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
     
    

 
						
						
						
					 
						
						
					 
						
					 
		
					




