific results or innovative solutions of problems obeyed in an empirical environment. The expected steps in the model are Envi-ronment, Data Type and Data Source Definition, Data Distillation, Metadata En-richment, and Storage. As a result, it is expected that the robust model will allow heterogeneous data processing according to the established cut-outs and through the above-mentioned processes, allowing the creation of value in the composition of dynamic documents with semantic aggregations added to the metadata.

Portuguese abstract

A pesquisa tem como propósito o estabelecimento de um modelo genérico de gestão da informação corporativo por meio de enriquecimento semântico de me-tadados. Pretende estender o modelo de Soergel para aplicação em contexto cor-porativo típico, considerando dados não estruturados em formato não somente textual, mas também multimídia. Serão expostos exemplos ou casos para aplica-ção do processo de destilação de dados e enriquecimento semântico de metada-dos, como processos complementares ao modelo de Soergel. Para o atingimento dos objetivos expostos, foi definido que a pesquisa será de caráter qualitativo e exploratório, sendo caracterizada como pesquisa-ação, na qual a pesquisa é orien-tada à busca de resultados específicos ou soluções inovadoras de problemas ob-servados num ambiente empírico. As etapas previstas do modelo são Ambienta-ção, Definição de tipos e fonte de dados, Destilação dos dados, Enriquecimento de metadados e Armazenamento. Como resultado, espera-se que o modelo esten-dido permita processar dados heterogêneos segundo os recortes estabelecidos e mediante os processamentos acima elencados, permitindo criação de valor na composição de documentos dinâmicos com agregações semânticas adicionados aos metadados.

Item type: Preprint
Keywords: Information organization and representation, Semantic enrichment of metadata, Unstructured Data, Conceptual model
Subjects: F. Management. > FJ. Knowledge management
H. Information sources, supports, channels. > HH. Audio-visual, Multimedia.
I. Information treatment for information services > ID. Knowledge representation.
I. Information treatment for information services > IG. Information presentation: hypertext, hypermedia.
I. Information treatment for information services > IL. Semantic web
I. Information treatment for information services > IM. Open data
L. Information technology and library technology > LN. Data base management systems.
L. Information technology and library technology > LP. Intelligent agents.
L. Information technology and library technology > LQ. Library automation systems.
L. Information technology and library technology > LS. Search engines.
Depositing user: Sr Sergio Martins
Date deposited: 07 Jun 2019 10:30
Last modified: 07 Jun 2019 10:30
URI: http://hdl.handle.net/10760/38396

References

Baca, M. (2008). Introduction to Metadata. (2nd. ed.) Los Angeles, CA: Getty Re-search Institute, CA.

Brocke, J. V., & Simons, A. (2014). Enterprise Content Management in Information Systems Research: foundations, methods and cases. Berlin: Springer-Verlag.

Eine, B., Jurisch, M., & Quint, W. (2017). Ontology-based big data management. Systems, v. 5 (3), 2017.

Farid. M., Roadis, A., & Ilyas, I. (2016). CLAMS: Bringing Quality to Data Lakes, Proceedings of the 2016 International Conference on Management of Data, June 26-July 01, 2016, San Francisco, CA.

Inmon, H. W., O´Neil, B., & Fryman. L. (2008). Business Metadata: capturing enter-prise knowledge. Burlington, MA: Morgan Kaufmann Publishers.

Inmon, W. H., Imhoff, C., & Sousa, R. (2001). Corporation information factory. (2nd. ed.). New York, NY: Wiley & Sons.

Inmon, W. H., & Linstedt, D. (2015). Data Architecture: a primer for the data scien-tist. Waltham, MA: Elsevier.

Inmon, W. H. (2016). Data Lake Architecture: designing the data lake and avoiding the garbage dump. Basking Ridge, NJ: Technics Publications.

Marquesone, R. (2015). Big Data: técnicas e tecnologias para extração de valor nos dados. São Paulo: Casa dos Códigos Editora.

Mueller, S. M. (2007). Métodos para a pesquisa em Ciência da Informação. Brasília, DF: Thesaurus.

Rifkin, J. (2012). A Terceira Revolução Industrial: como o poder lateral está trans-formando a energia, a economia e o mundo. São Paulo: M. Books.

Schwab, K. (2016). A Quarta Revolução Industrial. São Paulo: Edipro.

Soergel, D. (2018). Turning documents into active knowledge: A universal document model with rich component indexing. III Seminário MHTX - Escola de Ciência da Informação. Universidade Federal de Minas Gerais – Escola de Ciência da In-formação, Belo Horizonte, Brazil, 2018, 7-8 June.

Swanson, E. B. (2012). Information Systems. In: Bates M. (ed.). Understanding in-formation retrieval systems: management, types, and standards. Boca Raton, FL: CRC Press.


Downloads

Downloads per month over past year

Actions (login required)

View Item View Item