Uma Ontologia Temporal para Modelagem de Conhecimento sobre Ordenação de Eventos

Uma Ontologia Temporal para Modelagem de Conhecimento sobre Ordenação de Eventos Laura S. Mastella1, Mara Abel1, Luís C. Lamb1, Luiz F. De Ros 2 1

Instituto de Informática e 2Instituto de Geociências Universidade Federal do Rio Grande do Sul (UFRGS) Porto Alegre, RS 91501-970, Brasil {mastella, marabel, lamb, lfderos}@inf.ufrgs.br

Abstract. There are several approaches to model temporal reasoning in intelligent systems, such as algebras, temporal logics and temporal calculi. In spite of that, few ontology languages actually propose suitable ways of interpreting the order in which past events occurred. In this work we present new temporal constructs so as to define a temporal extension of an ontology. These constructs allow inferring ordering relations between past events from the characteristics they left imprinted in the domain. We illustrate the effectiveness of this model by means of an application in a real domain. Resumo. Existem diversas abordagens para se modelar raciocínio temporal em sistemas inteligentes, tais como álgebras, lógicas temporais e cálculos temporais. Apesar disso, poucas linguagens de ontologia que proponham formas adequadas de realizar a interpretação da ordem em que eventos ocorreram foram desenvolvidas até o momento. Neste trabalho apresentamos a extensão de uma ontologia através de novos construtos temporais que permitem inferir relações de ordem entre eventos passados a partir de características que estes deixaram no domínio. A eficácia deste modelo é ilustrada através de uma aplicação em um domínio real.

1. Introdução Inferir informações temporais a partir de eventos passados é importante para diversas aplicações em engenharia de conhecimento, principalmente em domínios imagísticos [Thagard, Shelley 1997]. Por um domínio imagístico entende-se um domínio que exige do solucionador de problemas a habilidade de primeiro reconhecer visualmente os objetos para então aplicar métodos de busca e análise para interpretá-los [Yip, Zhao 1996]. Existem diversas abordagens para se modelar raciocínio temporal em sistemas inteligentes, tais como álgebras, lógicas temporais e cálculos temporais [Allen 1983; Gabbay, Hodkinson, Reynolds 1994]. Apesar disso, ainda faltam linguagens de ontologia que proponham maneiras adequadas de formalizar inferências temporais baseadas em eventos. A maior parte das propostas de modelos temporais considera uma noção de tempo absoluta em suas representações. Entretanto, nós temos como objetivo, derivar informação temporal relativa a partir de relações espaço-visuais entre elementos de um domínio. Derivar relações temporais de relações espaciais é uma proposta diferente da maioria desenvolvida até então. Estamos interessados em propor um modelo cognitivo do raciocínio de um especialista em domínios imagísticos quando realiza a inferência temporal. Em alguns domínios, o reconhecimento visual de características dos elementos e a identificação de relações espaço-visuais entre eles é um V ENIA

631

tema de pesquisa importante [Ericsson, Smith 1991; Ericsson 2004]. Por exemplo, um geólogo identifica relações espaço-visuais entre constituintes de rochas (chamadas relações paragenéticas), da mesma maneira que um médico quando analisa imagens médicas para identificar uma patologia. Para construir uma ontologia temporal para esse tipo de domínio, foi realizado um longo processo de aquisição de conhecimento. A análise das habilidades cognitivas de um especialista levou ao desenvolvimento de novos construtos de ontologias para modelagem de conhecimento temporal associados a um método de solução de problemas (PSM). Estes construtos e método são capazes de modelar o raciocínio do especialista quando este procede com a tarefa de inferir a ordem de eventos que derivou a atual organização espacial do domínio em análise. Na Seção 2 apresentamos as definições fundamentais de ontologias e suas extensões com construtos temporais. A Seção 3 define os principais construtos e primitivas do modelo cognitivo proposto para suprir as demandas de representação temporal eliciadas e o método de solução de problemas para ordenação de eventos. A Seção 4 descreve a aplicação do modelo desenvolvido para um domínio imagístico: a Petrografia Sedimentar. Na Seção 5 mostramos a validação do modelo proposto. A Seção 6 conclui o trabalho e discute direções para pesquisa futura.

2. Ontologias e Modelos Temporais Uma ontologia é uma especificação explícita e formal de uma conceitualização compartilhada [Studer, Benjamins, Fensel 1998]. Ontologias de domínio representam conhecimento declarativo sobre um domínio: conceitos principais, seus atributos e relações entre eles, regras, axiomas, etc [Gómez-Pérez, Fernández-López, Corcho 2004]. Gruber identificou cinco tipos de construtos ontológicos [Gruber 1993]: classes, que representam elementos de um domínio e que são definidas por um conjunto de atributos e seus possíveis valores; relações, que representam os tipos de associações entre elementos do domínio; funções, tipos especiais de relações que mapeiam um ou mais elementos do domínio para um elemento único; axiomas, sentenças sobre o domínio que são sempre verdadeiras; e instâncias, os indivíduos da ontologia. Ontologias de domínio descrevem a parte estrutural e estática, enquanto a parte dinâmica é descrita usando um PSM [Gómez-Pérez, Benjamins 1999]. Um PSM descreve o processo de raciocínio de um sistema baseado em conhecimento (SBC) especificando de maneira abstrata e independente de domínio o conhecimento e dados exigidos para um determinado processo de inferência. Recentemente, alguns autores concentram esforços para aumentar o poder de expressão das ontologias representando informações temporais. Uma ontologia causal temporal é proposta por [Kitamura, Ikeda, Mizoguchi 1997], na qual é proposto um conjunto de conceitos temporais para raciocínio causal. Eventos representam mudanças instantâneas no domínio, e uma associação entre dois eventos é considerada uma relação causal. O trabalho de [Zhou, Fikes 2000] trata tanto pontos quanto intervalos de tempo como elementos primitivos de uma linha de tempo. As classes, relações, axiomas e instâncias da ontologia são construídos sobre essas primitivas. A extensão de DAML para DAML-Time [Hobbs, Pustejovsky 2003] tem o objetivo de desenvolver uma ontologia de tempo que expresse aspectos temporais comuns para qualquer formalização de tempo, tais como V ENIA

632

relações temporais entre instantes ou intervalos de tempo. [Bennett, Galton 2004] propõe uma linguagem altamente expressiva para representar relações temporais e eventos, chamada VEL (versatile event logic). Uma única fórmula VEL pode conter tanto variáveis de ponto quanto de intervalo de tempo. Na maior parte dos trabalhos, a adição de uma dimensão temporal explícita aos construtos da ontologia é definida tipicamente por uma expressão de tempo absoluto associada aos objetos da ontologia. Exemplos de representações de tempo absolutas são pontos ou intervalos de tempo. Mas em diversos domínios de aplicação os eventos não são interpretados como possuindo rótulos de tempo absolutos. Nestes domínios, a ordem relativa em que os eventos ocorreram é o fator de importância fundamental na compreensão, análise e inferência da evolução dos elementos. O objetivo de nossa abordagem está em representar como o domínio evolui através de uma seqüência de eventos que agem como operadores transformando o espaço de estados de um domínio. O modelo cognitivo apresentado aqui deve ser aplicado para modelar domínios que apresentam elementos que evoluem por causa de modificações sofridas pelos eventos. A ordem em que os eventos aconteceram fica marcada no domínio através de relações espaçovisuais complexas entre os elementos do domínio. O modelo proposto neste trabalho orienta como identificar esses elementos a partir das características dos elementos do domínio e representa como encontrar a ordem em que os eventos ocorreram a partir das relações espaço-visuais nesses domínios.

3. Um Modelo Cognitivo para Ordenação de Eventos Serão definidos aqui os construtos necessários e um método de solução de problemas (PSM) para lidar com a ordenação de eventos. Os construtos propostos devem ser aplicados para modelar domínios em que a inferência de seqüências de ocorrências de eventos passados proporciona uma melhor compreensão do estado atual do domínio. 3.1. Uma Ontologia de Eventos

Nós propomos uma extensão para os construtos de representação de ontologias – classes, relações, regras de inferência, axiomas e instâncias – de maneira a capturar o significado de eventos e relações temporais entre eventos em domínios que evoluem. Além disso, nós temos o objetivo de compreender como e por quais eventos os elementos do domínio foram produzidos, e de formalizar essa explicação através da representação de uma seqüência de eventos. Os novos construtos são definidos a seguir: • Eventos são construtos que agem como operadores que transformam classes. Eles representam fenômenos que geram ou modificam os elementos do domínio. São caracterizados por atributos específicos dependentes de domínio, mas não por uma marca de tempo. Eventos também são descritos por regras que os associam aos seus produtos. Eventos são associados uns aos outros por uma relação de ordem. • Relação temporal: um construto proposto para representar a relação de ordem entre os eventos. Nós definimos as relações binárias antes, depois e durante, de maneira a refletir a ordem entre os eventos.

V ENIA

633

Ademais, na nossa ontologia de domínio, nós estendemos a noção de regras de inferência para torná-las mais expressivas. Neste trabalho, elas expressam funções entre instâncias de relações, além de expressarem funções entre instâncias de classes. A maior parte das linguagens usadas para descrever ontologias de domínio permitem definir regras como expressões sobre os atributos das classes, como a seguir: se classeA.atributo1 = valorX então classeB.atributo2 = valorY

Nós utilizamos essa forma típica de regra de inferência para modelar funções que identificam eventos a partir de seus produtos. As características dos elementos (representadas como atributos de classe na ontologia) são usadas para indicar o evento que originou ou modificou o elemento. As instâncias dessas regras definem que quando um valor particular para um atributo é encontrado na descrição de um elemento, então um determinado evento (associado àquela característica) é indicado como o evento gerador. Essas regras de inferência são chamadas regras de indicação de eventos. Como acréscimo ao modelo, nós definimos um tipo de regra de inferência estendida para a ontologia de representação de conhecimento. O objetivo é expressar funções entre instâncias de relações, em vez de classes. Esse segundo tipo de regra, chamado de regra de implicação temporal, permite inferir relações temporais entre eventos a partir de relações espaço-visuais entre elementos, assim como em: se relação_visual(A, B) então relação_temporal(A,B)

Na seção seguinte nós apresentamos o PSM para modelar as inferências sobre a ordenação de eventos. 3.2. Um PSM para Ordenação de Eventos

Todos os construtos apresentados na seção anterior são empregados para descrever uma ontologia de domínio acrescida de aspectos temporais, a qual representa o conhecimento declarativo sobre esse domínio. Para que os objetos estáticos do domínio, representados na ontologia, sejam empregados para gerar novas informações, foi preciso definir também um método de solução de problemas (PSM) que modela as inferências necessárias para o raciocínio de ordenação de eventos. Esse método foi abstraído das heurísticas usadas por um especialista treinado no domínio. O PSM usa os construtos temporais para identificar e ordenar os eventos que originaram as características atuais do domínio, mostrando, assim, que esses construtos propostos são adequados e suficientes para representar essa inferência. O PSM recebe como entrada uma descrição dos elementos do domínio e das relações espaço-visuais, mas sem nenhuma informação de tempo. O PSM identifica os eventos que atuaram sobre os elementos e infere a ordem em que esses eventos ocorreram. Para isso é necessário que: (1) as características impressas nos elementos indiquem os eventos que as produziram e (2) a maneira em que os elementos estão dispostos espacialmente reflitam a ordem em que eles foram originados pelos eventos. A especificação operacional do PSM é descrita a seguir: O PSM abstrai, da descrição de um elemento do domínio, a relação espaço-visual desse elemento com outro. Como essa relação é binária, o outro argumento da relação (que V ENIA

634

também é um elemento do domínio) pode ser identificado. O resultado desses passos de inferência é um par de elementos do domínio associado por uma relação espaço-visual. Cada elemento do domínio é descrito por um conjunto de atributos, os quais definem o evento gerador. Os atributos relevantes para a interpretação do evento são abstraídos do conjunto total de atributos. As regras de indicação de eventos identificam os eventos a partir desses atributos. A relação espaço-visual entre os elementos é utilizada pelas regras de implicação temporal para inferir uma relação temporal. A partir da relação temporal é possível ordenar os eventos, produzindo um par ordenado de eventos. Um exemplo detalhado da aplicação desse método de raciocínio é apresentado na Seção 5. O PSM descrito acima pode ser usado sobre ontologias de domínio modeladas usando os construtos temporais propostos com o objetivo de inferir relações temporais a partir de relações espaço-visuais em um domínio imagístico.

4. Modelando um Domínio Imagístico Podemos agora ilustrar a aplicação do modelo proposto em um domínio imagístico. 4.1. Descrevendo o Domínio da Petrografia

O domínio considerado foi o da Petrografia Sedimentar, que é o estudo de rochasreservatório através de descrições de amostras de rochas para investigar o potencial econômico de campos petrolíferos. A qualidade do reservatório é medida por interpretações feitas por um especialista sobre as descrições de amostras. Uma técnica particular é chamada interpretação de seqüência diagenética [Anjos et al. 2000], que objetiva inferir a ordem em que eventos diagenéticos ocorreram em uma rocha. Eventos diagenéticos são processos físico-químicos que atuam sobre os sedimentos transformando-os em rochas sólidas e modificando a porosidade e permeabilidade do potencial reservatório de petróleo. As relações espaço-visuais entre os elementos constituintes da rocha refletem as mudanças sofridas pela rocha como um resultado dos eventos diagenéticos. Na Figura 1 mostramos um exemplo de amostra de rocha e das relações espaciais (chamadas relações paragenéticas) que podem ser identificadas entre constituintes da rocha (minerais e poros). O especialista em petrografia identifica a ordenação dos eventos observando como os constituintes estão relacionados espacialmente e visualmente entre eles, baseado em seu conhecimento prévio sobre o assunto. Usando um exemplo simples, se um mineral aparenta estar em cima de outro mineral, isso significa que o primeiro foi gerado na rocha mais tarde que o último. Algumas técnicas de interpretação usadas para a avaliação de reservatórios de petróleo já foram modeladas no sistema PetroGrapher, uma aplicação de bancos de dados inteligentes que suporta a descrição e a interpretação de amostras de rochas sedimentares [Abel et al. 2004]. O vocabulário da petrografia foi eliciado como um resultado de trabalhos anteriores sobre o domínio [Abel, Campbell, Ros 2003] e modelado como uma ontologia de domínio estruturada como uma partonomia 1 de classes. O sistema implementa tarefas de interpretação como PSMs sobre a ontologia de domínio. Embora a ontologia de domínio da 1 Partonomia é uma organização de domínio baseada em uma relação de parte-de, em vez de em uma relação de éum. [Martínez-Béjar, Fernández-Breis 2000]. Por exemplo, um pé é parte de uma perna que é parte de um corpo. V ENIA

635

petrografia já tenha sido modelada, ainda estavam faltando os aspectos temporais da petrografia, necessários para a interpretação de seqüências diagenéticas. Esses aspectos tiveram que ser eliciados mais tarde, através de sessões de aquisição de conhecimento (AC) com o especialista em petrografia sedimentar. Para adquirir as heurísticas do especialista ao realizar a interpretação de seqüência, diversas técnicas de aquisição de conhecimento [Shadbolt, Swallow 1993; Cooke 1994] foram aplicadas. Primeiro, fizemos entrevistas e aplicamos técnicas de observação para eliciar o vocabulário básico utilizado na interpretação, para determinar o objetivo da tarefa e para compreender como a interpretação é realizada. A seguir, para revelar o conhecimento tácito do especialista (i.e., conhecimento usado pelo especialista que não é facilmente verbalizado [Polanyi 1974]), aplicamos técnicas de classificação de fichas e de grades de repertório. Assim, os principais resultados obtidos nas sessões de AC foram esclarecimentos sobre os aspectos temporais que precisavam ser modelados (tais como eventos diagenéticos e relações de ordem) e uma abstração dos passos de raciocínio do especialista ao realizar a tarefa de interpretação.

Figura 1: Amostra de rocha em que a calcita (Ca2) está preenchendo um poro intergranular resultante da dissolução de clorita (setas).

A seguir, nós modelamos a tarefa de interpretação de seqüência diagenética aplicando o modelo proposto ao domínio da petrografia. 4.2. Aplicando a Ontologia de Eventos ao Domínio da Petrografia

Mostramos agora como a ontologia de domínio da petrografia foi estendida com aspectos temporais usando os novos construtos temporais. a) Constituintes de Rocha (modelados como classes) Constituintes de rocha são minerais e poros que formam uma rocha, Eles são representados na ontologia usando o construto classe, pois eles são elementos do domínio. As características dos constituintes são descritas como atributos da classe. É importante representar essas características, pois elas refletem como esse constituinte foi produzido ou modificado, indicando seu evento diagenético gerador. b) Relações Paragenéticas (modeladas como relações binárias) Relações paragenéticas são arranjos espaço-visuais entre constituintes. Como uma relação paragenética é definida entre um par de constituintes, o construto usado na ontologia é uma relação binária.

V ENIA

636

c) Eventos Diagenéticos (modelados como eventos) Esses eventos são fenômenos físico-químicos de consolidação da rocha, e são representados no modelo com o construto evento. O especialista não leva em consideração o período de tempo absoluto em que o evento aconteceu, mas somente a sua ordem de ocorrência em relação a outros eventos. d) Relações de Ordem (modeladas como relações temporais) Uma rocha é formada como o resultado da ocorrência de diferentes eventos diagenéticos, os quais podem aconteceram de maneira simultânea ou seqüencial. Para simplificar o tratamento computacional da seqüência, nós tratamos a ordenação de eventos em pares, assim como o especialista faz. As relações entre pares de eventos foram representadas usando o construto relação temporal para modelar as relações depois, antes e durante. e) Regras de Inferência (modeladas como funções) O especialista é capaz de indicar os eventos geradores através de análise das características dos constituintes. Por exemplo, quando o atributo modificador de um constituinte possui o valor “deformado”, é possível concluir que o evento que transformou o constituinte é o de compactação. Dessa forma, foi necessário representar este conhecimento como as regras de indicação de eventos. Essas regras de inferência definem uma associação entre constituintes e eventos diagenéticos, assim como no seguinte exemplo (R1): se constituinte.modificador = deformado então evento.nome_evento = compactação

R1

Depois de identificar os eventos, o especialista infere a ordem em que eles ocorreram através da relação espaço-visual (paragenética) entre os constituintes. Quando um mineral aparenta estar cobrindo (está em cima de) outro mineral, o especialista diz que o evento gerador do primeiro mineral ocorreu depois que o evento gerador do segundo mineral. A primeira parte dessa regra particular do especialista assume uma relação paragenética entre constituintes. A segunda parte, define uma relação de ordem entre eventos. Neste caso, é preciso representar este conhecimento como regras de implicação temporal. Um exemplo na petrografia deste tipo de regra é o seguinte (R2): se cobrindo(constituinte1, constituinte2) e produzido_por(constituinte1, evento1) e produzido_por(constituinte2, evento2) então depois(evento1, evento2)

R2

Ou seja, se constituinte1 cobre constituinte2 então a conclusão é que o evento gerador de 1 (evento1) aconteceu depois que o evento gerador de 2 (evento2).

5. Validando o Modelo Cognitivo Os construtos temporais e o PSM propostos foram aplicados no domínio da petrografia e foram implementados como um módulo de inferência no sistema PetroGrapher, chamado módulo de interpretação de seqüência diagenética. Os construtos temporais foram usados para estender a ontologia de domínio da petrografia com aspectos temporais e o PSM foi implementado como o algoritmo de inferência que orienta o módulo. Amostras de rochas reais foram descritas no sistema PetroGrapher por um especialista. Ele também forneceu algumas V ENIA

637

interpretações prévias sobre a seqüência de eventos diagenéticos associada às amostras. Assim, a interpretação produzida pelo algoritmo foi comparada com a interpretação do especialista sobre a seqüência. Para ilustrar a validação, uma interpretação passo-a-passo de uma amostra é descrita a seguir. Como entrada do algoritmo, temos a descrição de uma amostra de rocha, a qual é composta por descrições detalhadas dos constituintes da rocha. O algoritmo analisa cada constituinte individualmente. Por exemplo, a descrição de um constituinte é como segue: [quartzo - cobertura de grão intergranular cobrindo - hematita]

descontínua

-

Nos próximos passos é abstraída da descrição a relação paragenética cobrindo e é especificado o segundo argumento da relação, a hematita, descrita como segue: [hematita – camadas - cobertura de grão intergranular contínua dentro de porosidade primária intergranular - macroporosidade intergranular]

O resultado desses passos é um par de constituintes associado por uma relação paragenética (quartzo – cobrindo – hematita). Um constituinte de rocha é caracterizado por alguns atributos que indicam o evento gerador do constituinte. O algoritmo abstrai esses atributos da descrição do constituinte. Os atributos relevantes são usados como premissas para as regras de indicação de eventos retornando o evento que produziu ou modificou o constituinte. Estes últimos passos de inferência são realizados para ambos os constituintes, resultando em um par de eventos diagenéticos. Para os constituintes considerados neste exemplo, os seguintes eventos são inferidos pelas regras: precipitação de quartzo e precipitação de hematita. A relação paragenética entre os constituintes é usada como premissa para as regras de inferência temporal. O resultado é a relação de ordem (como no exemplo dado na regra R2, em que a relação cobrindo implica a relação depois). A relação de ordem e o par de eventos passam por um novo passo de inferência que resulta um par ordenado de eventos, o qual, neste caso, é: depois(Cimentação de Quartzo, Cimentação de Hematita)

O algoritmo que mecaniza o PSM é implementado como um laço que pára quando não existem mais constituintes a serem avaliados. O algoritmo retorna uma lista de pares ordenados, como no exemplo da lista resultante da amostra sendo avaliada: depois(Cimentação de Hematita, Deposição de Quartzo Detrítico) depois(Cimentação de Quartzo, Cimentação de Hematita) antes(Cimentação de Quartzo, Cimentação de Ilita)

Nós usamos um grafo direcionado para criar uma seqüência de eventos a partir da lista de pares ordenados. A relação de ordem no grafo é definida por uma aresta a partir do evento que vem antes (no vértice origem) para o evento que vem depois (no vértice destino). Por exemplo, o resultado do mapeamento da lista acima para um grafo direcionado é representado como uma lista de eventos ordenados: Deposição de Quartzo Detrítico à Cimentação de Hematita à Cimentação de Quartzo à Cimentação de Ilita

V ENIA

638

A seqüência de eventos resultante é a mesma inferida por um especialista na maior parte dos casos. Essas inferências dependem de quão claros e explícitos são os arranjos espaço-visuais entre os constituintes na amostra. Entretanto, em alguns casos, nem mesmo o especialista é capaz de produzir uma seqüência de eventos completa, pois algumas relações paragenéticas podem ser visíveis (e então descritas) em uma amostra e não serem visíveis em outra. Por isso, para algumas amostras de rocha, o algoritmo produz seqüências de eventos que não estão totalmente conectadas, levando a uma interpretação incompleta da seqüência total. Mesmo assim, qualquer seqüência de eventos que possa ser inferida de uma descrição de rocha é essencial na compreensão de como a porosidade e a permeabilidade da rocha foram afetadas e como isso influencia a qualidade do reservatório de petróleo.

6. Conclusão Neste trabalho, apresentamos um novo modelo cognitivo para raciocínio sobre relações de ordem entre eventos em domínios imagísticos. O modelo proposto é composto de uma ontologia de eventos e de um PSM associado. A partir de extensivas sessões de aquisição de conhecimento com um especialista, foi possível: (i) identificar a necessidade de novos aspectos temporais em uma ontologia de domínio, o que nos levou à formalização de tais aspectos como novos construtos ontológicos para representar noções relativas de tempo – o que faltava até agora na literatura; (ii) abstrair o PSM que modela o processo de interpretação da ordem de eventos, e (iii) identificar a necessidade de estender a noção de regras de inferência em uma ontologia para permitir a inferência de relações temporais a partir de relações espaço-temporais. O modelo proposto tem por objetivo simular o processo de raciocínio de um especialista que infere, a partir de relações espaço-visuais complexas entre os elementos do domínio, quais foram os eventos que geraram as características atuais desse domínio. Nós ilustramos a eficácia do modelo em um domínio real, e ele foi validado através de sua implementação em um sistema especialista. Acreditamos que é possível usar os modelos propostos em outros domínios. Por exemplo, na glaciologia, para se inferir a seqüência de eventos que pode ter causado mudanças climáticas através da análise de testemunhos de gelo. Na arqueologia também é de fundamental importância definir a seqüência de eventos da história de um objeto que o levou a ter seu formato e estrutura atual [Thagard, Shelley 1997]. Este trabalho pode ser visto também como um ponto de início para a investigação de procedimentos abdutivos que correspondam ao raciocínio do especialista. Esse estudo fortaleceria a afirmação original de Peirce na qual ele alega que a abdução é uma forma de raciocínio visual [Thagard, Shelley 1997]. Em particular, a ontologia apresentada aqui modela a maneira como um especialista fundamenta e interpreta relações espaço-visuais quando procura pela melhor explicação sobre a seqüência de eventos que as causaram.

Referências Abel, M., Campbell, J. A., Ros, L. F. D. (2003). "Knowledge acquisition techniques for visual expertise: A study of oil-reservoir evaluation". IJCAI-03 - ICPI-03, Acapulco, Mexico. Abel, M., et al. (2004). "Petrographer: Managing petrographic data and knowledge using an intelligent database application." Expert Systems with Applications, v. 26(1): p. 9-18.

V ENIA

639

Allen, J. F. (1983). "Mantaining knowledge about temporal intervals." Communications of ACM, v. 26(11): p. 832-843. Anjos, S. M. C., et al. (2000). "Depositional and diagenetic controls on the reservoir quality of lower cretaceous sandstones." American Association of Petroleum Geologists Bulletin, v. 84(11): p. 1719-1742. Bennett, B., Galton, A. P. (2004). "A unifying semantics for time and events." Artificial Intelligence, v. 153: p. 13-48. Cooke, N. (1994). "Varieties of knowledge elicitation techniques." Intl. Jnl. on Human-Computer Studies, v. 41: p. 801-849. Ericsson, K. A. (2004). "Toward a general theory of expertise: Prospects and limits." Academic Medicine, v. 10: p. S1-S12. Ericsson, K. A., Smith, J. "Toward a general theory of expertise: Prospects and limits." New York, Cambridge University Press, 1991. Gabbay, D. M., Hodkinson, I., Reynolds, M. "Temporal logic - mathematical foundations and computational aspects", Oxford University Press, 1994. Gómez-Pérez, A., Benjamins, V. R. (1999). "Overview of knowledge sharing and reuse components: Ontologies and problem-solving methods". IJCAI-99 - KRR5, Stockolm, Sweden. Gómez-Pérez, A., Fernández-López, M., Corcho, O. "Ontological engineering: With examples from the areas of knowledge management, e-commerce and the semantic web", Berlim, Springer-Verlag, 2004. Gruber, T. R. (1993). "A translation approach to portable ontology specifications." Knowledge Acquisition, v. 5: p. 199-220. Hobbs, J., Pustejovsky, J. (2003). "Annotating and reasoning about time and events." Proc. of AAAI Spring Symposium on Logical Formalizations of Common Sense Reasoning, Stanford, CA. Kitamura, Y., Ikeda, M., Mizoguchi, R. (1997). "A causal time ontology for qualitative reasoning". IJCAI-97, Nagoya, Japan. Martínez-Béjar, R., Fernández-Breis, J. T. (2000). "A cooperative tool for facilitating knowledge management." Expert Systems with Applications, v. 18: p. 315-330. Polanyi, M. "Personal knowledge", Chicago, The University of Chicago Press, 1974. Shadbolt, N., Swallow, S. (1993). "Epistemics", . Last accessed: dez. 2004. Studer, R., Benjamins, V. R., Fensel, D. (1998). "Knowledge engineering: Principles and methods." Data & Knowledge Engineering, v. 25(1/2): p. 161-197. Thagard, P., Shelley, C. P. (1997). "Abductive reasoning: Logic, visual thinking, and coherence", In: Logic and scientific methods, Edited by Chiara, M. L. D., Doets, K., Mundici, D., Benthem, J. V., Dordrecht, Kluwer, p. 413-427. Yip, K., Zhao, F. (1996). "Spatial aggregation: Theory and applications." Jnl. of Artificial Intelligence Research, v. 5: p. 01-26. Zhou, Q., Fikes, R. (2000). "A reusable time ontology", Knowledge Systems Lab, Stanford University.

V ENIA

640