Please use this identifier to cite or link to this item: https://repositorio.ufjf.br/jspui/handle/ufjf/19368
Files in This Item:
File Description SizeFormat 
matheusbruggerjenevain.pdfPDF/A4.84 MBAdobe PDFThumbnail
View/Open
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Dantas, Mario Antonio Ribeiro-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2900995280822495pt_BR
dc.contributor.advisor-co1Pinto, Milena Faria-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/9537851345288279pt_BR
dc.contributor.referee1Menezes, Victor Ströele de Andrade-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/7561791813071961pt_BR
dc.contributor.referee2Ebecken, Nelson Francisco Favilla-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/2703716951709834pt_BR
dc.creatorJenevain, Matheus Brugger-
dc.creator.Latteshttp://lattes.cnpq.br/0257247350945537pt_BR
dc.date.accessioned2025-09-03T15:56:36Z-
dc.date.available2025-09-03-
dc.date.available2025-09-03T15:56:36Z-
dc.date.issued2025-06-27-
dc.identifier.urihttps://repositorio.ufjf.br/jspui/handle/ufjf/19368-
dc.description.abstractA 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.pt_BR
dc.description.resumoA 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.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Juiz de Fora (UFJF)pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentICE – Instituto de Ciências Exataspt_BR
dc.publisher.programPrograma de Pós-graduação em Ciência da Computaçãopt_BR
dc.publisher.initialsUFJFpt_BR
dc.rightsAcesso Abertopt_BR
dc.rightsAttribution-ShareAlike 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-sa/3.0/br/*
dc.subjectContext-awarept_BR
dc.subjectLarge language modelspt_BR
dc.subjectOntologiespt_BR
dc.subjectRenewable energiespt_BR
dc.subjectRetrieval augmented generationpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRApt_BR
dc.titleContextualized data sharing in the energy industry: a retrieval-augmented ontology solutionpt_BR
dc.typeDissertaçãopt_BR
Appears in Collections:Mestrado em Ciência da Computação (Dissertações)



This item is licensed under a Creative Commons License Creative Commons