NIMA Predict é uma ferramenta desenvolvida para determinar produções que estão relacionadas a meio ambiente. A ferramenta foi desenvolvida para ser integrada no projeto Busca@NIMA.

Essa ferramenta possui duas funcionalidades:

• Classificação em tempo real: a ferramenta é um servidor que recebe produções e responde com sua classificação em poucos milisegundos.
• Classificação completa: a ferramenta é um script que acessa o banco de dados e classifica todas as produções, guardando no próprio banco de dados.

A classificação é feita através de uma rede neural, treinada sobre um conjunto de dados fornecido.

Primeiro, tenha em mãos um conjunto de dados, na seguinte estrutura, para treinar a rede neural:

| ident    | nome                          | tipo       | conteudo                | res   |
|----------|-------------------------------|------------|-------------------------|-------|
| abcd1234 | Ensaios sobre justiça         | Livro      | -                       | False |
| jkla9367 | Modelagem Geométrica          | Artigo     | -                       | False |
| apbi4638 | Organismos Fotossintetizantes | Disciplina | Origem e diversidade... | True  |

Em que ident seria um identificador, o nome contém o nome da produção, o tipo é um classificador genérico da produção, o conteudo contém alguma descrição geral da produção, e res diz se é relacionado a meio ambiente ou não.

É altamente recomendo a utilização de um ambiente virtual em Python, ou usar algum gerenciador de ambientes como o conda. Abaixo estão as instruções de como gerar um ambiente virtual utilizando o venv :

# criando o ambiente virtual em "venv"
$ python -m venv venv

# iniciando o ambiente virtual
# windows
$ venv\Scripts\activate
# mac/linux
$ ./venv/Scripts/activate

# saindo do ambiente virtual
$ deactivate

Depois disso, instale os pacotes necessários:

# windows
(venv) $ pip install -r requirements.txt
# mac/linux
(venv) $ pip3 install -r requirements.txt

Para treinar o modelo de rede neural, execute a função main dentro de nima_predict.rede_neural.treino :

$ cd nima_predict
$ python    # python3 se mac/linux

>>> from rede_neural import treino
>>> treino.main()

Siga as instruções, e ele irá gerar um arquivo .h (o modelo de rede neural) e um arquivo .pkl (um vetorizador, para o pré tratamento das palavras)

Para rodar o servidor, execute o arquivo main_tempo_real.py em nima_predict, que utiliza três argumentos:

$ python nima_predict/main_tempo_real.py  PATH/PARA/MODELO  PATH/PARA/VETORIZADOR  PORTA_SERVIDOR

O servidor espera receber um JSON em alguma das seguintes três formas:

{
  "identificador_1": "TEXTO PARA SER CLASSIFICADO",
  "identificador_2": ["PARTES", "DE", "UM TEXTO", "PARA", "SER CONCATENADO", "E CLASSIFICADO"],
  "identificador_3": {
    "nome": "nome da produção", "conteudo": "conteudo da produção"
  }
}

e irá responder com a chance de ser de meio ambiente:

{
  "identificador_1": 0.123,
  "identificador_2": 0.234
}

Para testar, execute o script exemplo/main.py, que envia o conteudo de /exemplo/data.json

$ cd exemplo
$ python main_tempo_real.py

Ou utilize netcat (em linux):

$ echo {"a": "b"} | nc 0.0.0.0 9999

O banco de dados para acessar e armazenar as produções é o AllegroGraph. Os dados das produções estão espalhados em diversos repositórios no banco.

As queries SPARQL usadas para coletar as produções e as disciplinas são as seguintes.

SELECT ?ident ?nome
WHERE {
    ?ident 
        dc:title ?nome ;
        rdf:type ?tipo .
    filter (?tipo IN (
        <http://purl.org/ontology/bibo/Thesis>,
        <http://purl.org/ontology/bibo/Article>,
        <http://purl.org/ontology/bibo/Book>,
        <http://purl.org/ontology/bibo/Chapter>
    ) ) .    
}

PREFIX ccso: <https://w3id.org/ccso/ccso#>
SELECT ?ident ?nome ?ementa
WHERE {
    ?ident
        ccso:csName ?nome ;
        ccso:KnowledgeBody ?ementa .
}

Para alterar as queries, edite as variáveis QUERY_PRODUOES e QUERY_DISCIPLINAS, no arquivo nima_predict/classificacao/conexao.py

Antes de executar o script, primeiro declare as seguintes variáveis de ambiente para serem usadas na conexão com o AllegroGraph:

$ export AGRAPH_HOST=localhost
$ export AGRAPH_PORT=10035
$ export AGRAPH_USER=seu_nome_de_usuario_aqui
$ export AGRAPH_PASSWORD=sua_senha_aqui

Feito isso, execute o arquivo main_completo.py:

$ cd nima_predict
$ python main_completo.py

Siga as instruções. Ele irá solicitar os arquivos da rede neural, assim como os nomes dos repositórios de onde ele irá coletar todas as produções. No final, ele irá solicitar um repositório para armazenar as triplas resultantes