%\documentclass[handout,dvips]{beamer}
\documentclass[10pt]{beamer}

\usepackage[portuges]{babel}
%\usepackage{ucs}
%\usepackage[utf8x]{inputenc}
\usepackage[latin1]{inputenc}
\usepackage{times}
\usepackage[T1]{fontenc}
\usepackage{listings}

\def\imgy#1{\includegraphics[height=0.95\textheight]{#1}}
\def\imgY#1#2{\includegraphics[height=#1\textheight]{#2}}
\def\imgx#1{\includegraphics[width=0.95\textwidth]{#1}}
\def\imgX#1#2{\includegraphics[width=#1\textwidth]{#2}}

\usepackage{url}
\usepackage[all]{xy}

\usepackage{hyperref}
\usepackage{aeguill}
\usepackage{fancyvrb}
\usepackage{graphicx}

\usetheme{Frankfurt}
\usecolortheme{crane}
\usecolortheme{crane}

\setbeamercovered{transparent}
\beamertemplateheadempty


%\AtBeginSection[]
%{
%  \begin{frame}<beamer>
%    \frametitle{Outline}
%    \tableofcontents[currentsection]
%  \end{frame}
%}


\begin{document}
\fvset{fontsize=\footnotesize, frame = single, numberblanklines = false}

\title{RENA\\
  Reconhecedor de Entidades}
\author[jj]{J.João Dias de Almeida \\ Edgar Alves  }
\date{\today}

\frame{\titlepage}


=.Resumo

\tableofcontents

=Introdução

=. Introdução RENA

:
. RENA é:
  . Uma biblioteca Perl:
    .1 \textbf{extrair a lista das Entidades} a partir de conjuntos de texto
    .2 \textbf{marcar Entidades} num conjunto de texto
    .3 baseada numa \textbf{configuração} alterável
    #
  . Uma (ou mais?) scripts para fazer processamento de entidades
  #

. Contexto = projecto IKF (Information + Knowledge + Fusion)
:
  . extracção de informação (rica)
  . classificação fuzzy e parcial
  . fusão (join) da informação extraída
  . _(Ficheiro* + BaseEnt --> BaseDoc + BaseEnt + ...)_
  . Navegadores sobre caixas de mail, \emph{papelada}
  #
#

=Configuração

=. Configuração do RENA

Configuração de base
:
.1 Tabela de contextos
.1 Gazetteer de cultura geral
.1 Sistema de Nomes
.1 Tabela de conversão/adaptação de nomes
#

Planeando-se ainda...

:
. Tabela de contextos atributivos

\begin{Verbatim}
 X , no norte de Y
 o francês Z
 a atleta portuguesa A
\end{Verbatim}

#

== Ontologia de classes
=.Hirarquia de classes

\begin{Verbatim}
- pessoa:
   - advogado
   - arquitecto
   - atleta:
      - futebolista
   - escritor:
      - poeta
   - jornalista
   - militar:
      - general
      - almirante
      - brigadeiro
      - sargento
      - tenente
      - capitão
   - musico:
      - compositor
      - pianista
   - político:
      - presidente da república
      - deputado
\end{Verbatim}

== Tabela de contextos
=. Tabela de contextos

\begin{Verbatim}
cidade (de do da)   => cidade !lctx
freguesia (de do da) => freguesia
distrito (de do da) => distrito
concelho (de do da) => concelho/90
estado (de do da)   => estado
capital             => cidade !lctx

(Rio Oceano Lago Mar Serra Cordilheira) => $_
Cabo (do de da) => cabo
Golfo (do de da) => golfo

(Lugar Largo Lg. Praça Rua R. Avenida) (de da do das dos)?  => lugar
(Travessa Beco Quinta Viela Rotunda) (de da do das dos)? => lugar

#
# Monumentos 
#
 
(Convento Mosteiro Igreja Ig. Palácio Museu Sé) (de da)? => monumento
\end{Verbatim}


== Gazetteer de cultura geral
=. Gazetteer de cultura geral

...Vista sobre a projecção de uma ontologia (exemplo: Rio Douro =

{\small\begin{Verbatim}
 rio Douro
        IOF =>  rio
        AFLUENTES =>    rio Mau,
                rio Sousa,
                rio Varosa,
                rio Tâmega,
                rio Pinhão,
                ....
                rio Torto,
                rio Távora,
                rio Esla,
                rio Tua
        COMPRIMENTO =>  927
        FOZ =>  Porto
        IN =>   Portugal,
                Espanha
        NASCE =>        serra do Urbião
        PASSA_EM =>     barragem do Pocinho,
                barragem de Miranda,
                barragem de Crestuma,
                Miranda do Douro,
                barragem do Carrapatelo,
                Régua,
                barragem da Bemposta
\end{Verbatim}
}


== Sistema de Nomes
=. Sistema de Nomes

Name-gazetteer

\begin{Verbatim}
Diana       :nome: 35
Dias        :apelido: 252
Dina        :nome: 7
Dinis       :misto: [2 13 15]
Diogo       :misto: [8 2 6]
Domingues   :apelido: 48
Dora        :nome: 8
\end{Verbatim}

== Tabela de conversão/adaptação de nomes
=. Tabela de conversão/adaptação de nomes

=Alternativas HAREM
=. Alternativas Harem: sonhar não custa

:
. XML!
. _(colecção = (MetaData \times Texto )^* )_
. taxonomia 2 níveis  _( --> )_ ontologia multi-nível de classes 

eventualmente...

\begin{Verbatim}
   país < entidade geográfica
   país < instituição administrativa 
\end{Verbatim}

. _(erro  \ne duvida \ne vagueza)_
. etiquetagem mais prática:
  . uma única tag Entidade
  . um atributo tipo _(T="país")_
:
    . com possibilidade de alternativas?  _(T="t1|t2")_
    #
  . um atributo de unificação
 #
#

==Rena: tripas
=.Rena: tripas

_( (texto \times entidade)* --> (texto \times entidade)* )_

=Conclusões
=.Conclusões e dívidas

:
. melhorar as regras de inferência e unificação e resumo
. criar um processador estrutural
. melhorar name-gazetteer estrangeiros
. MELHORAR!!!
. documentar melhor o interface de biblioteca Perl

\begin{Verbatim}
  forent($texto){ .... }
\end{Verbatim}

#

=*
\end{document}