Extraction of the Concept and Taxonomic Relations Using Formal Concept analysis and Data Fuzzy Clustering

Some structures for knowledge representation are organized from concepts and relationships between concepts, among which we can mention semantic networks and ontologies. An important tool that help in the creation process of these structures is the Formal Concept Analysis (FCA). FCA has been applied in several fields of research, such as data mining, machine learning, artificial intelligence and Software Engineering. The FCA can now be considered an important formalism for the representation of knowledge, extraction and analysis with applications in diferente areas, and is used for the construction of ontologies, since it provides a basis for the development and implementation of methods to extract ontological concepts as well as the ontological taxonomy involving the extracted concepts. In the Formal Concept Analysis, concepts are sets of objects that share the same attributes. Concepts are extracted from a set of data and organized in the form of a Concept Lattice, defined by the relation of inclusion between concepts. The structure of the Conceptual Framework can become large due to the high number of concepts and relations, making a complex structure, and often difficult computational process. The purpose of this work is to reduce the formal context of a specific domain by using two fuzzy clustering algorithms, so that a reduced Concept Lattice is generated. The results showed that the Fuzzy C-Means clustering algorithm performed better than Possibilistic Fuzzy C-Means algorithm.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Algumas estruturas para representação do conhecimento se organizam a partir conceitos e relacionamentos entre conceitos, entre as quais podemos citar as redes semânticas e as ontologias. Uma importante ferramenta que auxilia no processo de criação dessas estruturas é a Análise de Conceitos Formais (ACF). ACF tem sido aplicada em diversos campos de pesquisa, tais como mineração de dados, aprendizado de máquina, inteligência artificial e engenharia de Software. A ACF pode ser considerado atualmente um formalismo importante para a representação do conhecimento, extração e análise com aplicações em diferentes áreas, sendo que é utilizado para a construção de ontologias, pois oferece uma base para desenvolvimento e implementação de métodos para extrair conceitos ontológicos, bem como a taxonomia ontológica envolvendo os conceitos extraídos. Na análise de conceitos formais, conceitos são conjuntos de objetos que compartilham dos mesmos atributos. Conceitos são extraídos de um conjunto de dados e organizados na forma de um reticulado de conceitos, definido pela relação de inclusão entre os conceitos. A estrutura do Reticulado de Conceitos pode se tornar grande em função do número elevado de conceitos e relações, tornando uma estrutura complexa, e muitas vezes, de difícil processamento computacional. O objetivo deste trabalho é reduzir o contexto formal de um domínio específico, utilizando dois algoritmos de agrupamento fuzzy, para que seja gerado um Reticulado de conceitos também reduzidCAPES: código de financiamento - 01o. Os resultados mostraram que o algoritmo de agrupamento Fuzzy C-Means teve um desempenho superior que o algoritmo Possibilistic Fuzzy C-Means.CAPES: código de financiamento - 0