Escrita de Artigos Científicos Mirella M. Moro

(1)

Escrita de Artigos Científicos

Mirella M. Moro

[email protected]

w w w. d c c . u f m g . b r / ~ m i r e l l a

[email protected] 2

INTRODUÇÃO

PARTE 1

Fazer Pesquisa

Prepara para decorar o próximo slide

[email protected] 4

Contexto

Problema

Solução

Avaliação

Enquanto estiver

• Pensando

• Planejando

• Escrevendo

• Apresentando

• Discutindo

• Reunindo

• Argumentando

CON

CON--PROSA:

PROSA:

[email protected] 5

• É bom? É melhor?

• [Nem] Sempre: Quando? Por quê?

• Contribuição

• Como resolver o problema

• O que não funciona?

• O que pode melhorar?

• Contexto geral

• Contexto específico

[estado da arte]

Contexto

Problema

Solução

Avaliação

6 [email protected]

(2)

Contribuições por TUDO!!!!

[email protected] 7

• Diferentes avaliações > X atual

• X atual > nova solução

• Solução atual > melhorias

• X atual > novo problema

• X atual > novo contexto

Contexto

Problema

Solução

Avaliação

8 [email protected]

Contribuições por TUDO!!!!

[email protected] 9

• Escolha qualquer um e avalie em:

map-reduce, novos hardwares, ...

• Escolha qualquer um e avalie em:

paralelo, distribuído, grandes volumes,

map-reduce, novos hardwares, ...

• Mais comum

• Dados relacionais > semiestruturado

• Dados relacionais > big data analysis

• Dados relacionais > streams

• Dados relacionais > móveis

Contexto

Problema

Solução

Avaliação

Exemplo

[ ZHANG et al @ SIGMOD 1996 ]

Finding useful patterns in large datasets has attracted considerable interest recently,

and one of the most widely studied problems in this area is the identification of clusters, or densely populated regions, in a multi-dimensional dataset. Prior work does not adequately address the problem of large datasets and minimization of I/O costs.

This paper presents a data clustering method named BIRCH (Balanced Iterative Reducing and Clustering using Hierarchies), and demonstrates that it is especially suitable for very large databases.

BIRCH incrementally and dynamically clusters incoming multi-dimensional metric data points to try to produce the best quality clustering with the available resources (i.e., available memory and time constraints). BIRCH can typically find a good clustering with a single scan of the data, and improve the quality further with a few additional scans. BIRCH is also the first clustering algorithm proposed in the database area to handle “noise” (data points that are not part of the underlying pattern) effectively.

We evaluate BIRCH’s time/space efficiency, data input order sensitivity, and clustering quality through several experiments. We also present a performance comparison of BIRCH versus CLARANS, a clustering method proposed recently for laerge datasets, and show that BIRCH is consistently superior.

[email protected] 10 Contexto Problema Solução (Detalhes) Avaliação

Conectar as Ideias: não é fácil

Título: keyword1 keyword2 Resumo:linha1 linha2 linha3 Intro: par1 par2 par3 par4

Contexto &

Relacionados

Avaliação

Solução 1

Solução 2

Conclusão: par1 par2 par3

Problema

[email protected] 11

ERGO

ESTE CURSO

(3)

2. PLANEJAMENTO

3. INÍCIO

4. CENTRO

5. FIM

6. DICAS DE ESTILO E REVISÃO

ROTEIRO

PS: na dúvida, vá à nossa biblioteca

PLANEJAMENTO

PARTE 2

As complexidades da tarefa

• Como tornar um interesse vago em um

problema

merecedor

de apresentação e solução

• Como construir um argumento que

motiva leitores

a

aceitar o que você diz

• Como antecipar dúvidas de atentos mas

críticos

leitores

e como respondê-las apropriadamente

• Como criar uma introdução e conclusão que

respondam à

pergunta mais difícil delas, E eu com isso?

• Como ler sua própria escrita como outros irão, e então

aprender quando e como revisá-la

16 FONTE: Booth, Colomb, Williams – The Craft of Research

1. Defina o Objetivo

1. Tópico: Estou pesquisando ______

2. Questão: a fim de descobrir o

que/como/por que ______,

3. Relevância: para ajudar

outros a entender ________.

Defina o Objetivo

(4)

Defina o Objetivo

2. Defina o Espectro

• Risco = tópico tão abrangente como uma

entrada de enciclopédia

• Voo espacial, a sua história

• Shakespeare, peças problemáticas

• Tópico é geralmente muito abrangente se

escrito em 4 ou 5 palavras:

De tópico abrangente a específico

• Com um tópico muito abrangente, você pode ficar

intimidado pela ideia de encontrar, muito menos ler,

sequer uma fração das fontes disponíveis

uma fração das fontes disponíveis

• Então, deve-se reduzi-lo

3. Planeje a Escrita

Entenda seu público alvo

• Pense em seu público alvo desde o início,

sabendo que você os entenderá melhor à

medida que desenvolve seu projeto

• Responda as próximas perguntas cedo, então

as revisite quando começar a escrever e de

novo quando revisar o texto

Checklist para entender seus leitores

1. Quem lerá seu texto?

• Profissionais? Alunos? Torcida do Atlético?

• Leitores que estão bem informados?

• Leitores que sabem pouco sobre o tópico?

Checklist para entender seus leitores

2. Eles esperam que faça o que pretende fazer?

Deveria...

• Diverti-los?

• Apresentar novo conhecimento baseado em

fatos?

• Ajudá-los a entender alguma coisa melhor?

• Ajudá-los a fazer algo para resolver um

(5)

Checklist para entender seus leitores

3. Quanto se espera que eles saibam?

• O que eles sabem sobre seu tópico?

• Qual interesse especial eles têm nele?

• O que eles esperam que seja discutido?

• O problema já é conhecido deles?

• É um problema existente mas que eles ainda não

reconhecem?

• É problema apenas seu, e não deles?

• Eles irão levar o problema a sério automaticamente, ou

deve trabalhar para convencê-los de que é importante?

Checklist para entender seus leitores

4. Como os leitores responderão ao seu trabalho?

• Irá contradizer o que eles já acreditam? Como?

• Eles terão algum argumento padrão contra a solução?

• Eles desejarão ver todos os passos que levaram à

solução?

• Eles esperam que o texto siga um formato padrão? Se

sim, qual?

Planejamento: Exemplo Real

27

+ESPECÍFICO

+DETALHES

+GENÉRICO

+BACKGROUND

[email protected]

ACM SAC/

CSBC

SIGMOD/

SBBD

WebDB

• XML Database

• XML Query Processing

• RoXSum

• XML Query Filtering • XML Routing • RoXSum • XML Routing • RoXSum • Algorithms

Planejamento em 1 slide

PRONTO

• Título

• Autor (es)

• Resumo

• Introdução

• Corpo

• Conclusão

• Referências

A FAZER

• Quem irá ler seu texto?

evento, periódico, orientador, alunos, banca

• Eles esperam que faça o que pretende

fazer?

contexto, novidade, contribuição, surpresa (twist)

• Quanto se espera que eles saibam?

profundidade/largura, background, público

• Como responderão aos problemas e

soluções apresentados?

COMPONENTES INICIAIS

(6)

31

Componentes

Fluxo

Título: keyword1 keyword2 Resumo:line1 line2 line3 Intro: par1 par2 par3 par4

Contexto

Avaliação

Solução 1

Solução 2

Conclusão:par1 par2 par3

Trabalhos

Relacionados

TÍTULO

• Referência principal ao

trabalho

• Chave para ser

referenciado

• Reflete o conteúdo do

trabalho

• Claro, curto, correto

– Nome, não uma frase, original

– Primeira coisa a se escrever??

[email protected]

33

Título: exemplos brasileiros

• Unsupervised Information Extraction by Text

Segmentation

E. CORTEZ @ SBC CTD 2013 – 1º lugar doutorado

• Data Mining in Large Sets of Complex Data

R. CORDEIRO @ SBC CTD 2012 – 1º lugar doutorado

• Análise de Dados de expressão gênica: normalização de

microarrays e modelagem de redes regulatórias

A.FUJITA @ SBC CTD 2008 – 1º lugar doutorado

• Low Cost BIST Techniques for Linear and Non-Linear

Analog Circuits

M. NEGREIROS @ DATE 2006 – dissertation award

• Updating relations through XML Views

V. BRAGANHOLO @ SBC CTD 2005 – 1º lugar doutorado

• Operadores de Seleção por Similaridade para Sistemas de

Gerenciamento de Bases de Dados Relacionais

A.S. ARANTES @ SBBD 2003 – best paper award

[email protected]

Utilizar um nome ajuda...

34

[email protected]

35

Título: exemplos

Clássicos e Novos Clássicos

• The Entity-Relationship Model

: Toward a Unified View of

Data

PETER CHEN @ VLDB 1975

• Marching cubes

: A high resolution 3D surface construction

algorithm

W.E. LORENSEN @ SIGGRAPH 1987

• BIRCH

: An Efficient Data Clustering Method for Very Large

Databases

T. ZHANG et al @ SIGMOD 2006

• Bigtable

: A distributed storage system for structured data

F. CHANG et al @ ACM TOCS 2008

• MapReduce:

simplified data processing on large clusters

J. DEAN & S. GHEMAWAT @ CACM 2008

[email protected]

Trabalhar em grupo é

uma faca de dois gumes

36

(7)

37

Aluno “dono” tese

Bolsista

Orientador

• André Silva, Bento Muniz, Carlos Costa

• Carlos

Costa, Bento Muniz, André Silva

• Bento Muniz, Carlos Costa, André Silva

AUTOR (es)

• Nome completo

(“artístico”)

+ filiação + email

• Ordem dos autores??

– Não há regra padrão aceita globalmente

[email protected]

www.phdcomics.com

38 [email protected] 39

RESUMO

• Um parágrafo 150-250 palavras

–Propaganda ou trailer do artigo

–Atrai (ou não!) a atenção e o interesse

do leitor

Resumo

• Sempre menciona informações ou

conclusões que estão no texto

• Sem referências bibliográficas

(exceto em

ocasiões raras, como modificações a um método

publicado previamente)

• Primeiro a ser escrito: planejamento

• Último a ser escrito: ideia melhor

[email protected]

Resumo = problema +

uma boa solução.

Contra exemplo:

41

Resumo

• Sugestão 1 (uma ou duas linhas para cada

item)

– Escopo do trabalho

– Principais objetivos

– Principal resultado ou conclusão

(8)

43

Resumo: exemplo

Structural summaries are data structures that

preserve all structural features of XML

documents in a compact form.

We investigate

the applicability of the most popular summaries

as access methods within XML query processing.

In this context, issues like space and false

positives introduced by the summaries need to

be examined.

Our evaluation reveals that the

additional space required by the more precise

structures is usually small and justified by the

considerable performance gains that they

achieve.

MORO et al – WWW 2006 Contexto Problema/ Solução Avaliação [email protected] 44

Resumo

• Sugestão 2 (uma a três linhas para cada item)

– Contexto geral e específico – Questão/problema sendo investigado

• Propósito do trabalho – Estado-da-arte

• Por que precisa de uma solução nova/melhor – Solução

• Nome da proposta

• Metodologia básica sem detalhes

• Quais características respondem as questões iniciais – Interpretação dos resultados, conclusões

[email protected]

45

Resumo: exemplo

A Web é abundante em páginas que armazenam dados de forma implícita.

Em muitos casos, estes dados estão presentes em textos semiestruturados sem a presença de delimitadores explícitos e organizados em uma estrutura também implícita.

Neste artigo apresentamos uma nova abordagem para extração em textos semi-estruturados baseada em Modelos de Markov Ocultos (Hidden Markov Models - HMM).

Ao contrário de outros trabalhos baseados em HMM, nossa abordagem dá ênfase à extração de metadados além dos dados propriamente ditos. Esta abordagem consiste no uso de uma estrutura aninhada de HMMs, onde um HMM principal identifica os atributos no texto e HMMs internos, um para cada atributo, identificam os dados e metadados. Os HMMs são gerados a partir de um treinamento com uma fração de amostras da base a ser extraída.

Nossos experimentos com anúncios de classificados retirados da Web mostram que o processo de extração alcançáveis de qualidade acima de 0,97 com a medida F, mesmo se esta fração de treinamento é pequena. SANTOS et al @ SBBD 2006 Contexto Problema Solução e Estado-da-Arte Avaliação [email protected] 46

Resumo: exemplo

Publish-subscribe applications are an important class of content-based dissemination systems where the message transmission is defined by the message content, rather than its destination IP address.

With the increasing use of XML as the standard format on many Internet-based applications, XML aware pub-sub applications become necessary. In such systems, the messages (generated by publishers) are encoded as XML documents, and the profiles (defined by subscribers) as XML query statements.

As the number of documents and query requests grow, the performance and scalability of the matching phase (i.e. matching of queries to incoming documents) become vital.

Current solutions have limited or no flexibility to prune out queries in advance.

In this paper, we overcome such limitation by proposing a novel early pruning approach called Bounding-based XML Filtering or BoXFilter.

The BoXFilter is based on a new tree-like indexing structure that organizes the queries based on their similarity and provides lower and upper bound estimations needed to prune queries not related to the incoming documents.

Our experimental evaluation shows that the early profile pruning approach offers drastic performance improvements over the current state-of-the-art in XML filtering. MORO et al @ VLDB 2007

Contexto Geral Contexto Específico Problema Estado-da-arte Solução Método proposto Avaliação [email protected] 47

Resumo: exemplo

Finding useful patterns in large datasets has attracted considerable interest recently, and one of the most widely studied problems in this area is the identification of clusters, or densely populated regions, in a multi-dimensional dataset.

Prior work does not adequately address the problem of large datasets and minimization of I/O costs.

This paper presents a data clustering method named BIRCH (Balanced Iterative Reducing and Clustering using Hierarchies), and demonstrates that it is especially suitable for very large databases.

BIRCH incrementally and dynamically clusters incoming multi-dimensional

metric data points to try to produce the best quality clustering with the available resources (i.e., available memory and time constraints).

BIRCH can typically find a good clustering with a single scan of the data, and

improve the quality further with a few additional scans. BIRCH is also the first clustering algorithm proposed in the database area to handle “noise” (data points that are not part of the underlying pattern) effectively.

We evaluate BIRCH’s time/space efficiency, data input order sensitivity, and clustering quality through several experiments. We also present a performance comparisons of BIRCH versus CLARANS, a clustering method proposed recently for laerge datasets, and show that BIRCH is consistently superior.

ZHANG et al – SIGMOD 1996

Contexto e Problema Estado-da-arte Solução Método Vantagens Avaliação [email protected] 48

Resumo: exemplo

Today’s cloud-based services integrate globally distributed resources into seamless computing platforms.

Provisioning and accounting for the resource usage of these Internet-scale applications presents a challenging technical problem.

This paper presents the design and implementation of distributed rate limiters, which work together to enforce a global rate limit across traffic aggregates at multiple sites, enabling the coordinated policing of a cloud-based service’s network traffic.

Our abstraction not only enforces a global limit, but also ensures that congestion-responsive transport-layer flows behave as if they traversed a single, shared limiter. We present two designs—one general purpose, and one optimized for TCP—that allow service operators to explicitly trade off between communication costs and system accuracy, efficiency, and scalability.

Both designs are capable of rate limiting thousands of flows with negligible overhead (less than 3% in the tested configuration). We demonstrate that our TCP-centric design is scalable to hundreds of nodes while robust to both loss and communication delay, making it practical for deployment in nationwide service providers. RAGHAVAN et al – SIGCOMM 2007

Contexto Problema Solução Método Avaliação [email protected]

(9)

49

INTRODUÇÃO

ARTIGO

∩

= ∅

∅

APESAR de serem ambos bem escritos

[email protected]

Introdução introduz ☺

☺

50

[email protected]

51

Um artigo científico não é um livro

de suspense no qual o leitor só

descobre o que está realmente

acontecendo no capítulo final

Introdução

• Uma introdução bem escrita é fundamental!!

• O leitor deve estar ciente do que acontece desde

o início, desde a introdução

Introdução

• A introdução é uma reafirmação extentida do

conteúdo do Resumo

ERRO MAIS COMUM

Não colocar as contribuições

Deixar tudo “implícito”

Achar que é óbvio

Óbvio não é ciência,

é senso comum

[email protected]

53

Introdução

• Em algum lugar (na introdução), adicionar

exemplos (1 ou mais):

– Como o seu trabalho pode ser empregado

– Onde o seu trabalho pode ser empregado,

quais os contextos, quais aplicações podem

tirar vantagem

– Quais problemas práticos o seu trabalho

resolve

Introdução

• Sugestão 1 (um ou dois parágrafos por item)

– Identifica a área de interesse (palavras do título)

– Contexto: revisão básica do estado-da-arte

– Propósito: e/ou hipótese sendo investigada

• O propósito desse trabalho é definir... • Esse trabalho propõe três métodos para...

– Solução a ser detalhada

• Característica fundamental, técnica/metodologia, vantagens

– Organização

(10)

55

Introdução

• Sugestão 2 (um ou dois parágrafos por item)

– Contexto, motivação

– O problema em questão

– Trabalhos anteriores relacionados (limitações)

– Lista de contribuições, resultados principais

– Organização

[email protected] 56 Contexto • Problema • Relacionados • Solução (Organização)

Introdução

• Contexto, motivação • Evolução de um contexto

“Yesterday’sversion of distributed computing was a selfcontained, colocated server farm. Today, applications are increasingly deployed on third-party resources hosted across the Internet. Indeed, the rapid spread of open protocols and standards like Web 2.0 has fueled an explosion of compound services that script together third-party components to deliver a sophisticated service [27, 29]. These specialized services are just the beginning: flagship consumer and enterprise applications are increasingly being delivered in the software-as-a-service model [9]. For example, Google Documents, Groove Office, and Windows Live are early examples of desktop applications provided in a hosted environment, and represent the beginning of a much larger trend.”

RAGHAVAN et al – SIGCOMM 2007 [email protected] 57

Introdução

• O problema em questão

– Definição do problema

– Sua importância, relevância, aplicações práticas

“

One of the key barriers to moving traditional applications to the cloud, however, is the loss of cost control [17]. In the cloud-based services model, cost recovery is typically accomplished through metered pricing. Indeed, Amazon’s EC2 charges incrementally per gigabyte of traffic consumed [3] […] Limiting global resource consumption in a distributed environment, however, presents a significant technical challenge. Ideally, resource providers would not require services to specify the resource demands of each distributed component a priori; such

fine-grained measurement and modeling can be challenging for rapidly evolving

services. Instead, they should provide a fixed price for an aggregate, global usage, and allow services to consume resources dynamically across various locations, subject to the specified aggregate limit.” RAGHAVAN et al – SIGCOMM 2007 [email protected] • Contexto Problema • Relacionados • Solução (Organização) 58

Introdução

• Trabalhos anteriores relacionados

– No mesmo contexto, não resolvem o problema ou

apresentam apenas soluções parciais

– Extensão ou continuação de um trabalho anterior:

deve ser mencionado na introdução

– Uma frase sobre cada trabalho ou

– Agrupar trabalhos similares e detalhar um ou dois:

“... Como resposta a tal requisito, alguns trabalhos têm enfocado a questão do suporte a versões [2,4,9,13,23,27]. Entre esses, Golendziner propõe o Modelo de Versões: uma extensão aplicável a modelos de dados orientado a objetos ... ... [9]”

[email protected] • Contexto • Problema Relacionados • Solução (Organização) 59

Introdução

• Solução: Contribuições principais do artigo – Por extenso em um parágrafo

• “Considerando o contexto atual, esse trabalho propõe ...”

– Delimitado por itens

“This paper makes three primary contributions:

• Rate Limiting Cloud-based Services. We identify a key challenge...

• Distributed Rate Limiter Design. We present the design and …

• Evaluation and Methodology. We develop a methodology…” RAGHAVAN et al – SIGCOMM 2007 [email protected] • Contexto • Problema • Relacionados Solução (Organização) 60

Introdução

• Organização

“O restante do artigo está organizado da seguinte maneira. A

seção 2 apresenta alguns conceitos básicos e discute

trabalhos relacionados. A seção 3 detalha o modelo proposto.

A seção 4 apresenta um estudo comparativo através de

experimentos, enquanto a seção 5 conclui o trabalho.”

• Contexto • Problema • Relacionados • Solução Organização [email protected]

(11)

61

ATÉ AQUI

[email protected]

Título: keyword1 keyword2 Resumo:line1 line2 line3 Intro: par1 par2 par3 par4

Contexto

Avaliação

Solução 1

Solução 2

Conclusão:par1 par2 par3

Trabalhos

Relacionados

COMPONENTE CENTRAL

PARTE 4

63

Corpo

• Muitas maneiras de apresentar o corpo do

trabalho

• Faça rascunhos com ordens diferentes

• Revise com seu orientador, escolha um

• Pode ser mudado enquanto o trabalho é

escrito

Escrever Artigos como Arte

Corpo

Exemplos de Organização

ARANTES @ SBBD 2003 1. Introdução 2. Trabalhos Relacionados 3. Motivação e Conceitos Fundamentais 4. Composição de Operadores por Similaridade: os Novos Algoritmos 5. Experimentos Realizados 6. Conclusões e Trabalhos Futuros BRAGANHOLO @ CTD 2005 1. Introduction 2. Related Work 3. Query Trees 4. Update Language 5. Mapping

6. Summary and Concluding Remarks [email protected] 66

Corpo

Exemplos de Organização

LORENSEN @ SIGGRAPH 87 1. Introduction

2. Information flow for 3D medical algorithms 3. Related work

4. Marching cube algorithm 5. Enhancements of the basic

algorithm 6. Implementation 7. Results 8. Conclusions WEYUKER @ TSE 88 1. Introduction 2. Definitions 3. Complexity Measures 4. Desired Properties of Complexisty Measures 5. Conclusions, Summary, and

Future Directions

(12)

67

Corpo

Exemplos de Organização

ZHANG @ SIGMOD 1996

1. Introduction

2. Summary of Relevant Research 3. Background

4. Clustering Feature and CF Tree 5. The BIRCH Clustering Algorithm 6. Performance Studies 7. Summary and Future Research

RAGHAVAN @ SIGCOMM07 1. Introduction 2. Classes of Clouds 3. Limiter Design 4. Evaluation Methodology 5. Evaluation 6. Related Work 7. Conclusion [email protected] 68

Corpo

Exemplos de Organização

CHANG et al@ ACM TOCS 08

1. Introduction 2. Data Model 3. API 4. Building Blocks 5. Implementation 6. Refinements 7. Performance Evaluation 8. Real Applications 9. Lessons 10. Related Work 11. Conclusions 12. Acknowledgements 13. References DEAN,GHEMAWAT @ CACM 08 1. Introduction 2. Programming Model 3. Implementation 4. Refinements 5. Performance 6. Experience 7. Related Work 8. Conclusions 9. Acknowledgements 10. References [email protected] 69 1.Introdução 2.O que já existe Estado-da-arte 3.NOVIDADE 4.VALIDAÇÃO 5.Conclusão A. Conceitos Básicos B. MODELO C. LINGUAGEM; IMPLEMENTAÇÃO D. ESTUDO DE CASO E. Trabalhos Relacionados A. Conceitos Básicos B. Trabalhos Relacionados C. ARQUITETURA; ALGORITMOS D. ANÁLISE COMPARATIVA E. EXPERIMENTOS F. Discussão

Corpo

Exemplos de Organização

[email protected]

Verificar o que já existe

evita reinventar o passado

O que já Existe

• Conceitos Básicos e

Trabalhos Relacionados

• Apresentados juntos/não

• Conceitos Básicos antes

da contribuição principal

• Trabalhos Relacionados

no início ou fim

Já existe • Novidade • Validação • Discussão [email protected] 72

O que já Existe: Conceitos Básicos

• Referências para trabalhos onde os conceitos são

introduzidos ou melhor detalhados

necessários

para entender o

trabalho

Definições

Notações

Modelos

Arquiteturas

Linguagens

Cenários

Padrões

[email protected]

(13)

73

• Como o artigo avança o estado-da-arte

• O que antes não tinha, e agora tem

• Foco: trabalhos RELACIONADOS a pesquisa

apresentada no artigo

O que já Existe: Trabalhos Relacionados

• Trabalhos anteriores com temas relacionados ao seu

• Mencionar todos os trabalhos relacionados

(pessoal

do comitê de programa, depto)

• Detalhes desses trabalhos ajudam mostrar onde o

seu trabalho é melhor ou

• Desvantagens ou pontos fracos de trabalhos

anteriores que são aprimorados

• Condições, requisitos e limitações do seu trabalho

[email protected]

75

O que já Existe: Trabalhos Relacionados

• Seção de Trabalhos Relacionados é praticamente obrigatória

• Por exemplo, o título é:

“Resumos Estruturais em Processamento de Consulta XML” Exemplos de temas relacionados:

– Resumos estruturais em outros contextos (outros processamentos) – Resumos estruturais para processar outros tipos de dados – Outras formas de processar consultas XML

– ...

O que já Existe: Trabalhos Relacionados

• Mas o artigo é um survey, precisa de trabalhos

relacionados???

– SIM

– É impossível que um artigo referencie todos os outros – Que outros trabalhos ficaram fora do survey e por quê?

• Precisa ter uma seção para Trabs. Rels? Não pode ir

simplesmente mencionando os artigos aqui e ali no meio do

artigo?

– Melhor não

– Melhor ter todos os artigos em uma seção – COMPARANDO com o trabalho em questão

[email protected]

Cuidado!!!!!!!!!!

Novidade: Contribuições

• Parte principal do

artigo!!!!

• A que veio

• Adiciona o que

• Tem de estar

claríssimo

• Já existe _Novidade • Validação • Discussão [email protected]

(14)

79

Novidade: Contribuições

• Um parágrafo com ideia geral da proposta

• Esclareça novas definições (escreva claramente que são novas

definições propostas no artigo)

• Adicione quantos parágrafos necessários para apresentar:

– o que é o trabalho – como funciona a proposta – o que é novidade, por que

– detalhes e explicações sobre partes principais do funcionamento da proposta [email protected]

EXPLICITAMENTE

O que

Como

Por que

Onde

Quanto

COMPONENTES FINAIS

PARTE 5

Validação / Avaliação

82 • Já existe • Novidade Validação • Discussão

• Mostrar que a solução

proposta funciona e

seus benefícios

• Análise

• Estudo de caso

• Experimentos

Validação: Análise

• Proposta é correta (demonstração e provas)

• Inclua (conforme necessário):

– Um parágrafo com o resumo do que é provado nessa

seção

– Um parágrafo com definições específicas usadas na análise

(ex. estruturas usadas nas provas)

– Provas e análises

– Comentários finais sobre o significado das provas de um

modo intuitivo ou num nível mais prático

Validação: Estudo de Caso

• Proposta é aplicável, implementável

• Inclua (conforme necessário):

– Contexto geral

– Regras ou condições específicas necessárias nesse estudo

de caso caso

– Modelagem / Implementação

– Funcionamento

– Vantagens e desvantagens de usar o modelo proposto

nesse estudo de caso

(15)

85

Validação: Experimentos

• Proposta funciona, desempenho bom/superior

• Inclua (conforme necessário):

– Contexto: o que é medido, o que não é, por que

– Modelo de simulação ou infraestrutura das medições:

configuração do sistema, tipo de máquinas usadas,

linguagens, ...

– Resultados dos experimentos [próximo slide]

– Comentários finais, discussões, explicações adicionais

Validação: Experimentos

• Descrição de resultados

– Subtítulo (em negrito): para diferenciar experimentos (ex: avaliando tamanho da entrada, variando a quantidade de consultas, usando dados sintéticos, usando dados reais, ...)

– Razão clara: por que cada gráfico aparece no seu artigo (ex: conforme o tamanho dos arquivos de entrada aumenta, o throughput diminui, ...)

– Explicar: os axis, o que o gráfico mostra, qual é a tendência, por que a tendência aparece, por que um algoritmo apresenta melhores resultados que outro, ...

– Auto-contido: legendas devem ser legíveis e compreensíveis e suficientes para entender o gráfico

[email protected]

87

Experimentos: Exemplo

• Performance studies

– 6.1 Analysis

– 6.2 Synthetic Dataset Generator

– 6.3 Parameters and Default Setting

– 6.4 Base Workload Performance

– 6.5 Sensitivity to Parameters

– 6.6 Time Scalability

– 6.7 Comparison of BIRCH and CLARANS

– 6.8 Application to Real Datasets

ZHANG @ SIGMOD 1996

[email protected]

Experimentos:

Moral da História

88 [email protected]

Discussão

89 • Já existe • Novidade • Validação Discussão

• Discussão

– Pode ser incluída como subseção final de Experimentos ou na Conclusão

– Relacionamentos entre os fatos e resultados observados – Princícios, relações, generalizações mostrados nos Experimentos – Exceção ou falta de relação, pontos incertos

– Mostrar que resultados e interpretações concordam (ou contrastam) com trabalhos previamente publicados – Implicações teóricas e possíveis aplicações práticas

• Conclusão

– Principal contribuição

– Evidências para cada conclusão (não assuma que o leitor é super capaz de juntar todos os pontos sozinho)

[email protected]

Você = maior fã do seu trabalho

90

(16)

91

CONCLUSÃO

• Sugestão: ser mais específico que na introdução e informar

(um parágrafo/linha por item)

– resumo do que o artigo apresentou – principais resultados e contribuições – comentários sobre a importância, relevância ou

– dicas para o uso prático do seu trabalho (como os resultados dos experimentos podem ajudar na prática...)

– trabalhos futuros (evite entregar suas ideias de trabalhos mais inovadores de graça!!)

Conclusão: exemplo

“As cloud-based services transition from marketing vaporware to real, deployed systems, the demands on traditional Web-hosting and Internet service providers are likely to shift dramatically. In particular, current models of resource provisioning and accounting lack the flexibility to effectively support the dynamic composition and rapidly shifting load enabled by the software as a service paradigm. We have identified one key aspect of this problem, namely the need to rate limit network traffic in a distributed fashion, and provided two novel algorithms to address this pressing need.

Our experiments show that naive implementations based on packet arrival information are unable to deliver adequate levels […]

Our results demonstrate that it is possible to recreate, at distributed points in the network, the flow behavior that end users and network operators expect from a single centralized rate limiter. Moreover, it is possible […]”

RAGHAVAN et al - SIGCOMM 2007

[email protected]

93

Referências são importantes,

sempre

REFERÊNCIAS

• Corretas, completas, específicas

• Informações obrigatórias: autores, título, nome do evento ou

periódico (editora), volume e número se necessário, ano

• Referências relevantes

– Do mesmo ano (ou ano anterior) para ilustrar que o tópico é atual e de interesse da comunidade

– Artigos de conferências, periódicos, livros (não apenas sites da Internet!)

– Todas as obras listadas no conjunto de referências devem ser mencionadas no texto, e vice-versa

[email protected]

SBC Horizontes: Agosto’2009

• [HOW TO]

Como fazer pesquisa bibliográfica

Agma Juci Machado Traina, Caetano Traina Jr., ICMC-USP São

Carlos

Por onde devo começar quando quero iniciar uma pesquisa

bibliográfica? Este artigo visa responder a essa questão,

apresentando ao jovem pesquisador os passos principais para

realizar uma pesquisa bibliográfica que contemple seu

objetivo, bem como as ferramentas básicas amplamente

disponíveis para ser bem sucedido.

95

[email protected]

DICAS DE ESTILO E REVISÃO

(17)

97

DICAS DE ESTILO

SETE pecados capitais

1. Frases longas (repletas de

vírgulas ou não!)

2. Erros ortográficos

3. Tradução literal e

imbromation

4. Imagens/tabelas ilegíveis

5. Erros gramaticais

(paralelismo, concordância, conjugação, crase)

6. Cópia literal

7. Blablabla (encher linguiça)

Dicas de Estilo

• Siga o formato

– Confira cuidadosamente a seção de "Instruções a Autores"/"Instruções para Submissão"

– Artigos podem ser recusados apenas por não seguir o formato requisitado (independente da qualidade de seu conteúdo)

• Cópia literal não!!!

– Quando referenciar outros trabalhos, resuma suas idéias principais – Resista à tentação de copiar literalmente colocando o texto entre “..”

[email protected]

99

Dicas de Estilo

• Palavras estrangeiras em itálico

• Siglas esclarecidas

– Colocar seu significado entre parênteses

– “... conforme definido pela W3C (World Wide Web Consortium)...” – Lembre-se que pode existir sobreposição

[email protected] 100

Dicas de Estilo

• Uma imagem vale mil palavras

– Trabalho apresenta um processo complicado, cheio de fases, entradas e saídas para lá e para cá, tente resumir tudo em uma imagem – Uma nova arquitetura

• Escreva enquanto trabalha

– É uma boa idéia começar a escrever o artigo enquanto o trabalho está em desenvolvimento (enquanto idéias, problemas, soluções e detalhes estão mais frescos na memória)

• REVISAR! REVISAR! REVISAR!

• Backup! Backup! Backup!

[email protected]

101

REVISÃO FINAL

Verificar antes da Submissão

• Ortografia de título, nomes dos autores e filiação

• Imprima o artigo (no formato final de submissão): tudo legível

• Tenha certeza absoluta da data e do horário limites para

submissão de trabalhos

• MS Word:

– Numeração das seções e subseções

– Numeração no texto concorda com a numeração usada em figuras e tabelas

– Referências cruzadas não foram perdidas dentro do editor

[email protected] 102

Revisão Final

Exemplo de Formulário de Avaliação

• Relevância

(enquadramento no evento)

• Originalidade

• Mérito técnico-científico

• Apresentação

• Organização

• Legibilidade (readability)

• Referências

MAIS NA AULA “Como revisar artigos”

(18)

103

EM RESUMO

Título

Autores

Resumo / Abstract

1. Introdução

2. O que já existe

3. NOVIDADE

4. Validação

5. Conclusão

6. Referências

Título inicial do trabalho Aluno + Orientador(es) Contexto + problema + objetivos

Contexto + motivação + problema + estado-da-arte + contribuições + organização

Estado-da-arte: comparação

Contribuições + trabalho desenvolvido

Validação: análise, estudo, experimentos

Estado atual + próximos passos Local (DCC) + nacional + internacional

[email protected]

www.dcc.ufmg.br/~mirella

Perguntas???

Estudo de Caso

VLDB 2007 Best Paper Awards

Scalable Semantic Web Data Management

Using Vertical Partitioning

Daniel J. Abadi, Adam Marcus, Samuel Madden,

Katherine J. Hollenbach

Tem um formato particular

105

[email protected]

Estudo: Abstract

• Efficient management of RDF data is an important factor in realizing the semantic Web vision.

• Performance and scalability issuesare becoming increasingly pressing as Semantic Web technology is applied to real-world applications.

• In this paper, we examinethe reasons why current data management solutions for RDF data scale poorly, and explore the fundamental scalability limitations of these approaches. We reviewthe state of the art for improving performance for RDF databases and consider a recent suggestion, “property tables.” We then discuss practically and empirically why this solution has undesirable features.

• As an improvement, we propose an alternative solution: vertically partitioning the RDF data. We comparethe performance of vertical partitioning with prior art on queries generated by a Web-based RDF browser over a large-scale (more than 50 million triples) catalog of library data.

• Our results showthat a vertical partitioned schema achieves similar performance to the property table technique while being much simpler to design. Further, if a column-oriented DBMS (a database architected specially for the vertically partitioned case) is used instead of a row-oriented DBMS, another order of magnitude performance improvement is observed, with query times dropping from minutes to several seconds.

106

[email protected]

Estudo: Introduction

• The Semantic Web is an effort by the W3C [8] to enable integration and sharing of data across different applications and organizations. Though called the Semantic Web, the W3C envisions something closer to a global database than to the existing World Wide Web. In the W3C vision, […] . Database researchers will immediately recognize that building the Semantic Web requires surmounting many of the semantic heterogeneity problems faced by the database community over the years. In fact – as in many database research efforts – the W3C has proposed schema matching, ontologies, and schema repositories for managing semantic heterogeneity.

• One area in which the Semantic Web community differs from the relational database community is in its choice of data model. The Semantic Web data model, called the “Resource Description Framework,” [9] or RDF, represents data as statements about resources using a graph connecting resource nodes and their property values with labeled arcs representing properties. Syntactically, […]. For example, to represent the fact that Serge Abiteboul, Rick Hull, and Victor Vianu wrote a book called “Foundations of Databases” we would use seven triples: […]

107

O artigo tem de explicar esses conceitos: Trata da área de Web Semântica em um evento de Banco de Dados

[email protected]

Estudo: Introduction

• The commonly stated advantage of this approach is that it is very general […] These tools won’t be useful if different users describe objects differently, so the Semantic Web community has developed a set of standards for expressing schemas (RDFS and OWL); these make it possible, for example, to say that every book should have an author, or that the property “isAuthor” is the same as the property “authored.”

• This data representation, though flexible, has the potential for serious performance issues, since there […]. For example, […] Figure 1.

108 This query is potentially very slow to execute, since as the number of triples in the library collection scales, the RDF table may well exceed the size of memory, and each of these filters and joins will require a scan or index lookup. Real world queries involve many more joins, which complicates selectivity estimation and query optimization, and limits the benefit of indices.

(19)

Estudo: Introduction

• As a database researcher, it is tempting to dismiss RDF, as the data model seems to offer inherently limited performance for little – or no – improvement in expressiveness or utility. Regardless of one’s opinion of RDF, however, it appears to have a great deal of momentum in the web community, with several international conferences (ISWC, ESWC) each drawing more than 250 full paper submissions and several hundred attendees, as well as enthusiastic support from the W3C (and its founder, Tim Berners-Lee.) Further, an increasing amount of data is becoming available on the Web in RDF format, including the UniProt comprehensive catalog of protein sequence, function, and annotation data (created by joining the information contained in Swiss-Prot, TrEMBL, and PIR) [6] and Princeton University’s WordNet (a lexical database for the English language) [7]. The online Semantic Web search engine Swoogle [5] reports that it indexes 2,171,408 Semantic Web documents at the time of the publication of this paper.

109

Vende o peixe para a comunidade de BD

[email protected]

Estudo: Introduction

• Hence, it is our goal in this paperto explore ways to improve RDF query performance, since […]. We focus on […] The gist of our technique is based on a simple and familiar observation to proponents of relational technology: […]

• We look at two different physical organization techniques for RDF data. The first, called the property table technique, denormalizes […]. For example, “title,” “author,” and “isbn” might all be properties that tend to be defined for subjects that represent book entities. […] This flattened property table representation will require many fewer joins to access, since self-joins on the subject column can be eliminated. One can use standard query rewriting techniques to translate queries over the RDF triple-store to queries over the flattened representation.

• There are several issues with this property table technique, including:

– NULLs. Because […] – Multi-valued Attributes. […]

– Proliferation of union clauses and joins. In the above example, […]

110

Fornece uma primeira solução que requer menos joins. Explica os problemas desta solução.

[email protected]

Estudo: Introduction

• To address these limitations, we propose a different physical organization technique for RDF data. We create a two-column table […] For the library example, […] Although many joins are still required to answer queries over multiple properties, each table is sorted by subject, so fast (linear) merge joins can be used. Further, only those properties that are accessed by the query need to be read off disk (or from memory), saving I/O time.

• The above technique can be thought of as a fully vertically partitioned database on property value. Although vertically partitioning a database can be done in a normal DBMS, these databases are not optimized for these narrow schemas (for example, the tuple header dominates the size of the actual data resulting in table scans taking 4-5 times as long as they need to), and there has been a large amount of recent work on column-oriented databases [19, 20, 29, 31], which are DBMSs optimized for vertically partitioned schemas.

111

Fornece uma segunda solução

Explica a diferença da nova técnica para as anteriores (da própria comunidade de BD)

[email protected]

Estudo: Introduction

• In this paper, we compare the performance of different RDF storage schemes on a real world RDF dataset. We use the Postgres open source DBMS to show that both the property table and the vertically partitioned approaches outperform the standard triple-store approach by more than a factor of 2 (average query times go from around 100 seconds to around 40 seconds) and have superior scaling properties. We then show that

one can get another order of magnitude in performance improvement by using a column-oriented DBMS since they are designed to perform well on vertically partitioned schemas (queries now run in an average of 3 seconds).

• The main contributions of this paper are: an overview of the state of the art for storing RDF data in databases, a proposal to vertically partition RDF data as a simple way to improve RDF query performance relative to the state of the art, a description of how we extended a column-oriented database to implement the vertical partitioning approach, and a performance evaluation of these different proposals. Ultimately, the column-oriented DBMS is able to obtain near-interactive performance (on non-trivial queries) over real-world RDF datasets of many millions of records, something that (to the best of our knowledge) no other RDF store has been able to achieve.

• The remainder of this paper is organized as follows. […]

112

[email protected]

Estudo: Corpo

2. Current State of the Art

In this section, we discuss the state of the art of storing RDF data in relational databases, with an extended look at the property table approach.

2.1 RDF in RDBMSs 2.2 Property Tables 3. A Simpler Alternative

We now look at an alternative to the property table solution to speed up queries over a triple-store. In Section 3.1 we discuss the vertically partitioned approach to storing RDF triples.We then look at how we extended a column-oriented DBMS to implement this approach in Section 3.2

3.1 Vertically Partitioned Approach 3.2 Extending a Column-Oriented DBMS

113

[email protected]

Estudo: Corpo

114

4. Materialized Path Expressions 5. Benchmark

In this section, we describe the RDF benchmark we have developed for evaluating the performance of our three RDF databases. Our benchmark is based on publicly available library data and a collection of queries generated from a web-based user interface for browsing RDF content.

5.1 Barton Data 5.2 Longwell Overview 5.3 Longwell Queries

(20)

Estudo: Validação

6. Evaluation

Now that we have described our benchmark dataset and the queries that we run over it, we compare their performance in three different schemas – a triples schema, a property tables schema, and a vertically partitioned schema. We study the performanceof each of these three schemas in a row-store (Postgres) and, for the vertically partitioned schema, also in a column-store (our extension of C-Store).

Our goal isto study the performance tradeoffs between these representations to understand when a vertically partitioned approach performs better (or worse) than the property tables solution. Ultimately, the goal is to improve performance as much as possible over the triple-store schema, since this is the schema most RDF triple-store systems use.

115

[email protected]

Estudo: Validação

116

6.1 System

6.1.1 PostgreSQL Database (por que? configurações)

6.2 Store Implementation Details

We now describe the details of our store implementations. Note that all implementations feature a dictionary encoding table that maps strings to integer identifiers (as was described in Section 2.1); these integers are used instead of strings to represent properties, subjects, and objects. The encoding table has a clustered B+tree index on the identifiers, and an unclustered B+tree index on the strings. We found that all experiments, including those on the triplestore, went an order of magnitude faster with dictionary encoding.

6.2.1 Triple Store 6.2.2 Property Table Store

6.2.3 Vertically Partitioned Store in Postgres 6.2.4 Column-Oriented Store

6.3 Query Implementation Details

In this section, we discuss the implementation of all seven benchmark queries in the four designs described above.

[email protected]

Estudo: Validação

117 6.4 Results 6.4.1 Postgres as a Choice of RDBM 6.5 Scalabililty

6.6 Materialized Path Expressions

6.7 The Effect of Further Widening

[email protected]

Estudo: Conclusão

The emergence of the Semantic Web necessitateshigh performance data management tools to manage the tremendous collections of RDF data being produced. Current state of the art RDF databases – triple-stores – scale extremely poorly since most queries require multiple self-joins on the triples table. The previously proposed “property table” optimization has not been adopted in most RDF databases, perhaps due to its complexity and inability to handle multi-valued attributes. We showed that a poorly-selected property table can result in a factor of 3.8 slowdown over an optimal property table, thus making the solution difficult to use in practice. As an alternative to property tables, we proposed vertically partitioning tables and demonstrated that they achieve similar performance as property tables in a row-oriented database, while being simpler to implement. Further, we showed that on a version of the C-Store column-oriented database, it is possible to achieve a factor of 32 performance improvement over the current state of the art triple store design. Queries that used to take hundreds of seconds can now be run in less than ten seconds, a significant step toward interactive time semantic web content storage and querying.

118

[email protected]

Estudo: Acknowledgments

• We thank George Huo and the Postgres development team for their advice on our Postgres implementation, and Michael Stonebraker for his feedback on this paper. This work was supported by the National Science Foundation under grants IIS-048124, CNS- 0520032, IIS-0325703 and two NSF Graduate Research Fellowships.

119

Escrita de Artigos Científicos Mirella M. Moro