https://repositorio.ufjf.br/jspui/handle/ufjf/19368| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| matheusbruggerjenevain.pdf | PDF/A | 4.84 MB | Adobe PDF |  Visualizar/Abrir | 
| Tipo: | Dissertação | 
| Título: | Contextualized data sharing in the energy industry: a retrieval-augmented ontology solution | 
| Autor(es): | Jenevain, Matheus Brugger | 
| Primeiro Orientador: | Dantas, Mario Antonio Ribeiro | 
| Co-orientador: | Pinto, Milena Faria | 
| Membro da banca: | Menezes, Victor Ströele de Andrade | 
| Membro da banca: | 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. | 
| Palavras-chave: | Context-aware Large language models Ontologies Renewable energies Retrieval augmented generation | 
| CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA | 
| Idioma: | por | 
| País: | Brasil | 
| Editor: | Universidade Federal de Juiz de Fora (UFJF) | 
| Sigla da Instituição: | UFJF | 
| Departamento: | ICE – Instituto de Ciências Exatas | 
| Programa: | Programa de Pós-graduação em Ciência da Computação | 
| Tipo de Acesso: | Acesso Aberto Attribution-ShareAlike 3.0 Brazil | 
| Licenças Creative Commons: | http://creativecommons.org/licenses/by-sa/3.0/br/ | 
| URI: | https://repositorio.ufjf.br/jspui/handle/ufjf/19368 | 
| Data do documento: | 27-Jun-2025 | 
| Aparece nas coleções: | Mestrado em Ciência da Computação (Dissertações) | 
Este item está licenciado sob uma Licença Creative Commons
     
    

 
						
						
						
					 
						
						
					 
						
					 
		
					




