EXPRESSÕES DE POSICIONAMENTO COMO
FONTE DE CONTEXTO GEOGRÁFICO NA WEB
Instituto de Ciênias Exatas
Programa de Pós-Graduação em Ciênia da Computação
EXPRESSÕES DE POSICIONAMENTO COMO
FONTE DE CONTEXTO GEOGRÁFICO NA WEB
Dissertação apresentada ao Programa de
Pós-GraduaçãoemCiêniadaComputação
da Universidade Federal de Minas Gerais
omo requisito parial para a obtenção do
graudeMestreemCiêniadaComputação.
TIAGO MARQUES DELBONI
Expressões de posiionamentosão expressões em linguagem natural que desrevem a
posição de um objeto de interesse em relação a um ponto de referênia, omo, por
exemplo, `a duas quadras dapraia de Ipanema'. Ao ontrário de outros loalizadores
geográos, pouo se sabea respeito das expressões de posiionamento. Este trabalho
proura preenher essa launa mediantearealização de um estudode aso envolvendo
expressões de posiionamentona idade de Belo Horizonte. Apesar de não serem tão
preisas quanto um endereço exato, a orreta interpretação das expressões de
posii-onamento permitenos utilizálasom suesso em diversas apliações de reuperação
de informação geográa. Quando utilizadas emum experimento de busa loal, por
exemplo,asexpressõesdeposiionamentoobtiveramrespostasomumapreisãomédia
Positioning expressions are natural language expressions that desribe the position
of a subjet of interest relatively to a landmark, for example, `two bloks from the
Ipanemabeah'. Inontrasttoothergeographiloalizers,littleisknownregardingthe
positioningexpressions. Thisworkaimstollthisgappresentingaasestudyinvolving
positioning expressions in the ity of Belo Horizonte. Although not so aurate as
an address, the orret interpretation of positioning expressions allows them to be
suessfully employed in diverse geographi information retrieval appliations. When
used in a loal searh experiment, for example, the average preision of the answers
Queridospais,MaroeZélia,muitoobrigadopeloamor,paiênia,ompreensão,apoio
e inentivo reebidos durante todaa jornada. Se aquiheguei,foi graças a voês!
Alberto, ertamentetenho muito a teagradeer. Obrigado pelaonança,
oportu-nidades eensinamentos. Foiumagrande honratêlo omoorientador. Estejaerto de
que apreendi muito.
Karla,voê nãoexiste! Semsuaajuda,inentivoeompanheirismoasoisasseriam
bemmais difíeis.
Agradeçotambémao professorBerthier pela oportunidadede ingressarnaárea de
pesquisa, ao pessoal do SIDS pelo apoio irrestrito, ao Palmieri pelas sábias palavras
de onforto e inentivo nada é tão ruim que não possa piorar e ao Luís pelos
inúmerosexemplos prátiosforneidos.
Obrigado aos olegas e amigos que me ajudaram nessa empreitada e zeram-na
1 Introdução 1
2 Reuperação de Informação Geográa na Web 5
2.1 Busa Loal . . . 5
2.2 Atribuiçãode Contexto Geográo . . . 7
3 Expressões de Posiionamento 12 3.1 Coneitos e Terminologia . . . 12
3.2 Estudo de Caso: Belo Horizonte . . . 15
3.2.1 Identiação de Expressõesde Posiionamento . . . 16
3.2.2 Classiação das Expressões de Posiionamento . . . 19
3.2.3 Análise das Expressões de Posiionamento . . . 21
3.3 Expandindo os Horizontes . . . 27
3.4 Interpretaçãodas Expressões de Posiionamento . . . 32
4 Apliações 36 4.1 Uso de Expressões de PosiionamentoemBusa Loal. . . 36
4.1.1 Visão Geral daEstratégia de Busa . . . 38
4.1.2 Resultados Experimentais . . . 40
4.2 Grafo de Inferênia Geográa . . . 45
5 Conlusões e Trabalhos Futuros 58 A Relações Espaiais omo Expressões Regulares 63 A.1 Fuzzy . . . 63
A.1.1 próximo ao . . . 63
A.1.2 perto de . . . 63
A.1.3 depoisde . . . 63
A.1.4 antes de . . . 63
A.1.5 nas proximidades de . . . 63
A.1.8 aima de . . . 64
A.1.9 na vizinhançade . . . 64
A.2 Direionais. . . 64
A.2.1 em frenteao . . . 64
A.2.2 ao lado de . . . 64
A.2.3 atrás de . . . 64
A.2.4 defronte ao . . . 64
A.3 Métrias . . . 64
A.3.1 a ? km de . . . 64
A.3.2 a ? minutos de . . . 65
A.3.3 a ? quilmetrosde . . . 65
A.3.4 a ? metros de . . . 65
A.3.5 a ? quadras de . . . 65
A.3.6 a ? mde . . . 65
A.3.7 a ? minde . . . 65
A.3.8 a ? quarteirões de . . . 66
A.3.9 a ? bloos de . . . 66
A.4 Topológias . . . 66
A.4.1 dentrode . . . 66
A.4.2 no oraçãode . . . 66
A.4.3 no ? andarde . . . 66
A.4.4 em ima de . . . 66
A.4.5 no ? piso de . . . 66
A.4.6 embaixode . . . 67
A.4.7 na praçade alimentação de . . . 67
A.4.8 no ? nível de . . . 67
B Oorrênia das Relações Espaiais 68 B.1 RelaçõesEspaiais nas Expressões de PosiionamentoVálidas eInválidas 68 B.2 RelaçõesEspaiais nas Expressões de PosiionamentoVálidas . . . 70
2.1 Visualização em mapa do resultado da onsulta `hotel new york, ny' no
Google Loal. . . 8
3.1 Visãogeraldo proessode aquisição elassiaçãode expressõesde posii-onamentodo estudode aso. . . 16
3.2 Exemplo dasaída doextrator. . . 17
3.3 Interfae Web para lassiaçãodas expressões de posiionamento.. . . 19
3.4 Distribuiçãodas relaçõesespaiais porategoria.. . . 24
3.5 Distribuiçãodas relaçõesespaiais por ategoria, em Belo Horizonte e nos demaismuniípios. . . 25
3.6 Funionamento resumido doextrator. . . 30
3.7 Posiçãodos loaisde interesseemrelaçãoàáreadeterminadapelas relações espaiais`perto de' e`próximoa'. . . 35
4.1 Exemplo de uma estrutura parial representando uma listainvertida. . . . 38
4.2 Apliaçãode busa naWeb . . . 40
4.3 Revoação
×
preisão médiapara as onsultas originaise expandidas . . . 434.4 Busaporhotéis noCitysearh.om utilizandose ponto de referênia . . . 45
4.5 Inserção de referênias geográas no grafode inferênia geográa. . . 47
4.6 Representação gráada função
D
. . . 484.7 Distânias eulidianasmínima emáxima entre osvérties
v
1
ev
3
. . . 484.8 Exemplo de uma apliaçãoque utilizaa função
select
. . . 494.9 Grafode Inferêniado Exemplo 1 . . . 50
4.10 Grafode Inferêniado Exemplo 2 . . . 51
4.11 Cobertura das expressões de posiionamentopelos pontosde referênia. . . 53
4.12 Interseções entre irunferênias. . . 54
4.13 Registroom dados do site CarnaSite. . . 55
4.14 Interpolação doponto de interseção entre as irunferênias. . . 56
3.1 Resumodalassiaçãodostrehosandidatos. Asporentagensreferemse
aovalor doitem nonívelsuperior. . . 22
3.2 Prinipaisrelaçõesespaiais. . . 24
3.3 Prinipaistipos de loalde interesse emBelo Horizonte. . . 25
3.4 Prinipaistipos de ponto de referênia emBelo Horizonte. . . 26
3.5 Prinipaispontos de referênia emBelo Horizonte. . . 27
3.6 Distâniamédia,em palavras,entre arelaçãoespaiale opontode referên-ia, por ategoria de relaçõesespaiais. . . 29
3.7 Desempenho doextrator paraas expressões de posiionamentodos trehos de Belo Horizonte. As porentagens referemse ao valor do item no nível superior. . . 31
3.8 Distânias em metros orrespondentes às relaçõesespaiais. . . 33
4.1 Consultas originaisutilizadasno experimento . . . 41
Introdução
Segundo Himmelstein(2005),astendêniasqueapontamparaorápidoresimentoda
utilização daInternet omo fonte de informaçõesrelaionadas a um esopogeográo
são inonfundíveis. Apenetração daInternet navidadaspessoas,om adisseminação
doaessoàrede,espeialmenteembandalarga,fezaumentaraintensidadede
utiliza-ção dessa mídia omo ferramentade auxílioa atividadesdodiaadiaomo enontrar
loais, produtos, lojas, serviços e eventos na vizinhança ou idade onde moram ou
trabalham. A Internet oupa agora um espaço que até então era privilégio de mídias
tradiionais omo jornais loais, lassiados, páginas amarelas e atálogosde
produ-tos. Uma pesquisa de janeiro de 2004, realizada pelo The Kelsey Group e pelo site
BizRate.om, revelou que25% das busas de ompradores online eram por produtos
e serviços próximosà minha asa outrabalho. 1
Reorrer a uma máquina de busa para enontrar informações de interesse na
In-ternet é tarefa rotineira para a maioria das pessoas. Cruiais para o desenvolvimento
da Internet omoa onheemoshoje epara a difusão semfronteiras doonheimento,
as máquinas de busa nos permitem enontrar, om rapidez e boa preisão,
informa-çõesrelevantes para uma ampla gama de onsultas emmeio ao universo em ontínua
expansão dos bilhões de doumentos publiadosna Web.
No entanto, a utilização de máquinas de busa para a realização de pesquisas por
ritériosgeográos,onheida omobusaloal(loalsearh),apresentaumasérie de
limitações. Essas limitações devemse não apenas à maneira omo os dados da Web
estão estruturados, mas também aos métodos atuais de reuperação de informação,
tipiamentelimitadosaasamentosexatos oupariaisentre um onjuntode palavras
have, denominado onsulta, e o texto dos doumentos. Por exemplo, a inlusão do
nome de um lugar entre as palavrashave não assegura que apenas doumentos
on-tendo referênias aesse lugarsejamreuperados. Peloontrário,todos os doumentos
1
ontendo aspalavrashave daonsultaserão reuperados, mesmoque noontexto de
alguns deleso nomeespeiado não serera aum lugar. Porexemplo,a palavra
`Vi-tória' pode, além de uma idade, referirse a um triunfo, uma pessoa ouainda auma
famíliade plantasaquátias. Emoutraspalavras,umavezqueainformaçãodisponível
éaessada demaneirauniforme,asmáquinasdebusatradiionaisignoramoontexto
geográo dosdoumentosdaWeb,inluindonarespostadoumentosgeograamente
irrelevantes(Ding etal.,2000;MCurley ,2001;Amitay etal.,2004;Silvaetal.,2004).
Para tornaremseaptas aotratamento de onsultas mais espeías,ligadas a
do-mínios espeializados, exigese das máquinas de busa um nível superior de
interpre-tação semântia da neessidade de informação do usuário, interfaes mais elaboradas
e amigáveis para a espeiação da onsulta e a visualização dos resultados, e
estra-tégias difereniadas para seleção e ordenação dos doumentos relevantes. Essas novas
estratégias devem levar em onsideração evidênias adiionais além daquelas
utiliza-das atualmente, isto é,a freqüênia de palavrashave no doumento e naoleção e a
existênia de links entre os doumentos.
Aompanhando essatendênia, amaioriadosgrandesportaisemáquinasde busa,
omoAOL,MSN,Google,Yahoo! eAskJeeves,passouaofereerserviçosvoltadospara
a busa de onteúdo loal, embora, emgeral, disponíveis apenas para osEstados
Uni-dos eCanadá. AlgunsontemplampaísesdaEuropa,omooReinoUnido,etambémo
Japão. Umadeiêniapresenteemquasetodasessasiniiativaséafaltadeintegração
om dados provenientes da Web a base de doumentos onde as busas geográas
são realizadas é tipiamente formada por registrosadastrais de empresas, adquiridos
a partir da ompra de bases omeriais de serviços tradiionais de páginas amarelas
ou oletados de sites que mantêm atálogos desse tipo online, omo Citysearh.om
e SuperPages.om. Portanto, aWeb, omo importanterepositóriode informações
geo-gráas que é (Borges etal., 2003), está sendo subutilizada pelas atuais ferramentas
de busa loal, que não exploramo potenial queela tem aofereer.
No domíniogeográo, a presença de elementosno texto de um doumento,omo
endereços, ódigos postais ou números de telefone, pode ser usada omo evidênia a
partir daqual épossível orrelaionarparte oua totalidadedas informaçõesnele
on-tidas a umaloalizaçãogeográa. De aordoom Himmelstein(2005), estimase que
pelomenos20%dos doumentos daWeb inluamum oumais desseselementos,fontes
de evidêniadeontextogeográo,denominadosloalizadoresgeográos. Entreeles,
as expressões de posiionamento desrevem, em linguagem natural, a posição de um
objetode interesse em relaçãoaum pontode referênia, omo, porexemplo,`perto do
Paláiodas Artes', `aduas quadrasda praiade Ipanema'e`no oraçãode São Paulo'.
determinam uma relação no espaçoque é mais fáil de ser ompreendida eimaginada
amargemde erro introduzida porelas é ompensada pelaapaidade de raioínio
qualitativo e espaial que os seres humanos possuem. Dessa forma, areditase que
a orreta interpretação das expressões de posiionamento leve a uma geoodiação
tão importante quanto a de um endereço. Inlusive, em algumas situações, as duas
representações podem ser omplementares.
Ao ontrário de outras fontes de evidênia de ontexto geográo, muito pouo
se sabe a respeito das expressões de posiionamento, suas araterístias, inidênia,
interpretações e apliações. Estudar as expressões de posiionamento e identiar as
situaçõesemqueelaspossamserempregadasnoontextodebusaloal,espeialmente
quando fazem referênias a loais intraurbanos, foram os objetivos que nortearam a
exeução deste trabalho, ujas prinipaisontribuiçõessão:
•
Apresentar um estudo de aso que analisa expressões de posiionamentoenon-tradasemdoumentosdaWeb equeestãorelaionadasaloaisnaidadede Belo
Horizonte. Como resultado, foi possível determinar quais os tiposde loalmais
usados omo ponto de referênia e omo loalde interesse, as relações espaiais
mais importantes, os tipos de objetos de interesse uja posição é desrita por
expressões de posiionamentoe a presença dessas expressões emdoumentos da
Web,entre outros(Seção 3.2);
•
Desenvolver um métodopara identiarexpressões de posiionamentoemdou-mentos textuais. Esse método baseiase em regras de análise sintátia de
ons-truçõesemlinguagemnaturalenãorequerumgazetteer paraenontrarum nome
e determinar se ele é ou não um loal. Pelo ontrário, um repositório de nomes
de loais é obtido omo resultado da análise dos doumentos por um programa
extrator implementadopara esse m. Cera de 90% dos nomes desse repositório
orrespondem a nomes de loais (Seção 3.3);
•
Determinar que, no ontexto de uma apliação de busa loal, as prinipaisre-lações espaiais em linguagem natural podem ser onsideradas equivalentes em
termos da distânia que desrevem em relação a um ponto de referênia intra
urbano. Esse fatofoi explorado emuma apliaçãobaseada emexpansão de
on-sultas queutiliza oGoogle para proessá-las(Delboniet al.,2005). As onsultas
expandidas apresentaram uma preisão média era de 60% superior à das
on-sultas originais. Essa apliaçãomostraainda que ospontosde referênia podem
oordenadas geográas não são estritamenteneessárias para se onstruir uma
apliaçãode busa loal(Seções 3.4e 4.1);
•
Desrever uma estrutura de dados para armazenar referênias geográas,deno-minada grafo de inferêniageográa. Operando sobre essa estrutura é possível
determinar a proximidade entre dois loais representados no grafo, mesmo que
não estejam diretamente relaionados por meio de uma relação espaial. Outra
operação possível,é alularaoordenadageográa aproximadapara aposição
de um loal a partir das oordenadas de outros loais. Com essas informações,
podemosaumentaragamade apliaçõeseaeáiados métodos dereuperação
de informação geográa que utilizam informações provenientes das expressões
de posiionamento(Seção4.2).
Esta dissertação está organizada daseguinteforma. NoCapítulo2 há uma
desri-ção dos serviços disponíveisparabusa loalnaWeb e umarevisão daliteraturasobre
o proesso de atribuição de ontexto geográo a doumentos textuais, espeialmente
a partir da identiação de nomes de lugares. Alguns oneitos básios e
termino-logia são introduzidos no Capítulo 3, em que, através de uma série de experimentos,
busase fazerumaaraterizaçãodasexpressõesde posiionamento. Ummétodopara
extrair expressões de posiionamento de doumentos textuais também é apresentado.
O Capítulo4 disute apliações onde as expressões de posiionamento podem ser
uti-lizadas, apresentando alguns resultados prátios,e introduz o que denominamosgrafo
de inferênia geográa,uma estruturade dados utilizadaparaderivarinformaçõesde
Reuperação de Informação
Geográa na Web
Segundo Larson (1996), a reuperação de informação geográa (RIG) é uma área
de pesquisa apliada que ombina aspetos de banos de dados, interação homem
máquina,sistemasdeinformaçãogeográos(SIG)ereuperaçãodeinformação(RI).A
maioriados problemaseapliaçõestradiionaisdeRI possuemumaversãoequivalente
em RIG, onde adimensão geográa assoiada às fontes de informaçãoé o entro das
atenções. Nestetrabalho,aênfaseénoempregodasexpressõesdeposiionamentoomo
fontedeontextogeográoparaapliaçõesdebusaloal,araterizadasnaSeção2.1.
Na Seção 2.2são disutidos alguns tópiosde interesse relaionadosà identiaçãode
expressões de posiionamento e atribuição de ontexto geográo proveniente dessas
expressões.
2.1 Busa Loal
Oobjetivode uma apliaçãode busaloaléenontrar loaisque ofereçamprodutose
serviços de interessedousuárioe queestejamsituadosdentrode um esopogeográo
determinado por ele. `Peças de Jeep em São Paulo' ou `Serviço de impressão a laser
próximo à Rua da Bahia, 2115 Belo Horizonte' são onsultas típias desse tipo de
apliação,quepoderiareuperardoumentosarespeitodeloaisomorevendedoresde
autopeças,oinas,restauradoreseoleionadores,paraaprimeiraonsulta, egráas,
opiadoras ou editoraspara a segunda.
Emuma apliaçãode busa loal, a onsultaque desreve uma neessidade de
in-formação égeralmenteonstituídaporduaspartes. Aprimeira,denominadaobjeto de
interesse, onsiste emum onjunto de palavrashave representando oserviço ou
o esopo geográo,istoé, aárea dentrodaqual osloaisdevemestar siamente
ins-talados. Oesopogeográoé tipiamenteformadoporum entro eum raio de busa,
que juntos denem uma área sobre a superfíie terrestre. Loalizadores assoiados a
oordenadas geográas,omo endereços, ódigos postais, nomesde lugares
(espeial-mente nomes de idade) ou as próprias oordenadas geográas são utilizados omo
entro de busa. No aso do ódigo postal e nome de lugar utiliza-se,por exemplo, a
oordenada do entróide da área à qual eles orrespondem. O raiode busa, por sua
vez, é um valor representando a distânia máxima do entro de busa onde um loal
pode estarsituadoeé,geralmente, esolhidoapartirde umonjuntoprédeterminado
de valores omo, porexemplo, 2,5 ou 10km.
Para gurar na listade doumentos reuperados emresposta a uma onsulta, um
doumento deve atender a dois prérequisitos: (1) ser ompatível om o esopo
geo-gráo da onsulta; e (2) ofereer informações relaionadas aos produtos ou serviços
desritos pelaspalavrashaveinformadasnoobjetodaonsulta. Existembasiamente
três formas de se lidar om esses requisitos, uja origem enontra-se no método
uti-lizado para adquirir a oleção de doumentos onde as busas são realizadas. Vamos
ilustrá-lastomando omo exemplo osserviços omeriais mais representativosde ada
uma: Google Loal 1
e Yahoo! Loal 2
, versões geográas do Google e do Yahoo!, e
Geosearh, uma máquinade busa espeializadaembusa loal, queesteve disponível
na Internet de abril de 2000 a marçode 2002, sendo uma das pioneirasnaárea.
Os doumentos utilizados pelo Yahoo! Loal são registros provenientes de banos
de dados omeriais de adastro de empresas, as tradiionais páginas amarelas,omo
aUS List, omerializadapelaInfoUSA 3
,queontém erade 14milhõesde registros.
Em ontraste, o Geosearh utilizava apenas doumentos oletados na Web, mais
es-peiamente um subonjunto ontendo loalizadores geográos. Já o Google Loal
utilizaumaabordagemmista,ondedoumentos daWeb sãoorrelaionadosaregistros
provenientes de banos de dados omeriais e páginas amarelas online. O elo entre
essas fontes de dados é a presença de endereços ou números de telefone dos registros
omeriais no texto dos doumentos da Web.
Para atender aoprimeirorequisito, istoé,determinarseum doumentoé
ompatí-velomoesopogeográodaonsulta,épreisoqueeletenhapassadoporumaetapa
de préproessamento, onde loalizadores geográos são enontrados (geoparsing) e
então onvertidos em oordenadas geográas(geoodiação). Se asoordenadas
de-terminarem um ponto dentrodaárea oberta pelo esopo daonsulta, o doumento é
onsideradoompatível. NoasodoGoogleLoal eYahoo! Loal, oproessode
geopar-1
http://loal.google.om
2
http://loal.yahoo.om
sing étrivial,poisosloalizadoresgeográosenontram-seemregistrosestruturados.
JánoGeosearh,era preisoutilizarmétodosmaisapurados paradetetálos,umavez
que eles poderiamapareer em qualquer posição dentro dotexto de um doumentoda
Web eemformatosdiversos. Emtodos eles, porém,éneessário ontarom um bano
de dados georrefereniados para que se possa atribuir oordenadas geográas a um
doumento.
Em relação ao segundo requisito, todos os produtos utilizam ténias de
reupe-ração de informaçãoenvolvendo o asamentode palavrashave para tentar reuperar
doumentosontendo informaçõesrelevantes ao usuário. No Yahoo! Loal, oonjunto
de palavrashave que representa o objeto de interesse é pesquisado nos doumentos,
em ampos omo título e desrição, e também nas palavrashave atribuídas às
ate-gorias nas quais foram manualmente lassiados. No Geosearh, a pesquisa oorria
apenas no texto dos doumentos, enquanto no Google Loal tanto o texto dos
dou-mentos provenientes de registros estruturadosquanto o texto dos doumentos daWeb
assoiados a eles são pesquisados. Obviamente, assim omo oorre nas máquinas de
busa, nãohágarantiasdeque, dadoumonjuntodepalavrashave,aneessidadede
informação dousuárioseja ompletamente atendida.
Atendidos os prérequisitos, uma lista de doumentos ordenados por relevânia é
retornada omo resposta à onsulta. Uma gama variável de informações, tais omo
distânia aoentro de busa, horáriode funionamento,preço médio,formas de
paga-mento, resenhas e lassiações são em geral apresentadas, juntamente om o nome,
desrição edadosde ontatodoloalondeoserviçoouprodutode interesseé
omeri-alizado. Com oauxílio de um mapa, por vezes ontando até om imagensde satélite,
o usuário pode visualizar a posição do loalque proura, reeber instruções de omo
hegar e mesmo enontrar loais na redondeza que omerializam outros produtos ou
serviços (Figura 2.1).
2.2 Atribuição de Contexto Geográo
Segundo Amitay etal. (2004), existem dois tipos de ontexto geográo que se pode
atribuir aum doumento daWeb: oontexto da origem (soure) eo ontexto doalvo
(target). Oontexto geográo daorigem está relaionadoàloalizaçãofísiados
ser-vidores ondeo doumentoestá hospedado. Para tal,valesede evidêniasoriundasda
infraestruturadaInternet,omobasesderegistrodedomínios,dadossobrea
loaliza-ção de roteadoreseaestrutura hierárquiapresenteemnomesde domínio. Oontexto
identia-Figura 2.1: Visualização em mapa do resultado da onsulta `hotel new york, ny' no
Google Loal.
endereços, ódigos postais e números de telefone, nomes de lugares, hyperlinks e
me-tadados. O ontexto do alvo está relaionado ao assunto tratado nodoumento. Em
ambos os asos, entende-se por atribuição de ontexto a designação de um onjunto
representativode oordenadasgeográasaumdoumento,obtidasmedianteproesso
de geoodiação das fontes de evidênia. MCurley(2001)fazum apanhado geral
so-bre asfontes de evidêniautilizadas para atribuiros dois tipos de ontexto geográo
a doumentos daWeb.
Buyukkokten et al. (1999) utilizam emseu trabalho a atribuição de ontexto
geo-gráo da origem a sites da Web. A partir da geoodiação de números de telefone
e ódigos postais (zipodes) obtidos om onsultas `whois' a bases de registro de
do-mínios, é riado um relaionamento entre endereços IP e as oordenadas médias de
latitude elongitude que representam aloalizaçãogeográa dos sites. Inferênias
so-bre a abrangêniageográadosite, por elesdenominada esopogeográo, são feitas
ombinandose essa informaçãoaos hyperlinks direionadosa doumentosdosite,
ori-ginados de doumentoshospedadosemloaisdiversos. OjornalNewYork Times,por
exemplo, tem um esopo mais abrangente do que o jornal San Franiso Chronile,
pois é apontado por doumentos de sites espalhados por todo o território ameriano.
Embora om a estratégia proposta por Buyukkokten et al. seja possível analisar
o esopo geográo de um site da Web, ela não é apropriada para reuperar um
do-umento om base em ritérios geográos, uma vez que é inorreto inferir que seu
onteúdo está relaionado ao lugar onde está hospedado. Para sanar essa deiênia,
Ding et al.(2000) estendem esse trabalho, introduzindo ténias para reonheimento
automátiodoontextogeográodedoumentos daWeb. Alémdeonsideraroesopo
geográo dos sites,determinadopelos hyperlinks, adistribuição geográa dos nomes
de lugares menionados no texto de um doumento também é observada, levando a
uma abordagemmista de atribuição de ontexto geográo, queutiliza tanto
elemen-tos daorigem quantodoalvo. O protótipode uma máquina de busa foi onstruído a
partirdaindexaçãodosdoumentosoletadosde436 jornaisonline. Espeiandose
omo onsulta um ódigo postal juntamente om um onjunto de palavrashave, os
doumentosmais relevantes, ompatíveisemesopogeográoeonteúdosão
retorna-dos.
MCurley (2001) investigauma variedade de fontes de evidênia apartir das quais
se pode atribuirontexto geográoaum doumento. Eleaborda oproblema de
inde-xação e, prinipalmente, navegação por ritério geográo, apresentando um sistema
experimental onde a função `where' pode ser exeutada pelo usuário a qualquer
mo-mento, durante a utilização de um navegador Web, para visualizar em um mapa os
lugaresassoiados aodoumentoorrente. No mapaháaindapontosemdestaque que
orrespondemalugaresassoiados aoutrosdoumentosque, peloontexto geográo,
estão próximos ao doumento que está sendo visualizado. Cliando em qualquer um
dos pontos destaados no mapa, uma lista de destinos é apresentada ao usuário. Ao
esolher um item dalista, onavegadoré atualizado om odoumento seleionado,e o
mapa passa a exibiros lugaresidentiadosno novo doumento.
Até o presente momento, a existênia de trabalhos que desrevem a utilização de
expressões de posiionamento omo forma de se atribuir ontexto geográo a
dou-mentos Web não é de nosso onheimento. Entretanto, existem trabalhos envolvendo
o uso das relaçõesespaiais naespeiação de onsultas e, prinipalmente, trabalhos
sobre a atribuição de ontexto geográo a doumentos da Web pela identiação de
nomes de lugares,e quesão relevantes para oassunto aquitratado.
Em (Silva etal., 2004), (Heinzle et al., 2003) e (Sanderson eKohler, 2004) é
des-taada a neessidade das máquinas de busa entenderem e fazerem uso das relações
espaiais omo forma de reonheer as onsultas geográas e para melhorar a
qua-lidade das respostas a essas onsultas. Já Rodríguez-Tastets (2002) apresenta uma
abordagembaseada noonheimento geográo (knowledgebased approah) para
plo, é itada a onsulta `enontre hotéis em Puón, Chile, e nas idades adjaentes'.
Para atender a esse tipo de onsulta é desrito um modelo para organização e
deri-vação das relações espaiais baseadas na estrutura hierárquia do espaço, organizado
em regiões, e onsiderando as interrelações das regiões onetadas. A idéia geral é
mapear onome de regiõeselugares dentro dessaestrutura semântiade talmodoque
osdoumentosdaWeb assoiadosaesseslugaresnão neessiteminorporar
proprieda-des geométrias emseu texto, uma vez queas análises envolvendo os relaionamentos
topológios,ardinaisede distâniasãofavoreidosaoseutilizaroraioínioespaial.
O trabalho apresenta diretrizes de omo esse modelo pode ser usado para estender as
ténias atuaisdebusaadoumentosdaWeb,semnoentantoabordaromoosnomes
de lugarespodem ser mapeados para aestrutura semântia do espaçoproposto.
Dentre as fontes de ontexto geográo, as mais desaadoras são sem dúvida os
nomes de lugares. Endereços, ódigos postais e números de telefone são geralmente
regidos por regras, padrões e onvenções, o que os torna failmente identiáveis em
meioaotextodeum doumentoutilizandose,porexemplo,regrassintátiasexpressas
pormeio de expressões regulares. Devido àsua imensa diversidade, os nomesde
luga-res, aoontrário,não podem ser identiadosdessa forma. Alémdisso, existem vários
lugares distintos om o mesmo nome, o que gera a neessidade do emprego de
méto-dos para determinar o exato lugar ao qual um nome se refere, os hamados métodos
de resolução de ambigüidade. Repositórios de nomes de lugares, hamados gazetteers
(Hill, 2000), são invariavelmente empregados nas tarefas de resolução de
ambigüida-des eidentiaçãodos nomesde lugares, esta muitas vezes realizadaemonjuntoom
taggers genérios omooGATE(Cunningham etal.,2002),softwares apazes de
iden-tiarnomesde entidadesomopessoas,organizaçõeseloaisemtextosemlinguagem
natural. Amitay et al.(2004)lassiamasambigüidadesomogeo/geo (Paris, França
versus Paris, Texas) ou geo/nãogeo (Tiradentes, Minas Gerais versus Tiradentes, o
inondente).
Os trabalhos de Amitay et al. (2004) e Zong etal. (2005) preoupamse em (1)
identiar nomes de lugares; (2) resolver eventuais ambigüidades; e (3) designar um
ontexto geográo aos doumentos a partir dos nomes de lugares nele menionados.
Esses trabalhos apresentam várias ténias para retirada de ambigüidade, geralmente
baseadas empistas textuais enontradas próximasaos nomes ena orrelação om
ou-tros nomes nãoambígüos ou om a ambigüidade resolvida, no mesmo doumento.
As estratégias empregadas por Amitay etal. atingiram 81,7% de preisão, enquanto
as de Zong etal. hegaram a 88,9%. Com relação à atribuição de ontexto
geográ-os, Amitay et al. utilizam no máximo quatro nomes de lugares para representar a
lugarrepresentativodentre aquelesmenionados. Porexemplo,seemum segmentosão
menionados as idadede Belo Horizonte, Contagem, Ribeirão das Neves eSanta
Lu-zia, a Região Metropolitana de Belo Horizonte pode ser um nome apropriado para
desrever oontexto geográo desse segmento.
Como veremos na Seção 3.3, neste trabalho foi implementado um programa para
identiar expressões de posiionamento em doumentos textuais, onde há também a
neessidadede seidentiarnomes,porémnãode lugaresrelaionadosàsdivisõesgeo
polítiasomoéde praxe,esimnomesde loais intraurbanos,omopontosturístios
e ediações de destaque. Emnosso programa, o uso de um gazetteer é dispensável, e
o emprego de relaçõesespaiaispara ontextualizar asoorrênias de nomes de loais,
Expressões de Posiionamento
Os seres humanos estão em geral aostumados a lidar om impreisão e ambigüidade
quando oassuntoéloalização. Emlinguagem natural,habitualmentenos referimos a
lugareseloaisporintermédiodeumnome. Sepreisamosmenionar,sejaemumtexto
ou durante uma onversa, algum loal pouo onheido ou ujo nome possa ser
on-fundido om o de outro loal, reorremos aaproximaçõese posiionamentosrelativos,
paratentarnosfazermosentender. Dessaforma,geralmenteindiamosaloalizaçãode
nosso interesse mediante relaionamento om outro loal, hamado ponto de
referên-ia, onando que esta ombinação possa transmitir uma desrição aproximada, não
obstanteútile ompreensível,da loalizaçãoexata desejada.
Comoonseqüênia,textosemlinguagemnatural,inluindoosdoumentosdaWeb,
freqüentemente ontêm eslareimentos e indiações sob a forma de alusões a pontos
de referênia que busam situar no espaço um loalde interesse. Essas alusões estão
embutidas em estruturas textuais aqui denominadas expressões de posiionamento,
formadas porrelaçõesespaiaisepontosde referênia. Neste apítulo,atravésde uma
série de experimentos baseados em um estudo de aso da idade de Belo Horizonte,
prouramos araterizaressa fonte de evidênia de ontexto geográo e ompreender
melhor as informações representadas por ela. Antes, porém, denimos na Seção 3.1
alguns oneitos básios e aterminologia utilizadaaolongo dotexto.
3.1 Coneitos e Terminologia
Ponto de Referênia Lugar ou loal failmente reonheível, em geral amplamente
onheido, que as pessoas utilizam para julgar onde estão. Cabe aqui uma
dis-tinção entre os signiados adotados para lugar e loal. Tomamos por lugar
as divisões geopolítias que formam uma hierarquia de relaionamentos do tipo
países e assim por diante. Já por loal entendase uma estrutura visual ujos
limites podemser failmenteidentiados. Umloalestá ontido emum lugar.
Pela denição, um lugar pode ser utilizado omo um ponto de referênia, fato
ilustrado pelos seguintes exemplos: Estou morando na Savassi; o muniípio
de Betim está situado próximo a Belo Horizonte. Entretanto, de partiular
interesse para este trabalho são os loais empregados omo ponto de referênia,
espeialmente osloaisintraurbanos.
Relação Espaial Expressão emlinguagem naturalutilizada para desrever
relaio-namentosentreentidadesgeográas. Apesardeseremamplamenteestudadasno
ontexto dos SIG (veja o levantamento feito por Papadias eSellis (1994)),onde
são denidas omo funções ou operadores entre objetos espaiais, pouo se sabe
a respeito das relaçõesespaiaisemlinguagem natural, omoas enontradas em
doumentosdaWeb. Nãoobstante,utilizamosumataxonomiaoriundados
traba-lhos de Pullar e Egenhofer(1988), Egenhofer eFranzosa (1991)e Guting (1994)
para agrupálas. Uma relação espaial pode ser lassiada omo topológia,
métria, direionaloufuzzy.
As relações topológias representam o grau de onetividade entre entidades
ge-ográas. São relações que desrevem os oneitos de vizinhança, inidênia e
sobreposição, mantendose invariantes ante transformações omo esala e
rota-ção(Guting,1994). Tradiionalmente,asrelaçõestopológiastêmsidoenaradas
omo as estruturas espaiais mais abstratas, onsideradas essenialmente
quali-tativas. De fato, essas relações são sem dúvida as mais estudadas dentro do
ontexto dos SIGs. Em linguagem natural, expressões omo `dentro de', `em',
`no primeiro andar de', `embaixo de' e `no oração de' foram lassiadas omo
topológias.
As relações métrias desrevem proximidade de forma quantitativa e possuem a
seguinte forma geral: `a
X Y
de'. O grau de proximidade entre as entidades édado pelos parâmetrosde valor(
X
) ede grandeza (Y
). Exemplos: `a10kmde',`a oitoentos metrosde', `avinteminutos de' e `a3 quadras de'.
As relações direionais desrevem orientação e ordem. A orientação é
determi-nada por direções omo as ardinais (`ao norte de', `a leste de') enquanto que
expressõesomo `em frentea',`atrás de' e`aolado de' indiama ordemtotal ou
parial entre os objetos espaiais(Freeman,1975).
Porm, asrelaçõesfuzzy desrevemproximidademedianteoemprego de termos
Expressão de Posiionamento Construção em linguagem natural utilizada tanto
na fala quanto na esrita para expressar, por meio de um par
h
relação espaial,ponto dereferênia
i
,aposiçãorelativanoespaçodeum objeto deinteresse (vejadenição a seguir).
A efetividade e preisão om que uma expressão de posiionamento é apaz de
desrever uma loalizaçãodepende de vários fatores, os mais notóriossendo:
•
o nível de onheimento que o interloutorpossui a respeito da loalizaçãodo ponto de referênia muitas pessoas sabem que o Empire State
Buil-ding a em Nova York, mas provavelmente apenas alguns novaiorquinos
saberão que elese loaliza naFifth Avenue, número 350, entre asruas 33 e
34,a um quarteirãoda Penn Station.
•
emprego de sinnimos um mesmo loal pode ser refereniado por váriosnomes. Uma pessoa pode ompreender o signiado de estar `perto do
Mi-neirão' e desonheer o de estar `perto do Estádio Governador Magalhães
Pinto', quando na verdade essas expressões de posiionamento são
equiva-lentes. UmabusaporumloalemumaapliaçãodeRIGdeveriareuperar
doumentos quemenionam quaisquer de seus nomes.
•
onito de nomes o nome de um ponto de referênia pode ser utilizado,em função do ontexto, para designar diferentes loais ou mesmo possuir
outros signiados que não o geográo, o que gera ambigüidades do tipo
geo/geo e geo/nãogeo. Além disso, palavras genérias, omo `aeroporto' e
`entro', servemparadesignarloaisemvárioslugaresdoBrasiledomundo.
•
ontexto de utilizaçãodas relaçõesespaiaiso sentido geográode umarelaçãoespaialvariadeaordoomasaraterístiasdopontodereferênia,
omo tamanho, forma e loalização. A relação `perto de' nas expressões
`perto de Londres' e `perto do Big Ben' possui dimensões ompletamente
distintas;`a25minutosdearrodoentro'podeserbemdiferenteemtermos
de distânia aso estejamos nos referindo ao entro de uma idade grande
oude um vilarejo.
•
regionalismoesubjetividadeostermosempregadosemumarelaçãoespa-ialvariamde lugarparalugar,omalgumasexpressõessendomaisomuns
que outras,inlusiveem um mesmopaís ou região. Além disso, adesrição
de um relaionamento espaial omo uma relação espaial em linguagem
Objeto de Interesse Entidade ou evento assoiado a uma loalização desrita por
uma expressão de posiionamento. Como exemplos temos: `o parque loaliza
se próximo ao entro da idade' (entidade) e `as explosões oorreram a menos
de um quilmetro do Parlamento' (evento). São de espeial importânia para
este trabalho os objetos de interesse do tipo entidade que são loais, os quais
denominamos loaisde interesse.
Além de expliitamente, omo nos exemplos anteriores, um objeto de interesse
pode apareer em um doumento da Web de forma implíita, omo no site de
um hotel uja loalização é desrita por uma expressão de posiionamento sem
que haja mençãoaseu nome.
Loalizador Geográo Conjunto de símbolos e nomes, geralmente regidos por
re-gras,padrõeseonvenções,assoiadosaoordenadasgeográasquedeterminam
um ponto,segmento de reta ouárea nasuperfíie terrestre. Pode ser dotipo
di-reto ouindireto.
Os loalizadores geográos indiretos funionam omo rótulos, uma forma mais
onvenienteaos sereshumanosde expressarposiçõesnoespaço. Endereços,
ódi-gos postais,númerosde telefone, nomesde lugare expressõesde posiionamento
são exemplos de loalizadores geográos indiretos. Já os loalizadores diretos
são uma representação imediata de oordenadas geográas, omo os pontos de
latitude elongitude S 20
o
07.403' W 40
o
57.954'.
Em apliaçõesde RIG, osloalizadoresgeográos presentes emdoumentos da
Web sãoditosseremfontes deevidêniadeontextogeográo,fontesde ontexto
geográo ousimplesmenteevidênias geográas.
Referênia Geográa Par
h
objeto de interesse, loalizador geográoi
. Osubon-junto de referênias geográas representado pelo par
h
loal de interesse,ex-pressão de posiionamento
i
é enfatizadoneste trabalho. Exemplos:h
`Mineirão',`perto da Lagoa da Pampulha'
i
,h
`Hotel Ibis', `em frente ao Aeroporto deCon-gonhas'
i
.3.2 Estudo de Caso: Belo Horizonte
Nosso onheimentoprévio aeradas expressões de posiionamentopresentes em
do-umentos da Web era limitado e poua informação pde ser obtida na bibliograa.
Dessa forma, deidimos realizar um estudo de aso om o objetivo de oletar dados e
pró-Figura 3.1: Visão geral do proesso de aquisição e lassiação de expressões de
posi-ionamentodo estudo de aso.
e análise de expressões de posiionamentoutilizadasemdoumentos daWeb omo
lo-alizadoresgeográos deobjetosde interesserelaionadosàidadede BeloHorizonte.
BH, omoé arinhosamentehamadapelos belohorizontinos, éaapitaldoestadode
Minas Gerais eomuniípiosede datereiramaior regiãometropolitanado Brasil,que
abriga quase 4.9milhõesde habitantes 1
.
Belo Horizonte foi a idade esolhida devido à ampla variedade de dados
dispo-níveis, obtidos do seu SIG (Borges e Sahay, 2000). O SIG de Belo Horizonte utiliza
um ompleto e preiso bano de dados de endereçamento urbano, que mantém mais
de 300 lasses de objetos, inluindo um onjunto de 420.000 endereços individuais,
georrefereniados omo pontos. Naturalmente, os experimentos foram realizados em
português, mas a mesma abordagem poderia ter sido empregada em outras línguas,
omo inglês e espanhol.
3.2.1 Identiação de Expressões de Posiionamento
Para alançar nosso objetivo, foi riada uma pequena lista om 283 nomes, oiais e
alternativos,de pontosde referênia representativos de Belo Horizonte. A maioriados
pontos de referênia designados loalizamse na região da Pampulha, loal turístio,
propenso ao lazere, sobretudo, naregião CentroSul,prinipalentroadministrativo,
naneiro, omeriale ultural daidade. A listainlui loais omo prédios públios,
atrações turístias, ediações de destaque, hospitais,estações de transporte oletivo,
fauldades, igrejas, obras de arte, praças, entre outros.
1
Figura 3.2: Exemplo dasaída do extrator.
Utilizandoosserviços daAPI Web doGoogle 2
,os283 pontosde referêniadalista
foram submetidosde formaautomátia aessa máquinade busa, sob a formade
on-sultasporfrase,omoilustraopasso1daFigura3.1. Todososdoumentosretornados
omo resposta foram oletados. Após a remoção de doumentos em outros formatos
quenãofossem HTML,taisomoPortable DoumentFormat (PDF),PostSript (PS),
MSWord e MSPowerpoint, e de doumentos repetidos, identiados om base na
URL, obtivemos uma oleção de teste om 75.410 doumentos. Essa base textual foi
ainda préproessada para substituição das tags HTML pelo marador `<>', remoção
dos aentos ortográos,substituição de arateres de ontrole taisomo TAB, FF e CR
porespaço eeliminaçãode espaçosonseutivos (passo 2da Figura3.1).
Com a oleção de doumentos pronta para utilização, o próximo passo foi
imple-mentar um programa para identiar padrões textuais. Esse programa, hamado de
extrator de padrões textuais, ou simplesmente extrator, é baseado no algoritmode
a-samento eiente de adeias de arateres proposto por Aho e Corasik (1975). Esse
algoritmoesuasvariaçõessãoutilizadosatualmenteemdiversossoftwares,inluindoa
ferramentagrep,presentenamaioriadas variantesdosistemaoperaionalUNIX,omo
Linux,BSD eSolaris.
Oextratorreebeomoentradaumaoleçãodedoumentosemformatotexto eum
arquivoontendoospadrõestextuaisquesedesejaenontrar. Osnomesdos283pontos
de referênia enviados àmáquina de busa,quando daoletados doumentos,
aresi-dos de nomes de loais genérios omo `entro', `aeroporto', `zoológio'e `rodoviária',
foramutilizadosomopadrões. A pesquisa éfeitaemtempodiretamenteproporional
ao tamanho dos textos dos doumentos, independente donúmerode padrões (passo 3
da Figura3.1).
Como ilustrado na Figura 3.2, para ada asamento bem suedido o extrator
im-prime o ponto de referênia enontrado preedido por
W
palavras à sua esquerda,formando o que denominamos trehos andidatos passagens textuais andidatas a
onter uma expressão de posiionamento. Junto a ada treho andidato, o extrator
imprimeaindaoidentiadordodoumentodeondeotrehofoiextraído,aposiçãono
texto onde ele seenontra e
W
palavrasà direita do ponto de referênia para melhorontextualizálo. Nesse experimento utilizamos
W
= 8
, sendo que 522.827 trehosforam gerados.
Seleionamos palavras à esquerda do ponto de referênia para formar os trehos
andidatos poisénessa parte dotexto quese espera queoorraa relaçãoespaial que
o aompanha,formandouma expressão de posiionamento. Isso segundo a onstrução
sintátiamais omum, nalínguaportuguesa, paraessetipode expressão. Porém,nada
impede que inversões sejam empregadas, posiionandose a relação espaial após o
pontode referênia, onforme o seguinte exemplo, retiradode um dos doumentos da
oleção: Contamos baianos que,naidade, existem365igrejas, umaparaadadia do
ano. Como, no Terreiro de Jesus, a imponente Catedral Basília. Próximo a ela,
está a Igreja de São Franiso de Assis, om arabesos em madeira banhada a ouro.
Na passagem aima, se `Catedral Basília' for um ponto de referênia, uma busa
pela relação espaial `próximo de' no treho andidato orrespondente não será bem
suedida. Já na forma direta A Igreja de São Franiso de Assis a próxima à
imponenteCatedralBasília,noTerreirodeJesus aexpressãodeposiionamento
h
`próximo de', `Catedral Basília'i
será enontrada normalmente.Opróximo passo rumo à identiação de expressões de posiionamento foi
seleio-nar, dentre ostrehosandidatosgeradospeloextrator,aquelesqueontinhamumaou
mais relações espaiais. Para identiar as relações espaiais, denimos um onjunto
de expressões regulares estendidas (IEEE , 2001) apazes de representar 30 relações
espaiais no formato básio, além de dezenas de variações. Tais variações inluem
gênero(feminino/masulino),número(singular/plural),advérbios(ex.: `muito'),
abre-viaturas (ex.: `aprox.'), regionalismos, entre outros. As expressões regulares denidas
enontramselistadasnoApêndieA. Comoexemplo,temos abaixoaexpressão
regu-lar para arelação espaial`km de':
'\W((?:a(?: uma distania de)?|dista(?:nte|ndo)?)(?: apenas| somente| aprox(
?:imadamente|.?)| uns| era de| (?:pouo )?m(?:ais|enos) de| quase| exatos|
mais ou menos| [+℄[-℄)? (?:[[:alpha:℄℄+ |[[:digit:℄℄[[:digit:℄,.℄* ?)km d(?
e distania d[oae℄|[oae℄)) }'
Essa expressão éapaz de reonheer relaçõestão diversas quanto`a vinte kmdo',
`aexatos 4,7kmda', `aumadistaniadeaproximadamenteinokmde' e`distaera
de 100 km de'.
As relações espaiaisforam esolhidas dentre as mais representativas de ada uma
im-Figura3.3: Interfae Web para lassiação das expressões de posiionamento.
era uma preoupação. A relação espaial `em' e suas variações`no' e `na' foram
pro-positalmenteexluídas pois, em experimentos preparatórios, perebemos que elas são
extremamente omuns eestão emgrande parte assoiadasa divisões territoriaisomo
bairros e idades, enquanto nossa ênfase são os pontos de referênia intraurbanos.
Alémdisso, perebemos queelas apareemom grandefreqüênia emontextos
diver-sos, quenão aqueles desrevendo a loalizaçãode um loalde interesse.
Como auxíliodaferramentagrep,seleionamos 4.889trehos andidatos ontendo
pelo menos uma relação espaial. A ferramenta foi esolhida pelo fato de as relações
espaiais estarem desritas sob a forma de expressões regulares e pela sua exelente
performane (passo 4da Figura3.1).
3.2.2 Classiação das Expressões de Posiionamento
Os 4.889trehos andidatos seleionados tiveram seus dados arregadosem um bano
de dados e foram manualmente inspeionados, um a um, por ino pessoas do nosso
grupo de pesquisa (passo 5da Figura 3.1). A interfae Web exibida naFigura 3.3 foi
espeialmente desenvolvida para essa atividade. O proesso de lassiação onsistiu
das seguintes etapas:
um pontode referêniaestá ontidononomede outroquenãoesteja presentena
lista de pontos de referênia utilizada. Um outro aso omum é quando pontos
de referênia apareem próximos, e apenas um deles onsta na lista. Veja os
exemplos abaixo, nos quais o segundo treho enontrase ajustado. Proedendo
dessa forma, aabamosporidentiar novos pontos de referênia.
De Parque Muniipal, defronte à Esola de Mediina da UFMG para
Parque Muniipal,defronte à Esola de Mediina da UFMG;
DeAvenidaRajaGabaglia,próximo àPolíiaFederal,sentidoBH
Shop-ping para Avenida Raja Gabaglia, próximo àPolíia Federal, sentido
BHShopping;
DeAv. Paraná,emimadoBanodoBrasil-Centro paraAv. Paraná,
em ima do Bano do Brasil- Centro.
•
Preenher um formulário om informações a respeito da expressões deposiio-namento. O formulário éomposto por sete itens, om uma ordem espeía de
preenhimento, e um espaço adiional para que se possa fazer qualquer tipo de
observação om relação à lassiação do treho. Os itens são listadosa seguir,
omentados:
1. O ponto de referênia é válido, isto é, um loal georrefereniável? R:
Sim/Não. Em aso positivo, prossiga para o próximo item. Algumas
ex-pressões, seleionadas omo pontos de referênia, são na verdade
homni-mos: possuemamesmapronúniaegraa,omsigniadodiferente.
Exem-plos: Oarioa passa num arrão perto de um mineirinho, em ima de
uma arroça; depois da revolta do Tereiro Regimento de Infantaria,
entro domovimentoonheido omo Intentona Comunista.
2. A relação espaial é válida, isto é, foi empregada no sentido de
posiiona-mento geográoem relaçãoao ponto de referênia? R: Sim/Não. Em aso
positivo, prossiga para o próximo item. Algumas expressões, seleionadas
omorelaçõesespaiais,são empregadasemontextos diferentes daquele
es-perado. Exemplos: Depois do trabalhofui ao BH Shopping; Primus,
adavezmaispertodevoê! AeroportoInternaionaldeConnsTel.:
(31) 3689-2044; de um esquema de orrupção dentro da prefeitura que
o PT sabia e não queria expor.
3. O ponto de referênia loalizase em Belo Horizonte? R: Sim/Não. Em
4. Caso seja possível, informe o loal de interesse uja loalização é desrita
pela expressão de posiionamento. R: Livre. Prossiga para o próximo item
se o loalde interesse for informado.
5. Marque o tipo de loal que melhor representa o loal de interesse. R: um
dentre os tipos disponíveis. Prossiga para o próximo item. É interessante
saber quais os tipos mais representativos de loais de interesse uja
loali-zação édesrita poruma expressãode posiionamento.
6. Caso seja possível, informe o endereço do loal de interesse. R: Livre.
Prossigaparaopróximoitemseoendereçoforinformado. Essainformação
será utilizadana Seção 3.4, para geoodiaro loalde interesse.
7. Onde o endereço foi enontrado? R: Na própria página/Outros Loais.
Com essa informação,podemos desobrir quantos objetos de interesse
pos-suem a sua loalização desrita apenas por uma expressão de
posiiona-mento.
Após a exeução dos proedimentos desritos, ostrehos identiadosomo sendo
referentes aBelo Horizontetiveramseus pontos de referênialassiados nos mesmos
tipos disponíveis para os loais de interesse. Além disso, o endereço desses pontos,
quando disponíveis, também foram registrados. É importante notar que um mesmo
loal pode apareer tanto omo um ponto de referênia quanto omo um loal de
interesse. Dessaforma,parte doesforçoutilizadodurantealassiação epesquisa do
endereço para osloais de interesse foi reaproveitado.
3.2.3 Análise das Expressões de Posiionamento
Como poderá ser perebido pelas guras e tabelas a seguir, muitas informações a
respeito das expressões de posiionamento foram obtidas a partir da interpretação
dos dados gerados pela etapa de lassiação. Os resultados mais importantes foram
inluídosnestaseção,algunsdeformaresumida,sendoqueinformaçõesmaisdetalhadas
podem ser enontradas noApêndie B.
A Tabela 3.1 exibe um resumo da lassiação realizada nos trehos andidatos.
Trehos inválidos são aqueles emujoquestionário háuma resposta `Não'para oitem
1 ou 2, isto é, não ontêm uma expressão de posiionamento. Já os trehos válidos
ontêm uma expressão de posiionamento, ou seja, `Sim' foi a resposta aos itens 1 e
2 do questionário. Portanto, omoresultado dalassiação, 89,43% ou4.372 trehos
Tabela3.1: Resumodalassiaçãodos trehos andidatos. Asporentagens referem
se aovalordoitem nonívelsuperior.
Caso Oorrênias Treho típio
Total 4889 100,00%
Treho inválido 517 10,57% ...um projeto
rees-truturador dentro da
UFMG.
Treho válido 4372 89,43%
emoutros muniípios 3463 79,21% ...perto da
prefei-tura...
emBelo Horizonte 909 20,79%
ujo objeto de interessenão é um loal 165 18,15% ...o arro foi
enon-tradonasimediaçõesda
PraçaRaulSoares.
ujo objeto de interesseé um loal 744 81,85% ...o hotel loalizase a
duasquadrasdo
Minas-entro.
sem endereço 189 25,40%
om endereço 555 74,60%
enontradono doumento 364 65,59%
enontradode outra forma 191 34,41%
que algumas relações espaiais omo `antes de', `dentro de' e `depois de' são também
empregadas emontextos diferentes dogeográo, omoutra interpretaçãosemântia.
Apesardeaoletatersidofeitaobjetivandoareuperaçãodedoumentosontendo
pontos de referênia de Belo Horizonte, a quantidade de trehos de outros muniípios
foi quase quatro vezes maior. Em grande parte esse fenmeno devese ao emprego
de termos genérios durante a seleção de trehos andidatos. A palavra `entro', por
exemplo, alémde existiromoum loal,geralmenteoentroomerialde uma idade,
ainda ompõe o nome de vários pontos de referênia, omo `Centro de Convenções
Anhembi', que a em São Paulo.
Loais de interesse não são as únias entidades uja loalizaçãoé desrita em
do-umentosdaWeb pormeiodas expressões de posiionamento. Em18,15%dos trehos
relaionados aBelo Horizonte, o objetode interessenão éum loalesimalgo
iruns-tanial omo um evento (ex.: um arrombamento ou manifestação) ou uma narração
de fatos (ex.: `estávamos reunidos, aguardando o jogo em frente ao Mineirão'), essa
última formamuito omum em blogs.
Apesar de nosso esforço em tentar identiar o endereço de todos os loais de
interesse, para 25,40% dos loais, isso não foi possível. Nesses asos, o endereço não
a atálogo de endereços. Tipos de loal para os quais isso aontee om frequënia
inluemimóveis eplaas depubliidade 3
pois,emgeral,oendereçoexatonãoexiste ou
nãoéforneidoparaessesloais. Emseulugar,háapenasindiaçõessobrealoalização
dadas porexpressões de posiionamento,omo nos exemplos a seguir:
•
(outdoor)AvCarlosLuz Aoladodo MotelSunnySentidoentro(Frontal)•
(outdoor) Avenida Pedro I em frente à Vila Olímpia sentido Centro(frontal)
•
(imóvel) APTO Vendo, São Luas, 3 qts. / armários,sala p/2 amb, oz. /arm, DCE, garagem. Próximo à Santa Casa. 9952-7191/3466-7894. (noite)
•
(imóvel) CASA Vendo, Carlos Prates, 3 qts, terraço, barraão independente,garagem eloja. Próximo ao Centro de BH. SóR$ 60mil. 9691-3190.
AFigura3.4exibea distribuição,porategoria, das relaçõesespaiaisenontradas
nos onjuntosde trehos válidos einválidos,enquanto aTabela3.2exibeas
ontribui-ções individuais das dez relações espaiais mais freqüentes. Com relação aos trehos
válidos,nãoháumadiferençasigniativaentre aspartiipaçõesdasrelaçõesmétrias,
direionais e fuzzy, sendo que aúltima levaalguma vantagem sobre asoutras duas. O
destaque a para a pequena partiipação das relaçõestopológias,om apenas 8,6%.
Jánostrehosinválidos,asrelaçõesfuzzy etopológiassão dominantes,omuma
inex-pressiva mara de 0,19% registrada para as relações métrias e uma ontribuição de
7,54% das relações direionais. Esses dados nos levam a areditar que as relações
di-reionaise,prinipalmente,asmétriassão predominantementeutilizadasnoontexto
de uma expressãode posiionamento,enquantoque asrelaçõesfuzzy etopológiassão
empregadas emontextos diversos.
Dentre os trehos válidos, existem os que foram lassiados omo ontendo
ex-pressõesde posiionamentoemBelo Horizonte eaqueles onde as expressões de
posii-onamento referemse a outros muniípios. Uma omparação entre a distribuição das
ategorias de relações espaiaisentre esses trehos pode ser visualizadana Figura3.5.
Diferente doque poderíamossupor, emBelo Horizontea distribuição das relações
es-paiais não segue uma proporção semelhanteàquela observada para ostrehos válidos
em geral em Belo Horizonte, as relações topológias, fuzzy e direionais são mais
utilizadas, em detrimentodas relações métrias. O emprego de pouas relaçõesomo
`a ? (minutos|km|quilmetros)' pode ter oorrido em função de Belo Horizonte, om
uma área de 330,954 km
2
, ser um muniípio de tamanho bastante modesto, já que,
3
loali-Topológica
Direcional
Métrica
Fuzzy
34,03
52,42
28,87
0,19
28,50
7,54
8,60
39,85
Trechos Válidos (%)
Trechos Inválidos (%)
Figura3.4: Distribuição das relações espaiaisporategoria.
Tabela3.2: Prinipais relações espaiais.
Trehos Válidos Trehos Inválidos
Cat. RelaçãoEspaial Oorrênias Cat. RelaçãoEspaial Oorrênias
F próximoa 978 22.4% T dentro de 183 35.40%
D em frentea 736 16.8% F depois de 114 22.50%
M a ? km de 648 14.8% F antes de 90 17.41%
D ao lado de 382 8.7% F perto de 31 6.00%
F perto de 336 7.7% D ao lado de 17 3.29%
M a ? minutos de 229 5.2% D atrás de 15 2.90%
M a? quilmetrosde 216 4.9% F próximo a 14 2.71%
T dentro de 216 4.9% F aima de 14 2.71%
D atrás de 96 2.2% T emima de 13 2.51%
F nas proximidades de 90 2.1% D emfrente a 7 1.35%
SUBTOTAL 3927 89.8% SUBTOTAL 498 96.32%
TOTAL 4372 100.00% TOTAL 517 100.00%
no Brasil 4
, a área média por muniípio é superior a 1.500 km
2
. Nesse aso, relações
espaiaisomo `(pertinho|próximo|perto) de'são preferíveis, oqueexplia omaior
nú-mero derelaçõesfuzzy. Alémdisso,émuito omumqueasdistânias entreoentrode
uma idade litorânea e suas praias sejam expressas em quilmetros. Como Belo
Ho-rizonte enontra-se distantedo mar, essa importanterelação espaial métriaé pouo
utilizada.
O maior número de relações topológias emBelo Horizontepode ser parialmente
expliado pelofato dotermo`shopping' ter sido, inadvertidamente, desonsiderado na
lista de termos genérios utilizados durante a extração de termos andidatos (passo
3 da Figura 3.1), ao passo que todos os grandes shopping enters de Belo Horizonte
Topológica
Direcional
Métrica
Fuzzy
43,02
31,68
10,12
33,78
30,03
28,10
16,83
6,44
Trechos válidos de Belo Horizonte (%)
Trechos válidos de outros lugares (%)
Figura3.5: Distribuiçãodasrelaçõesespaiais por ategoria,emBelo Horizonteenos
demais muniípios.
Tabela3.3: Prinipais tiposde loalde interesseemBelo Horizonte.
# Tipode Loal Oorrênias
1 Hospedagem 117 15.73%
2 Plaa de publiidade 110 14.78%
3 Outros 38 5.11%
4 Empresas produtos e serviços diversos 32 4.30%
5 Logradouro 31 4.17%
6 Imóvel 30 4.03%
7 Bar/Café 29 3.90%
8 Restaurante/Lanhonete 27 3.63%
9 Esola 25 3.36%
10 Instalações de empresas, órgãos, repartições e
projetospúblios
25 3.36%
SUBTOTAL 561 75.40%
TOTAL 744 100.00%
foram inluídos na lista de pontos de referênia utilizados tanto na oleta quanto na
extração (passos 1e 2da Figura3.1). Por isso, relaçõesomo `no ? (andar|piso)de' e
`na praçadealimentaçãode'forammuitomaisutilizadosemBeloHorizonte. Háainda
algumas diferenças regionais. `Defronte de', expressão omum no Sul do Brasil, foi
pououtilizadaemBeloHorizonte,aoontráriode `a ? quarteirõesde',mais utilizada
emBeloHorizontedoquenosdemaismuniípios,possivelmenteemfunçãodotamanho
regular dos quarteirõesnaárea entralda idade,projetada nonal do séuloXIX.
Em se tratando de referênias geográas, um mesmo loal pode apareer tanto
omo um loal de interesse quanto omo um ponto de referênia. Entretanto, alguns
Tabela3.4: Prinipaistipos de ponto de referênia emBelo Horizonte.
# Tipode Loal Oorrênias
1 Centro omerial 129 14.19%
2 Ediação de destaque 106 11.66%
3 Universidade/Fauldade 95 10.45%
4 Divisãoterritorial 91 10.01%
5 Parque natural/Área de lazer 56 6.16%
6 Praça 56 6.16%
7 Espaçopara eventos 37 4.07%
8 Estádio/Ginásio 34 3.74%
9 Hospital 33 3.63%
10 Estação/Terminal rodoviário 32 3.52%
SUBTOTAL 788 86.69%
TOTAL 909 100.00%
nenhumdos prinipaistiposde loaldeinteresseaparee natabelados prinipaistipos
de pontodereferênia,evieversa. Obviamenteexistemloaisenontradosemambos
oslados deumareferêniageográa,masessesrepresentamumaporentagemmenor
do total de loais.
Esse resultado ilustranaprátiaoqueintuitivamentepoderíamosesperar devido à
nossafamiliaridadeomoempregootidianodeexpressõesdeposiionamento: serviços
típios de páginasamarelas e lassiados omo hotéis, imóveis, bares, restaurantes e
esolas guramomo loais de interesse, tendo suas loalizações desritas mediante a
utilizaçãode referêniasaloaisbastanteonheidosnaidade,omoshoppingenters,
universidades, parques, praças e hospitais. A Tabela 3.5 reforça essa idéia, exibindo
os prinipais pontos de referênia de Belo Horizonte: ediações de grande porte ou
importantes divisões territoriaisujasloalizaçõessão onheidas pela maioriada
po-pulação.
Para nalizar esta seção, é importante destaar a surpreendente presença do tipo
Plaa de Publiidade omo o segundo tipo de loal de interesse mais freqüente, atrás
apenas de Hospedagem, que engloba, entre outros, hotéis, pousadas e albergues.
Do-umentos relaionados a plaas de publiidade ontêm uma grande onentração de
referênias geográas, o queexpliaria esse bomdesempenho em nossa oleção,onde
existem apenas três doumentos om essa araterístia: para esse tipo de loal, as
referênias por expressões de posiionamentohegaram a uma média de 18,3 por
do-umento, valor alto se omparado ao de outros tipos de loal para hospedagem,
por exemplo, esse valor é de era de 1,7 referênias por doumento. Isso india a
Tabela 3.5: Prinipaispontos de referênia emBelo Horizonte.
# Ponto de Referênia Oorrênias
1 Centro de Belo Horizonte 45 4.95%
2 PUC Minas - Pontifíia Universidade Católia
de Minas Gerais - Coração Euarístio
34 3.74%
3 Regiãoda Savassi 32 3.52%
4 BHShopping 29 3.19%
5 Minasentro-CentroMineirodePromoções
Is-rael Pinheiro
29 3.19%
6 Parque Muniipal AmérioRenée Giannetti 29 3.19%
7 UFMG-UniversidadeFederaldeMinasGerais
-Campus Pampulha
28 3.08%
8 Aeroporto daPampulha 27 2.97%
9 Shopping Del Rey 27 2.97%
10 Mineirão - Estádio Governador Magalhães
Pinto
24 2.64%
SUBTOTAL 304 33.44%
TOTAL 909 100.00%
3.3 Expandindo os Horizontes
O proesso empregado noestudode aso desritonaSeção3.2 paraidentiar
expres-sõesde posiionamentoem doumentosdaWeb baseiase emdois onjuntosde dados:
(1)nomesde pontosde referênia; e(2)expressõesregulares representandoasrelações
espaiais. Nalínguaportuguesa,asrelaçõesespaiaisonstituemumonjuntoestátio
epequeno. Emnossaoleção,amaioriadasexpressõesde posiionamentoidentiadas
ontêm o mesmo subonjunto de relações espaiais: as dez mais freqüentes oorrem
em era de 90% das expressões de posiionamento, enquanto que as vinte seguintes
são enontradas nos 10% restantes (Tabela3.2). Os elementos do onjunto de nomes
de pontos de referênia foramseleionados om base apenas noonheimento de Belo
Horizonteadquiridopeloautore seusolegas. Apesar de disutivelmenteessa ser uma
limitação, é importante observar que a maioria dos envolvidos vive na idade há
dé-adas; alguns trabalham om o SIG muniipal há mais de 15 anos e estão, portanto,
familiarizadosomosprinipaispontosde referêniadaidade. Entretanto,apesar do
esforço para torná-lo o mais ompleto e representativo possível, osresultados
mostra-ramqueestávamoslongedeatingeresseobjetivo: dos225pontosdereferêniadistintos
identiados, 91não perteniam à lista iniial de nomes eforam enontrados durante
o proesso de lassiação. Alémdisso, ao ontrário do quefoi observado om relação
fato sugere que, à medida que o tamanhodo onjunto de pontos de referênia rese,
as hanes de enontrarmos expressões de posiionamento notexto de um doumento
aumentam.
A fonte habitual para nomes de lugares é um gazetteer (Hill, 2000). Mesmo
exis-tindováriosgazetteersdisponíveisnaWeb,omoADL Gazetteer 5 ,GNS 6 eGNIS 7 ,eles
geralmente possuem dados ompletos e atualizados apenas para países desenvolvidos,
espeialmente os Estados Unidos. No Brasil e em muitos países em desenvolvimento,
fontesde dadosomoessas enontramseemestágioiniialderiaçãoousimplesmente
não existem. Mesmo os gazetteers itados na literatura omo fonte de nomes de
en-tidades geográas do mundo inteiro ontêm muito poua informação. Além disso, a
maioriados lugaresrefereseadivisõesgeopolítias(áreasadministrativas)e a
reur-sos hidrográos ou hipsográos, apresentando uma deiênia em termos de dados
de loais intraurbanos, araterístia típia dos pontos de referênia. O GNS, por
exemplo, ontém 87.608 nomes de loais e lugares noBrasil. Esses dados enontram
se desatualizados (98% dos registros foram inseridos ou atualizados entre 1993-1999)
e não há distinção entre nomes atuais e antigos (ex.: os nomes `Território de
Gua-poré' e`Território de Rondnia' referemse ao`Estadode Rondnia'). Otipo de loal
intraurbanomais freqüente, `esola', possui tão somente 332 registros. Para efeitode
omparação, o GNIS possui atalogadas, apenas para o estado de Nova York/EUA,
4.961 esolas.
Mesmo se fssemos apazes de enumerar todos os pontos de referênia de Belo
Horizonte, ainda assimteríamosproblemas, poisoemprego de um pontode referênia
em uma expressãode posiionamentoestá intimamenteligadoao ontexto onde elese
insere. Mudanças no ambiente podem interferir na forma omo um loal é utilizado
omo um ponto de referênia. A paisagem urbana, que serve de ontexto para as
referênias geográas, muda muito rapidamente, aarretando a neessidade de uma
atualização onstantedogazetteer. Loais antes relevantes e empregadosomo pontos
de referênia podem perdera importâniaaolongo dotempo,passando aser ada vez
menos utilizadosomoreferênia. Domesmomodo, novos loais podemsurgir eloais
antigos podemreeber novasdenominações. A inorporaçãodesses nomesde loais na
ultura loalé o fatorque determinaráo seu emprego omo um pontode referênia.
Para superar essarestriçãoomrelaçãoaoemprego degazetteers,foiimplementado
um método de identiação de expressões de posiionamento que funiona de forma
independente, sem a neessidade de um repositório de nomes de pontosde referênia,
projetadoombasenosdadosresumidosnaTabela3.6. Essa tabelaexibeasdistânias
5
http://www.alexandria.usb.edu/gazetteer
6
http://gnswww.nga.mil/geonames/GNS
Tabela 3.6: Distânia média, em palavras, entre a relação espaial e o ponto de
refe-rênia, por ategoria de relaçõesespaiais.
TrehoInválidos Trehos Válidos
Relações Espaiais Distânia Média
Fuzzy 3,18 0,28
Métria 3,00 0,08
Direionais 2,85 0,07
Topológia 2,61 0,13
Geral 2,93 0,17
médias, empalavras,medidas entre as relações espaiaise ospontosde referênia dos
trehos válidos e inválidos, assim lassiados noestudo de aso de Belo Horizonteda
Seção 3.2. Pelosdados databela, éfáilpereberque,emumaexpressãode
posiiona-mento(trehos válidos),arelaçãoespaialeopontode referêniaenontramsemuito
próximos, pratiamentenão existindo outras palavras entre eles. Já nos trehos
invá-lidos, onde o par
h
relação espaial, ponto de referêniai
não onstitui uma expressãode posiionamento, a distânia entre eles é bemmaior, quase três palavras na média.
Essa araterístiaéválidaatémesmopararelaçõesespaiaisomo`pertode' e`dentro
de', empregadasem vários outros ontextos quenão o geográo quando apareem
em uma expressão de posiionamento a distânia média entre elas e os respetivos
pontos de referênia é próxima de zero. Dessa forma, podemos assumir que, em uma
expressão de posiionamento, o nome de um ponto de referênia oorre logo após a
relação espaial.
Com base nas observações aima, oprograma extrator de padrões textuais
empre-gado anteriormente no proesso de reonheimento de expressões de posiionamento
foiadaptadoparatrabalharapenasomum onjunto
R
deexpressõesregularesdesre-vendo as relações espaiais, dispensando o uso de um repositório de nomes de pontos
de referênia. Abordagem semelhante é empregada no produto omerial Geographi
Text Searh (GTS), da empresa Metaarta 8
para identiar nomes de lugares e em
Pasa(2004) parareonheerategorias enomesprópriosemdoumentosdaWeb. Na
Figura 3.6, um pseudoalgoritmo resumeo funionamentodoextrator.
Para ada asamento bem suedido de um elemento de
R
em um textoT
, umarotina responsável por identiar um nome de lugar é exeutada. Essa rotina iniia a
pesquisa na posição do texto imediatamente posterior àquela onde a relação espaial
foi enontrada. Aidentiaçãode nomesbaseiase naoorrênia de letrasmaiúsulas,
empregadas nalínguaportuguesa paradifereniarnomespróprios,e emoutras
