EsqueMapa: Exploração Temática e Topológica de Esquemas de Bancos de Dados Relacionais
Resumo
O entendimento e a navegação de esquemas de bancos de dados complexos oferecem desafios críticos de interpretabilidade e descoberta de padrões. Apresentamos o EsqueMapa1, um sistema que combina modelos de linguagem (LLMs) para extração contextualizada de temas e Mapas Auto-Organizáveis (SOM) para mapear a estrutura latente do esquema. Para mitigar alucinações, implementamos validação baseada em métricas de consistência léxica e semântica. Avaliado no repositório E-SUS APS, o sistema reconstrói automaticamente a arquitetura temática oficial e identifica padrões emergentes não documentados. Resultados obtidos demonstram que EsqueMapa é uma ferramenta interativa e eficaz para navegação e exploração esquemas complexos.
Palavras-chave:
Modelos de Linguagem de Grande Escala, Perfilamento de Bancos de Dados, Avaliação de Consistência, Mapas Auto-Organizáveis
Referências
Domingues, R. M. S. M. et al. (2024). Painel de vigilância da saúde materna: ferramenta para vigilância epidemiológica. Rev. Bras. Epidemiol., 27:e240009.
Glenis, A. and Koutrika, G. (2021). Pyexplore: Query recommendations for data exploration without query logs. In Proceedings of the 2021 International Conference on Management of Data, SIGMOD ’21, page 2731–2735, New York, NY, USA. Association for Computing Machinery.
Han, C. and Jalagam, S. (2025). Metadata extraction leveraging large language models. arXiv preprint arXiv:2510.19334.
Jiang, S., Sørbø, S., Tinn, P., Karim, S. F., and Roman, D. (2025). Llmdap: Llm-based data profiling and sharing. In VLDB 2025 Workshop: 3rd Data EConomy Workshop (DEC).
Khacef, L., Miramond, B., Barrientos, D., and Upegui, A. (2019). Self-organizing neurons: toward brain-inspired unsupervised learning. In 2019 International Joint Conference on Neural Networks (IJCNN), pages 1–9.
Lima, A., Filho, R., Silva, S., Martins, D., and Neto, F. (2026). Prompt de entrada para esquemapa. DOI: 10.5281/zenodo.18299520.
Pinheiro, T. et al. (2025). Smartapsus: Integrando dados, previsao e otimizaçao para fortalecer a gestao da aps no brasil. In Proc. SBBD, pages 82–87. SBC.
Renze, M. (2024). The effect of sampling temperature on problem solving in large language models. In Findings of the Association for Computational Linguistics: EMNLP 2024, page 7346–7356. Association for Computational Linguistics.
Vesanto, J. and Alhoniemi, E. (2000). Clustering of the self-organizing map. In IEEE Trans. Neural Networks, volume 11, pages 586–600.
Glenis, A. and Koutrika, G. (2021). Pyexplore: Query recommendations for data exploration without query logs. In Proceedings of the 2021 International Conference on Management of Data, SIGMOD ’21, page 2731–2735, New York, NY, USA. Association for Computing Machinery.
Han, C. and Jalagam, S. (2025). Metadata extraction leveraging large language models. arXiv preprint arXiv:2510.19334.
Jiang, S., Sørbø, S., Tinn, P., Karim, S. F., and Roman, D. (2025). Llmdap: Llm-based data profiling and sharing. In VLDB 2025 Workshop: 3rd Data EConomy Workshop (DEC).
Khacef, L., Miramond, B., Barrientos, D., and Upegui, A. (2019). Self-organizing neurons: toward brain-inspired unsupervised learning. In 2019 International Joint Conference on Neural Networks (IJCNN), pages 1–9.
Lima, A., Filho, R., Silva, S., Martins, D., and Neto, F. (2026). Prompt de entrada para esquemapa. DOI: 10.5281/zenodo.18299520.
Pinheiro, T. et al. (2025). Smartapsus: Integrando dados, previsao e otimizaçao para fortalecer a gestao da aps no brasil. In Proc. SBBD, pages 82–87. SBC.
Renze, M. (2024). The effect of sampling temperature on problem solving in large language models. In Findings of the Association for Computational Linguistics: EMNLP 2024, page 7346–7356. Association for Computational Linguistics.
Vesanto, J. and Alhoniemi, E. (2000). Clustering of the self-organizing map. In IEEE Trans. Neural Networks, volume 11, pages 586–600.
Publicado
08/09/2026
Como Citar
SILVA LIMA, Allan Miller; DE PONTES FILHO, Rui Nóbrega; SANTOS SILVA, Samuel Henrique; LIMA MARTINS, Denis Mayr; DE LIMA NETO, Fernando Buarque.
EsqueMapa: Exploração Temática e Topológica de Esquemas de Bancos de Dados Relacionais. In: DEMONSTRAÇÕES E APLICAÇÕES - SIMPÓSIO BRASILEIRO DE BANCO DE DADOS (SBBD), 41. , 2026, São Carlos/SP.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2026
.
p. 173-178.
DOI: https://doi.org/10.5753/sbbd_estendido.2026.249353.
