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
