- Inserido demais datasets:
- 2 sujos: iTunes-Amazon, Walmart-Amazon
- 2 estruturados: Fodors-Zagats, iTunes-Amazon dados IC
- Houve uma limpeza dos dados, pois erros eram gerados
- Para cada par de dataset, ex.: iTunes-Amazon, selecionamos 2 atributos mais representativos de cada e identicos, assim para o iTunes selecionamos 2 atributos e para a Amazon 2 atributos;
- Foi realizado o produto cartesiano entre as 2 tabelas para formar o conjunto iTunes-Amazon através de um script
- Foi executado os testes no DeepMatcher e no Ditto
-
preparar exemplo similar os deepmatcher sobre diry, structured, textual, descrição do produto (descrição computador)
-
usa tabelas
-
figura 1 colocar em portugues
-
mostrar tupla t1 e t2 (dirty, structured, textual) com erro de digitação
-
FIGURA 1 em portugues
- t1 e t2 normal
- criar t1.1 e t2.1 com erros
artigo que descreve deepmatcher 'Entity Matching with Transformer Architectures - A Step Forward in Data Integration'
- LSTM lida com memoria;
trabalhar no resumo do relatorio. Pegar na introdução os ultimos paragrafos
cada frase do resumo é um paragrafo da introdução. Qual o problem? Pq imoprtate? o que de ruim pode acarretar? Pq dificil para resolver? Limitçõe dos trabalhos anteriores, limites textuais (o nosso) e indicativo dos resultados.
Artigo cientifico para o ERI citar no relatorio.
Introdução paragrafo por paragrafo para gerar resumo.
escrever e declara o termo especifico (descrver o termo)
Escrever seção 3 - olhar artigos pra usar como base
descrever dataset (mais tempo), metricas (F1), ambiente
e 4 do artigo
AMBIENTE (menor que resultados)************************************************** => tabela 1 A tabela 1 apresenta alguns datasets que foram utilizados para para a realização dos experimentos, o atributo ''tipo'' se refere ao tipo de dados de entrada, assim para o tipo estruturados há cinco datasets, para textual há 1 dataset e para sujos há 2 datasets.
Os datasets estruturados (descrever datasets)
-> descrever de onde veio o dataset (olhar git deepmatcher)
O atributo rotulado se refere a quantidade de dados rotulado (descrever)
atributo atributo (comentar)
=> metricas (descrever brevemente)
Para mensurar o desempenho dos modelos do \textit{Ditto} e modelos de sumarização do \textit{DeepMatcher}, se usa o F1 que representa a acurácia em todos os modelos treinados para a identificação de menções de entidades e é obtido a partir da precisão e do recall. A precisão é definida como o verdadeiro positivo dividido pela soma do falso e verdadeiro positivo,
=> tabela 2
- definir Ei
- descrever porcentagem de erros, a quantidade, atibutos (pq tal atributo? mais representativo)
=> mais
- citar pacotes e onde foram baixados
- padronização do ambiente de execução
- comentar sobre colab
RESULTADOS ************************************************** => comentar sobre tempo (qual mais rapido e mais lento e pq) => comparação delta
- descrver brevemente as tabelas
- um paragrafo pra cada tabela
- definir delta (original -e)
- pq ditto é melhor?
- um para artigo;
- um para relatorio;
- um para tcc;