Modelo de Arquitetura da Informação para <i>Ontology Learning</i> no ambiente de Nota Fiscal de Consumidor Eletrônica (NFC-e)

Gorayeb, Diana Maria da Camara; Duque, Claudio Gottschalg

doi:10.20396/rdbci.v24i00.8679647

Sumário Anterior Atual Seguinte

Sumário

Artigo • RDBCI : Rev. Digit. Bibl. e Cienc. Inf. 24 • 2026 • https://doi.org/10.20396/rdbci.v24i00.8679647 linkcopiar

Modelo de Arquitetura da Informação para Ontology Learning no ambiente de Nota Fiscal de Consumidor Eletrônica (NFC-e)

Autoria SCIMAGO INSTITUTIONS RANKINGS

Introdução: A Ontology Learning trabalha com algoritmos de Aprendizado de Máquina, Mineração de Dados e Mineração de Texto e fornece um método para representar e compartilhar conhecimento de domínio.

Objetivo: Tem como objetivo apresentar e discutir os resultados da aplicação dos Requisitos da Arquitetura da Informação para organizar dados que serão utilizados por algoritmos não supervisionados de Aprendizado de Máquina para construção de uma ontologia do produto cerveja.

Metodologia: A revisão da literatura aborda temas como: Aprendizado de Máquina, Arquitetura da Informação, Ontologia e Ontology Learning, um resumo do método e da avaliação da organização da informação com Mineração de Texto no contexto de Notas Fiscais de Consumidor Eletrônicas (NFC-e), documento fiscal utilizado na comercialização de mercadoria nos Estados aplicado ao produto cerveja pelo seu grande número de qualificadores e dificuldades para sua correta identificação. A pesquisa inicia com levantamento bibliográfico exploratório e análise de exemplos que tratem de modelos de resolução adotados e elabora uma revisão de literatura dentro dos termos no contexto da pesquisa, as fontes de informação são textos científicos e acadêmicos.

Resultados: A metodologia adotada para obter dados se baseia na ‘Mineração dos Termos Relevantes’ para Ontology Learning como resposta aos Requisitos da Arquitetura da Informação para orientar a construção da ontologia, sem a necessária presença do especialista do domínio.

Conclusão: O Modelo de Arquitetura da Informação para Ontology Learning concentra-se na forma de aquisição de dados, que contribui e facilita o entendimento do processo para identificar produtos no ambiente de Notas Fiscais de Consumidor Eletrônicas.

PALAVRAS-CHAVE:
Arquitetura da Informação; Mineração de texto; Aprendizado de máquina; Sistema de organização do conhecimento; Ontologia

Definição do escopo, requisitos e conhecimento específico	São definidos o plano de projeto e as questões de competência para o modelo de ontologia como meios de acompanhamento dos objetivos do projeto
Modelagem	Encadeamento de conceitos e fluxo informacional, regras, padrões de qualidade, restrições e outros mecanismos do processo de classificação que apoiam a representação da realidade;
Formalização e implementação	Utilização da linguagem lógica para representar a conceitualização;
Validação	Estabelecimento dos critérios para relevância dos conceitos e apresentação do conteúdo informacional como a generalidade do modelo, a eficiência e a clareza no raciocínio, na trasformabilidade, na escalabilidade e na integração do modelo para as práticas do conhecimento;
Evolução	Avaliação do grau de manutenibilidade e atualização do modelo buscando expansão do conhecimento.

Autores	Arquitetura da Informação para Ontology Learning	Aplicação	Resultados da AI
Chung; Yoo; Choe (2020)	Arquitetura baseada em data mining process: Compressão dos dados; Seleção dos dados; Preparação dos dados; Modelagem dos dados; Avaliação dos dados.	Avaliação de risco na área de saúde da pessoa.	Os dados são tratados somente do ponto de vista computacional durante o processo de Mineração de Dados e Mineração de Texto.
Yang (2020)	Arquitetura baseada na organização racional: raciocínio, análise semântica dos termos e utilização de especialistas para extração dos conceitos (etapas da engenharia de ontologia)	Avaliação do risco para logística na segurança financeira.	Não há uma preparação dos dados antes da engenharia de ontologia.
Maedche; Staab (2000)	Arquitetura baseada em um componente de gerenciamento de texto e processamento “para selecionar textos de domínio explorados no processo de	Avaliação de técnicas de AM utilizando aprendizado superficial e profundo.	Não há uma preparação dos dados antes do pré-processamento de texto para a entrada no ambiente de modelagem da ontologia - Ontology Modeling Environment (OntoEdit4).
	descoberta” e escolha de métodos de préprocessamento de texto.
Haridy et al., (2023)	Arquitetura baseada na engenharia de ontologia com a primeira fase Requisitos de aquisição de dados: Identificação; Análise; Especificação.	Adquirir uma lista de requisitos que a ontologia de saída com a identificação das principais informações do domínio e das necessidades do usuário na área de Turismo.	Os dados são formatados como requisitos da informação na primeira etapa da engenharia de ontologia (ON-ODM methodology).

#	Tipos de dados	Requisito de Arquitetura da Informação	Resultado selecionado
1	Campos lógicos e computacionalmente reconhecidos em linhas e colunas das tabelas do banco de dados da NFC-e para a identificação do produto:	Localização	• Nomenclatura Comum do Mercosul (NCM): 2203.xxxx; • cEAN (código GTIN); • Número do item; • Quantidade; • Unidade; • Valor; • Descrição original (extraído do campo “descrição do produto” da nota fiscal).
2	Campos lógicos e computacionalmente reconhecidos em linhas e colunas das tabelas do banco de dados da NFC-e para identificação da venda:	Localização	• Unidade da Federação (UF); • Município; • Emitente (Grupo C da NF-e); • Destinatário (Grupo E da NF-e); • Número da Nota Fiscal.
3	Gramática com termos (léxico) que descreve o produto cerveja e que são inicialmente identificados.	Alfabeto	• Extraídos da Resolução Estadual N028/2023²; • Extraídos das ontologias de referência.
4	Período de interesse para auditoria das NFC-e.	Tempo	1. Período da amostra entregue pela SEFAZ/AM: 01/02/2023 a 31/05/2023.
5	Campos não estruturados da “descrição do produto”: classificação por equivalência ou reciprocidade de palavras relacionadas aos termos que descrevem a cerveja (pela estatística).	Categoria	• Termo de interesse: “CERVEJA”.
6	Campos não estruturados da “descrição do produto”: associações construídas entre os termos do alfabeto (pela força das regras entre termos).	Hierarquia	Null

#	Tipos de dados	Requisito de Arquitetura da Informação	Resultado selecionado
1	Campos lógicos e computacionalmente reconhecidos em linhas e colunas das tabelas do banco de dados da NFC-e para a identificação do produto:	Localização	• NCM; • cEAN (código GTIN); • Número do item; • Quantidade; • Unidade; • Valor; • Descrição original (extraída do campo “descrição do produto da nota fiscal”).
2	Campos lógicos e computacionalmente reconhecidos em linhas e colunas das tabelas do banco de dados da NFC-e para identificação da venda:	Localização	• Unidade da Federação (UF); • Município; • Emitente (Grupo C da NF-e); • Destinatário (Grupo E da NF-e); • Número da Nota Fiscal.
3	Gramática com termos (léxico) que descreve o produto cerveja e que são inicialmente identificados.	Alfabeto	• Extraídos da Resolução Estadual N028/2023; • Extraídos das ontologias de referência.
4	Período de interesse para auditoria das NFC-e.	Tempo	• Período da amostra entregue pela SEFAZ/AM: 01/02/2023 a 31/05/2023.
5	Campos não estruturados da “descrição do produto”: classificação por equivalência ou reciprocidade de palavras relacionadas aos termos que descrevem a cerveja (pela estatística).	Categoria	• Exemplos identificados: “CERVEJA, CERVEJ, CERV”; “LATA, LTA, LT”; “LONGNECK, LONG, LN”.
6	Campos não estruturados da “descrição do produto”: associações construídas entre os termos do alfabeto (pela força das regras entre termos).	Hierarquia	• Exemplos identificados: “CERVEJA + SKOL + LATA + 269ML”. “ ”+ “SKOL + LONGNECK + 350ML”. • Exemplo de Metadados:

location_on

Universidade Estadual de Campinas Rua Sérgio Buarque de Holanda, 421 - 1º andar Biblioteca Central César Lattes - Cidade Universitária Zeferino Vaz - CEP: 13083-859 , Tel: +55 19 3521-6729 - Campinas - SP - Brazil
E-mail: rdbci@unicamp.br

rss_feed Acompanhe os números deste periódico no seu leitor de RSS

[TFN1] Fonte: Adaptado de Fox et al. (1993); Noy; Mcguinness (2001); Fernández; Gómez-Pérez; Juristo (1997); Uschod; Gruninger (1996)

[TFN2] Descrição: O quadro 1 apresenta as etapas de construção de ontologias com duas divisões, sendo a primeira coluna identificando a “Definição do escopo, requisitos e conhecimento específico” e a segunda coluna com a identificação: “São definidos o plano de projeto e as questões de competência para o modelo de ontologia como meios de acompanhamento dos objetivos do projeto”. O quadro possui quatro linhas com o fundo rosa salmão.