Composição Inteligente de Documentos
 
Osvaldo Gomes Terra Júnior
e-mail : ogtj@inf.ufes.br
Escola Técnica Federal de Campos
Campos dos Goytacazes - RJ
Orivaldo de Lira Tavares
e-mail : tavares@inf.ufes.br
Universidade Federal do Espírito Santo
Vitória - ES
 
Universidade Federal do Espírito Santo
Centro Tecnológico - Mestrado em Informática
Av. Fernando Ferrari, s/n - Campus de Goiabeiras
CEP 29060-900 - Vitória - ES - Brasil
Resumo

        Este trabalho apresenta um Ambiente para Composição Inteligente de Documentos (CID). Esse ambiente compõe documentos a partir de documentos primitivos armazenados em uma biblioteca, usando técnicas de recuperação de informações para lidar com os perfis dos documentos.

        Esse ambiente é composto de três agentes (Editor, Arquivista e Apresentador), distribuídos geograficamente em redes que suportem a World Web Wide (WWW).

        Esse ambiente pode ser usado para a composição de documentos didáticos, respeitando as particularidades do aprendiz.

        Palavras-chave: Recuperação de Informação, Agente Inteligente, Arquitetura multi-agente, Documento Inteligente.

Abstract

        This work shows an Environment for Intelligent Document Composition (IDC). This environment make documents from primitive documents in a library, using information retrieval technics to deal with the documents "perfis" .

        This environment is composed by tree agents ("Editor", "Arquivista", and "Apresentador" ), geographically distributed in the World Wide Web.

        This environment can be used to make didactic documents, with respect to the learner.

    Keywords: Information retrieval, Intelligent Agent, Multi-agent Architecture, Intelligent Document.

1. Introdução

Recentemente têm aumentado as aplicações das pesquisas na área de recuperação de informação. Com a evolução do hardware, torna-se possível executar, com tempos de reposta aceitáveis, algoritmos de pesquisa sofisticados que trabalhem com grandes quantidades de dados.

O acesso a recursos da INTERNET, tal como a Web (WWW), principalmente por usuários inexperientes, demanda interfaces amigáveis e sistemas efetivos para pesquisar texto. Esses dois eventos têm contribuído para acelerar as pesquisas sobre metodologias e ferramentas para tratamento de informações, incluindo um maior uso de técnicas para processamento de linguagem natural [Girardi93].

Com a massificação dos computadores tornou-se possível ter acesso a enormes quantidades de informações, tais como, enciclopédias, documentos de pesquisas, de desenvolvimento, etc. Isto tudo passou a ser feito através do uso do computador e da Internet, sendo que essas informações podem ser alteradas e atualizadas a qualquer momento.

Um documento ficou permanentemente flexível, sempre pronto para que seja mudado.

A recente proliferação de computadores e redes de comunicação têm tornado possível acessar uma grande variedade de fontes de informação na Internet. Entretanto, o uso efetivo dessas fontes de informação (ex., documentos, artigos, mensagens de correspondência eletrônicas, notícias, etc.) requer ferramentas sofisticadas para localizar, classificar, e recuperar somente aqueles itens que são de interesse para o usuário.

Também tem surgido uma nova classe de sistemas distribuídos, os sistemas multi-agentes, onde componentes de software (agentes), distribuídos geograficamente em uma rede, interagem para resolver problemas, usando a metáfora de uma equipe de trabalho composta por especialistas de diversas áreas.

2. Justificativa

Quando um acordo, uma lei ou um contrato é proposto, um ou mais documentos são gerados. Quando uma nova organização é estabelecida isto é anunciado com um documento. Quando uma pesquisa culmina em uma nova proposta ou descoberta, um documento é criado e publicado. O conhecimento é transmitido através de documentos: periódicos, livros, textos e jornais.

Os documentos são informações organizadas e estão sempre presentes para melhorar a compreensão humana

Os novos documentos já usam imagem e som como conteúdo de formas não lineares (hipermídia). Também têm surgido novas tecnologias para processar, analisar e interpretar o conteúdo [Ronald96].

3. Descrição

Este trabalho apresenta um sistema Compositor Inteligente de Documentos (CID) capaz de compor novos documentos, a partir de uma especificação feita pelo usuário, acessando uma biblioteca de documentos primitivos (BDP). Cada documento primitivo se constitui em um bloco básico para a construção do documento especificado.

Os documentos primitivos podem ser documentos selecionados pelo professor ou pelo aluno. Um desses documentos pode ser um capítulo de livro ou de apostila, notas de aula, uma aula gravada ou filmada, mapas, figuras, etc. Quando o documento não for texto, o sistema solicita um resumo em forma de texto que descreva o seu conteúdo.

No CID, a inserção de um novo documento na biblioteca de primitivos é simples, bastando informar o documento. O próprio sistema construirá o perfil do documento, usado para recuperar documentos da biblioteca (BDP).

Os documentos da biblioteca (BID) serão organizados por áreas de conhecimento. Cada área de conhecimento é estruturada por tópicos. Essa estrutura é usada para organizar a seqüência dos documentos primitivos no documento final.

A recuperação de documentos tem sido assunto de estudo por várias décadas [Salton83]. Entretanto, pesquisas que usem sistemas multi-agentes para a recuperação de documento são raras. Alguns exemplos incluem WebWatcher [Joachims et al.97] , WebWatcher Pessoal [Mladenic96] , Fab [Balabanovic97; Balabanovic e Shoham97] que aprendem quais os interesses e desejos do usuário, observando o próprio usuário, chegando a pesquisar e recomendar páginas Web de preferência do usuário. Também existem os agentes de software para correspondência, onde as notícias eletrônicas são tratadas com o uso de filtros [Maes97] .

Um sistema multi-agente que usa recuperação de informação é o Qsabe [Pessoa97] que a partir dos perfis de perguntas e respostas mais freqüentes (FAQ), apresenta respostas a perguntas, feitas por e-mail, recuperando-as de um FAQ.

 

4. Arquitetura do Ambiente CID 

A arquitetura do sistema CID, apresentada nas figuras 1 e 2, mostra os vários agentes que cooperam para realizar a tarefa de compor documentos, especificados pelo usuário, a partir dos documentos primitivos.

 

Figura 1 - A Estrutura em Rede
 
 
Figura 2 - Arquitetura do ambiente CID
  Os agentes, apresentados na figura 2, são descritos a seguir e se comunicam com o uso da linguagem para comunicação entre agentes de software Knowledge Query and Manipulation Language (KQML) ela oferece uma variedade de tipos de mensagem (palavras pré-definidas) que expressa uma atitude com respeito ao conteúdo da troca de informações [Finin94]. Esse agente se comunica com o usuário através de uma página HTML, sendo o responsável pela interação do sistema com o usuário, este agente identifica o interesse do usuário, bem como, de que modo gostaria de receber o documento composto pelo CID (tipo e tamanho de letras, cor, som, etc.), mantém em sua base de conhecimento o modelo do usuário, que é criado quando este tem o seu primeiro acesso ao sistema. A medida que a interação usuário-sistema vai transcorrendo, ou novas sessões de uso vão sendo realizadas, o modelo do usuário vai sendo dinamicamente atualizado, ou vai sendo ajustado para comportar novas seleções de propriedades do documento, feitas pelo usuário.
O agente Apresentador exibe o conteúdo do documento, cuidando de sua apresentação audiovisual.
No início da interação com o usuário, esse agente apresenta áreas de conhecimento onde o CID pode compor documentos. Então, o usuário informa em que área deseja pesquisar e especifica o conteúdo do documento desejado em linguagem natural.
A figura 3 apresenta a como ocorre a interação entre o agente Apresentador, o Usuário e o agente Editor.
 
 
O agente Editor desempenha o papel mais importante no CID, possuindo várias atribuições. Ele é responsável pela análise da especificação do documento, criando um perfil do documento.
Para fazer a análise da especificação do documento, em busca de um perfil desse documento, o Editor usa um algoritmo estatístico, proposto por Salton [Salton83], e um dicionário de palavras-chave [Pessoa97]. O dicionário usado possui uma classificação das palavras do domínio de conhecimento escolhido pelo usuário, considerando as específicas do domínio e aquelas que também tenham significados fora do domínio específico.

O perfil do documento será composto por palavras-chave e as respectivas freqüências no documento.

Com o perfil, o Editor solicita ao agente Arquivista que recupere os documentos primitivos relacionados ao perfil. (Figura 4)

O Editor conhece a estrutura de cada área de conhecimento, com a correta sequenciação dos tópicos, considerando os pré-requisitos de cada tópico. O Editor usa essa estrutura para organizar os documentos primitivos no documento final.

Outro papel do Editor é tratar os documentos primitivos que serão incorporados à biblioteca de documentos. Nesse papel, ao receber um documento, ele fará uma análise para encontrar o perfil desse documento. Essa análise é semelhante a relatada para capturar o perfil da especificação do usuário. Após isso, encaminha ao Arquivista o documento primitivo com o seu perfil.

 
 
O agente Arquivista é quem cuida dos documentos primitivos. O Editor solicita-lhe documentos relativos ao perfil da especificação do usuário.

O Arquivista recorre à sua biblioteca de documentos primitivos e separa os documentos relativos ao pedido, que satisfaçam o perfil da especificação feita pelo usuário.

Finalmente, ele devolve ao Editor os documento(s) com o perfil desejado.

A figura 5 apresenta como ocorre a interação entre o agente Editor e o agente Arquivista.

 
4.1 Exemplo de interação usuário-sistema
A figura abaixo apresenta uma página que mostra três assuntos onde o sistema pode compor documentos.

O usuário deve escolher um assunto e descrever uma especificação do documento pretendido.

 
 
Ao receber a especificação acima, onde o usuário escolheu a área Física 2º Grau, o Editor captura o perfil do documento especificado, formado, por exemplo, pelos termos, velocidade inicial e aceleração.

O Editor solicita ao Agente Arquivista que localize em sua base de conhecimento os perfis dos documentos primitivos mais próximos. A seguir, o Arquivista envia ao Editor o endereço dos documentos primitivos. Então, o Editor os organiza, montando o documento final, usando a seqüência do tópicos da estrutura do domínio de conhecimento e o perfil do usuário.

Quando o Arquivista recuperar mais de um documento primitivos com perfis semelhantes, o Editor selecionará o de perfil mais próximo da especificação, ou seja, aquele de maior peso (pontuação), conforme mostra o exemplo a seguir:

Dado que o Arquivista devolva 3 perfis com as seguintes características:

 
 
O peso do Documento 1 é 20, do Documento 2 é 10 e do Documento 3 é 10. O Editor escolheria o documento 1. Se fosse necessário outro documento, escolheria o documento 2 que mesmo tendo o peso igual ao documento 3, tem um perfil mais apropriado, uma vez que aborda uma maior quantidade de tópicos semelhantes aos do perfil do documento especificado.
5. Aplicações Educacionais
Os educadores têm sido instigados a comparar a sala de aula tradicional com os novos ambientes educacionais disponíveis. Nas últimas décadas, as tecnologias da informação têm penetrado dramaticamente em nossas atividades diárias, alterando e influenciando todos os aspectos de nossa vida cultural e social. Este trabalho apresenta mais uma aplicação das tecnologias da informação com fins educacionais.

O CID pretende dar condição ao aprendiz de compor um hiper-documento, sob medida, sobre assuntos que lhe interessem.

Uma das aplicações do CID dentro da educação seria uma biblioteca virtual, com todo o conteúdo de um determinado curso, onde o aluno pudesse consultar e gerar documentos (apostilas) sobre os assuntos que desejar.

Os principais objetivos do CID na Educação são:

6. Considerações Finais
Este artigo apresentou um Ambiente para a Composição Inteligente de Documentos, baseado em uma arquitetura multi-agente. Os agentes podem estar distribuídos geograficamente e interagem via protocolos padrões da Internet. Os documentos produzidos são documentos html, padrão de documentos da Web (WWW).

Assim, a partir de uma biblioteca de documentos primitivos para cada área de conhecimento, os agentes são capazes de compor documentos encomendados pelos usuários.

Os documentos finais são avaliados pelos usuários e essa avaliação é usada, pelo especialista na área , para ajustar a base de conhecimento do agente que gera os perfis dos documentos primitivos.

O CID pode gerar documentos de qualquer área de conhecimento, basta que exista a biblioteca de documentos primitivos correspondentes.

O uso do ambiente CID para fins educacionais abre perspectivas interessantes e inovadoras que permitem aos aprendizes "confeccionarem" material didático sob medida, escolhendo os autores de suas preferências. Além disso, podem acessar várias visões do mesmo assunto, podendo comparar estilos de abordagem e exposição dos assuntos contidos nos documentos primitivos.

Outra vantagem do CID é a possibilidade do aprendiz acessá-lo de sua casa, via Web, eliminando a necessidade de ir a uma biblioteca ou livraria para obter um texto sobre um determinado assunto. Além disso, documentos primitivos, selecionados ou preparados pelo próprio aprendiz, podem ser catalogados na biblioteca do sistema, ficando disponíveis para uso futuro.

Escolas que oferecem cursos a distância podem usar o CID para dispor a seus alunos textos didáticos, especificados pelo próprio aluno.

A última versão do ambiente CID foi implementada em uma plataforma Delphi. O ambiente Delphi foi escolhido por causa da facilidade de ferramentas para uso em rede, facilitando assim em muito seu uso na WEB.

Referências Bibliográficas

[Girardi93]M. R. Girardi and B. Ibrahim. A Software Reuse System Based on Natural Language Specifications. University of Geneva, C.U.I., Geneva, Switzerland. Fifth International Conference on Computing and Information, Sudbury, Ontario, Canada, May 27-29, 1993.

[Pessoa97] J. M. Pessoa. Desenvolvimento Orientado a Agentes: Uma Experiência com Agentes de Interface. Dissertação de Mestrado, Universidade Federal do Espírito Santo, 1997.

[Balabanovic and Shoham97] M. Balabanovic and Y. Shoham. Combining content­based and collaborative recommendation. Communications of the ACM, March 1997.

[Balabanovic97] M. Balabanovic. An adaptive web page recommendation service. In Proceedings of the First International Conference on Autonomous Agents, 1997.

[Joachims et al.97] T. Joachims, D. Freitag, and T. Mitchell. Webwatcher: A tour guide for the world wide web. In International Joint Conference on Artificial Intelligence, 1997.

[Maes97] P. Maes. Agents that reduce work and information overload. In J. Bradshaw, editor, Software Agents. MIT Press, Cambridge, MA, 1997.

[Ronald96] Ronald A. Cole, Joseph Mariani, Hans Uszkoreit, Annie Zaenen and Victor Zue - Survey of the State of the Art in Human Language Technology (1996) - Center for Spoken Language Understanding, Oregon Graduate Institute, USA University of Pisa, Italy

[Salton83] Salton, Gerard. McGill, Michael. Introduction to Modern Information Retrieval. Editora McGraw-Hill, New-York, 1983

[Finin94] Finin, T., Fritzson, R., McKay, D., McEntire, R., "KQML as na Agent Communication Language", Proceedings of the Third International Conference on Information and Knowledge Management, 1994.