| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 6.9 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
Este documento apresenta o desenvolvimento e a avaliação de um sistema conversacional
especializado no domínio de laudos de honorários e deontologia médica, com base na
framework LightRAG, que combina recuperação de informação com grafos de conhecimento
para mitigar alucinações. A partir de um domínio complexo, normativo e sensível, procurou-se
garantir respostas factualmente sustentadas em documentos institucionais. A arquitetura
implementada alinha a pergunta do utilizador com passagens recuperadas do corpus e com
entidades e relações do grafo, o que incentiva uma geração ancorada em evidências. A
avaliação do sistema conversacional recorreu a métricas semânticas, onde se observou boa
cobertura temática, de 84%, e elevada recuperação do contexto e de entidades, de 93% e 92%
correspondente, mas com uma precisão de recuperação e utilização parcial do contexto
reduzida, de 24% e 58% respetivamente, coerentes com a utilização de modelos locais de
pequena dimensão para embeddings e geração e de um grafo pouco denso, composto por
cinquenta (50) nós e cinco (5) relações, o que corresponde a um grau médio de 0.2 e uma
densidade de 0.00408. Conclui-se que esta combinação é promissora para domínios críticos,
mas a sua eficiência depende da qualidade do grafo, da seletividade do recuperador e da
capacidade geradora. Propõe-se, como trabalho futuro, evoluir para modelos de embeddings e
LLM de maior dimensão e curadoria contínua do grafo, o que visa maior precisão, melhor uso
do contexto e menor probabilidade de alucinação.
Description
Keywords
Conversation Artificial Intelligence System RAG Grafos de Conhecimento LightRAG Laudos de Honorários Médicos Deontologia Médica
