https://repositorio.ufjf.br/jspui/handle/ufjf/19368
File | Description | Size | Format | |
---|---|---|---|---|
matheusbruggerjenevain.pdf | PDF/A | 4.84 MB | Adobe PDF | View/Open |
Type: | Dissertação |
Title: | Contextualized data sharing in the energy industry: a retrieval-augmented ontology solution |
Author: | Jenevain, Matheus Brugger |
First Advisor: | Dantas, Mario Antonio Ribeiro |
Co-Advisor: | Pinto, Milena Faria |
Referee Member: | Menezes, Victor Ströele de Andrade |
Referee Member: | Ebecken, Nelson Francisco Favilla |
Resumo: | A crescente globalização dos mercados de energia, o surgimento de novas fontes de energia e a demanda por troca fluida de dados entre as partes interessadas ressaltam a necessidade crucial de comunicação eficaz e interoperabilidade no setor energético. No entanto, os protocolos existentes frequentemente priorizam especificações técnicas em detrimento da compreensão contextual, resultando em interpretações equivocadas e falhas na comunicação. Este trabalho propõe uma abordagem inovadora que combina ontologias com Retrieval Augmented Generation (RAG) e Large Language Models (LLMs) para garantir a interpretação precisa dos dados compartilhados, independentemente dos diversos contextos dos atores envolvidos. Ao aproveitar os pontos fortes das ontologias para a representação do conhecimento e do RAG para a compreensão contextual, a estrutura proposta visa aprimorar a interoperabilidade e facilitar a colaboração eficaz no setor de energia, contribuindo para uma transição energética mais suave e eficiente. Os resultados indicam que a solução proposta é eficaz na atribuição de significados contextualmente relevantes aos termos, melhorando o compartilhamento de dados e reduzindo a probabilidade de mal-entendidos decorrentes de diferentes contextos e perspectivas entre emissores e receptores. |
Abstract: | A crescente globalização dos mercados de energia, o surgimento de novas fontes de energia e a demanda por troca fluida de dados entre as partes interessadas ressaltam a necessidade crucial de comunicação eficaz e interoperabilidade no setor energético. No entanto, os protocolos existentes frequentemente priorizam especificações técnicas em detrimento da compreensão contextual, resultando em interpretações equivocadas e falhas na comunicação. Este trabalho propõe uma abordagem inovadora que combina ontologias com Retrieval Augmented Generation (RAG) e Large Language Models (LLMs) para garantir a interpretação precisa dos dados compartilhados, independentemente dos diversos contextos dos atores envolvidos. Ao aproveitar os pontos fortes das ontologias para a representação do conhecimento e do RAG para a compreensão contextual, a estrutura proposta visa aprimorar a interoperabilidade e facilitar a colaboração eficaz no setor de energia, contribuindo para uma transição energética mais suave e eficiente. Os resultados indicam que a solução proposta é eficaz na atribuição de significados contextualmente relevantes aos termos, melhorando o compartilhamento de dados e reduzindo a probabilidade de mal-entendidos decorrentes de diferentes contextos e perspectivas entre emissores e receptores. |
Keywords: | Context-aware Large language models Ontologies Renewable energies Retrieval augmented generation |
CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA |
Language: | por |
Country: | Brasil |
Publisher: | Universidade Federal de Juiz de Fora (UFJF) |
Institution Initials: | UFJF |
Department: | ICE – Instituto de Ciências Exatas |
Program: | Programa de Pós-graduação em Ciência da Computação |
Access Type: | Acesso Aberto Attribution-ShareAlike 3.0 Brazil |
Creative Commons License: | http://creativecommons.org/licenses/by-sa/3.0/br/ |
URI: | https://repositorio.ufjf.br/jspui/handle/ufjf/19368 |
Issue Date: | 27-Jun-2025 |
Appears in Collections: | Mestrado em Ciência da Computação (Dissertações) |
This item is licensed under a Creative Commons License