Análise de tradução homem-máquina utilizando mecanismos de atenção para sistemas baseados em SQL para indústria 4.0

Detalhes bibliográficos
Autor(a) principal: Silva Júnior, Silvan Ferreira da
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFRN
Texto Completo: https://repositorio.ufrn.br/handle/123456789/31668
Resumo: O uso de bancos de dados relacionais está cada vez mais presente na indústria. Aplicações em medicina, IoT e Indústria 4.0 são exemplos disso. Apesar da grande capacidade e eficiência no armazenamento e recuperação de dados, esse tipo de banco de dados requer conhecimentos técnicos em linguagens de consulta específicas para o acesso a essas informações, o que afasta esses tipos de aplicativos do público não especializado. Neste trabalho, propomos uma aplicação de modelos recentes de Deep Learning em processamento de linguagem natural que utiliza mecanismos de atenção para tradução da linguagem natural em inglês para SQL aplicada a um banco de dados que armazena dados de sensores, com foco no conceito de Indústria 4.0. Exemplos pareados de frases de linguagem natural foram gerados com sua consulta SQL correspondente para serem usados para treinamento e validação. O modelo foi agnóstico em relação ao esquema de banco de dados, de forma que só lida com as sequências de entrada e saída independentemente da estrutura do banco de dados. Os dados vêm de historiadores de processo típico usado nos cenários industriais. Ao treinar a rede neural profunda, foi obtido um modelo de linguagem com uma precisão de aproximadamente 92% no conjunto de validação.
id UFRN_6916c4e1eab0718042700baa6309934a
oai_identifier_str oai:https://repositorio.ufrn.br:123456789/31668
network_acronym_str UFRN
network_name_str Repositório Institucional da UFRN
repository_id_str
spelling Silva Júnior, Silvan Ferreira dahttp://lattes.cnpq.br/0669123874358910http://lattes.cnpq.br/4402694969508077Silva, Ivanovitch Medeiros Dantas dahttp://lattes.cnpq.br/3608440944832201Brito Filho, Francisco de Assishttp://lattes.cnpq.br/1448427094519653Leitão, Gustavo Bezerra Pazhttp://lattes.cnpq.br/6766556258983738Martins, Allan de Medeiros2021-03-03T20:10:06Z2021-03-03T20:10:06Z2020-12-18SILVA JÚNIOR, Silvan Ferreira da. Análise de tradução homem-máquina utilizando mecanismos de atenção para sistemas baseados em SQL para indústria 4.0. 2020. 82f. Dissertação (Mestrado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2020.https://repositorio.ufrn.br/handle/123456789/31668O uso de bancos de dados relacionais está cada vez mais presente na indústria. Aplicações em medicina, IoT e Indústria 4.0 são exemplos disso. Apesar da grande capacidade e eficiência no armazenamento e recuperação de dados, esse tipo de banco de dados requer conhecimentos técnicos em linguagens de consulta específicas para o acesso a essas informações, o que afasta esses tipos de aplicativos do público não especializado. Neste trabalho, propomos uma aplicação de modelos recentes de Deep Learning em processamento de linguagem natural que utiliza mecanismos de atenção para tradução da linguagem natural em inglês para SQL aplicada a um banco de dados que armazena dados de sensores, com foco no conceito de Indústria 4.0. Exemplos pareados de frases de linguagem natural foram gerados com sua consulta SQL correspondente para serem usados para treinamento e validação. O modelo foi agnóstico em relação ao esquema de banco de dados, de forma que só lida com as sequências de entrada e saída independentemente da estrutura do banco de dados. Os dados vêm de historiadores de processo típico usado nos cenários industriais. Ao treinar a rede neural profunda, foi obtido um modelo de linguagem com uma precisão de aproximadamente 92% no conjunto de validação.The use of relational databases is increasingly present in the industry. Applications in medical, IoT and Industry 4.0 are examples of this. Despite the large capacity and efficiency in storing and retrieving data, this type of database requires technical knowledge in specific query languages to access this information, which distances these types of application from the non-expert public. In this work, we propose an application of recent Deep Learning models in natural language processing that uses attention mechanisms for translation from natural language in English to SQL applied to a database which stores data from sensors, focused on the concept of Industry 4.0. Paired examples of natural language phrases were generated with their corresponding SQL query to be used for training and validation. The model was database scheme agnostic, in a way that it only handles the input and output sequences regardless of the database structure. Data come from a typical process historians used in industrial scenarios. By training the deep neural network, it was obtained a language model with an accuracy of approximately 92% in the validation set.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESUniversidade Federal do Rio Grande do NortePROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃOUFRNBrasilNLPIndústriaIoTSQLDeep LearningAnálise de tradução homem-máquina utilizando mecanismos de atenção para sistemas baseados em SQL para indústria 4.0info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNTEXTAnalisetraducaohomem_SilvaJunior_2020.pdf.txtAnalisetraducaohomem_SilvaJunior_2020.pdf.txtExtracted texttext/plain141557https://repositorio.ufrn.br/bitstream/123456789/31668/2/Analisetraducaohomem_SilvaJunior_2020.pdf.txtb25b4795bb8a9fa81e84e91576b94a46MD52THUMBNAILAnalisetraducaohomem_SilvaJunior_2020.pdf.jpgAnalisetraducaohomem_SilvaJunior_2020.pdf.jpgGenerated Thumbnailimage/jpeg1494https://repositorio.ufrn.br/bitstream/123456789/31668/3/Analisetraducaohomem_SilvaJunior_2020.pdf.jpgee8f436e9fa66cc506dc69c73effd8eaMD53ORIGINALAnalisetraducaohomem_SilvaJunior_2020.pdfapplication/pdf2962285https://repositorio.ufrn.br/bitstream/123456789/31668/1/Analisetraducaohomem_SilvaJunior_2020.pdfcc32ad21ed7f55e57986bb32a27a695eMD51123456789/316682021-03-07 05:50:02.92oai:https://repositorio.ufrn.br:123456789/31668Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2021-03-07T08:50:02Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false
dc.title.pt_BR.fl_str_mv Análise de tradução homem-máquina utilizando mecanismos de atenção para sistemas baseados em SQL para indústria 4.0
title Análise de tradução homem-máquina utilizando mecanismos de atenção para sistemas baseados em SQL para indústria 4.0
spellingShingle Análise de tradução homem-máquina utilizando mecanismos de atenção para sistemas baseados em SQL para indústria 4.0
Silva Júnior, Silvan Ferreira da
NLP
Indústria
IoT
SQL
Deep Learning
title_short Análise de tradução homem-máquina utilizando mecanismos de atenção para sistemas baseados em SQL para indústria 4.0
title_full Análise de tradução homem-máquina utilizando mecanismos de atenção para sistemas baseados em SQL para indústria 4.0
title_fullStr Análise de tradução homem-máquina utilizando mecanismos de atenção para sistemas baseados em SQL para indústria 4.0
title_full_unstemmed Análise de tradução homem-máquina utilizando mecanismos de atenção para sistemas baseados em SQL para indústria 4.0
title_sort Análise de tradução homem-máquina utilizando mecanismos de atenção para sistemas baseados em SQL para indústria 4.0
author Silva Júnior, Silvan Ferreira da
author_facet Silva Júnior, Silvan Ferreira da
author_role author
dc.contributor.authorID.pt_BR.fl_str_mv
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/0669123874358910
dc.contributor.advisorID.pt_BR.fl_str_mv
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/4402694969508077
dc.contributor.advisor-co1ID.pt_BR.fl_str_mv
dc.contributor.referees1.none.fl_str_mv Brito Filho, Francisco de Assis
dc.contributor.referees1ID.pt_BR.fl_str_mv
dc.contributor.referees1Lattes.pt_BR.fl_str_mv http://lattes.cnpq.br/1448427094519653
dc.contributor.referees2.none.fl_str_mv Leitão, Gustavo Bezerra Paz
dc.contributor.referees2ID.pt_BR.fl_str_mv
dc.contributor.referees2Lattes.pt_BR.fl_str_mv http://lattes.cnpq.br/6766556258983738
dc.contributor.author.fl_str_mv Silva Júnior, Silvan Ferreira da
dc.contributor.advisor-co1.fl_str_mv Silva, Ivanovitch Medeiros Dantas da
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/3608440944832201
dc.contributor.advisor1.fl_str_mv Martins, Allan de Medeiros
contributor_str_mv Silva, Ivanovitch Medeiros Dantas da
Martins, Allan de Medeiros
dc.subject.por.fl_str_mv NLP
Indústria
IoT
SQL
Deep Learning
topic NLP
Indústria
IoT
SQL
Deep Learning
description O uso de bancos de dados relacionais está cada vez mais presente na indústria. Aplicações em medicina, IoT e Indústria 4.0 são exemplos disso. Apesar da grande capacidade e eficiência no armazenamento e recuperação de dados, esse tipo de banco de dados requer conhecimentos técnicos em linguagens de consulta específicas para o acesso a essas informações, o que afasta esses tipos de aplicativos do público não especializado. Neste trabalho, propomos uma aplicação de modelos recentes de Deep Learning em processamento de linguagem natural que utiliza mecanismos de atenção para tradução da linguagem natural em inglês para SQL aplicada a um banco de dados que armazena dados de sensores, com foco no conceito de Indústria 4.0. Exemplos pareados de frases de linguagem natural foram gerados com sua consulta SQL correspondente para serem usados para treinamento e validação. O modelo foi agnóstico em relação ao esquema de banco de dados, de forma que só lida com as sequências de entrada e saída independentemente da estrutura do banco de dados. Os dados vêm de historiadores de processo típico usado nos cenários industriais. Ao treinar a rede neural profunda, foi obtido um modelo de linguagem com uma precisão de aproximadamente 92% no conjunto de validação.
publishDate 2020
dc.date.issued.fl_str_mv 2020-12-18
dc.date.accessioned.fl_str_mv 2021-03-03T20:10:06Z
dc.date.available.fl_str_mv 2021-03-03T20:10:06Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv SILVA JÚNIOR, Silvan Ferreira da. Análise de tradução homem-máquina utilizando mecanismos de atenção para sistemas baseados em SQL para indústria 4.0. 2020. 82f. Dissertação (Mestrado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2020.
dc.identifier.uri.fl_str_mv https://repositorio.ufrn.br/handle/123456789/31668
identifier_str_mv SILVA JÚNIOR, Silvan Ferreira da. Análise de tradução homem-máquina utilizando mecanismos de atenção para sistemas baseados em SQL para indústria 4.0. 2020. 82f. Dissertação (Mestrado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2020.
url https://repositorio.ufrn.br/handle/123456789/31668
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
dc.publisher.program.fl_str_mv PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO
dc.publisher.initials.fl_str_mv UFRN
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRN
instname:Universidade Federal do Rio Grande do Norte (UFRN)
instacron:UFRN
instname_str Universidade Federal do Rio Grande do Norte (UFRN)
instacron_str UFRN
institution UFRN
reponame_str Repositório Institucional da UFRN
collection Repositório Institucional da UFRN
bitstream.url.fl_str_mv https://repositorio.ufrn.br/bitstream/123456789/31668/2/Analisetraducaohomem_SilvaJunior_2020.pdf.txt
https://repositorio.ufrn.br/bitstream/123456789/31668/3/Analisetraducaohomem_SilvaJunior_2020.pdf.jpg
https://repositorio.ufrn.br/bitstream/123456789/31668/1/Analisetraducaohomem_SilvaJunior_2020.pdf
bitstream.checksum.fl_str_mv b25b4795bb8a9fa81e84e91576b94a46
ee8f436e9fa66cc506dc69c73effd8ea
cc32ad21ed7f55e57986bb32a27a695e
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)
repository.mail.fl_str_mv
_version_ 1814832812808732672

Registros relacionados