A Librarian's Guide to Graphs, Data and the Semantic Web

ویرایش: 1 
نویسندگان: Hopkins. Matthew,  Powell. James  
سری: Chandos information professional series 
ISBN (شابک) : 1843347539, 178063434X 
ناشر: Chandos Publishing 
سال نشر: 2015 
تعداد صفحات: 246 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 23 مگابایت 

قیمت کتاب (تومان) : 47,000

نمودارها در مورد اتصالات هستند و بخش مهمی از دنیای متصل و مبتنی بر داده ما هستند. راهنمای کتابدار برای نمودارها، داده‌ها و وب معنایی برای متخصصان علوم کتابداری و اطلاعات، از جمله کتابداران، توسعه‌دهندگان نرم‌افزار و معماران سیستم‌های اطلاعاتی که می‌خواهند اصول نظریه گراف و نحوه استفاده از آن را درک کنند، طراحی شده است. برای نمایش و کاوش داده ها، و چگونگی ارتباط آن با وب معنایی. این عنوان با تأکید بر راه‌حل‌های منبع باز و این که این ابزارها چه مشکلاتی را در سطح مفهومی با حداقل تأکید بر الگوریتم‌ها یا ریاضیات حل می‌کنند، زمینه‌ای محکم در این زمینه در سطحی مناسب برای مخاطبان گسترده فراهم می‌کند. این متن همچنین مورد توجه ویژه کتابداران علوم داده و متخصصان داده خواهد بود، زیرا بسیاری از مفاهیم نظریه گراف را با کاوش در شبکه های مبتنی بر داده از رشته های علمی مختلف معرفی می کند. دو فصل اول نمودارها را در تئوری و علم شبکه‌ها بررسی می‌کند، قبل از اینکه فصل‌های بعدی شبکه‌هایی را در رشته‌های مختلف پوشش دهند. فصل‌های باقی‌مانده به شبکه‌های کتابخانه‌ای، ابزارهای گراف، کتابخانه‌های تجزیه و تحلیل گراف، مسائل اطلاعاتی و راه‌حل‌های شبکه، و نمودارهای معنایی و وب معنایی می‌روند.

• مقدمه‌ای در دسترس برای علم شبکه فراهم می‌کند که برای مخاطبان گسترده مناسب است< /li>
• چندین فصل را به بررسی نحوه استفاده از نظریه گراف در تعدادی از رشته های علمی مبتنی بر داده اختصاص می دهد
• بررسی می کند که چگونه نظریه گراف می تواند به دانشمندان کتابخانه ای و اطلاعاتی کمک کند
<. /ul>

Graphs are about connections, and are an important part of our connected and data-driven world. A Librarian's Guide to Graphs, Data and the Semantic Web is geared toward library and information science professionals, including librarians, software developers and information systems architects who want to understand the fundamentals of graph theory, how it is used to represent and explore data, and how it relates to the semantic web. This title provides a firm grounding in the field at a level suitable for a broad audience, with an emphasis on open source solutions and what problems these tools solve at a conceptual level, with minimal emphasis on algorithms or mathematics. The text will also be of special interest to data science librarians and data professionals, since it introduces many graph theory concepts by exploring data-driven networks from various scientific disciplines. The first two chapters consider graphs in theory and the science of networks, before the following chapters cover networks in various disciplines. Remaining chapters move on to library networks, graph tools, graph analysis libraries, information problems and network solutions, and semantic graphs and the semantic web.

• Provides an accessible introduction to network science that is suitable for a broad audience
• Devotes several chapters to a survey of how graph theory has been used in a number of scientific data-driven disciplines
• Explores how graph theory could aid library and information scientists

Content: 
Front-matter,Copyright,Dedication,About the authors,Preface and Acknowledgments,IntroductionEntitled to full text1 - Graphs in theory, Pages 1-6
2 - Graphs and how to make them, Pages 7-13
3 - Graphs and the Semantic Web, Pages 15-19
4 - RDF and its serializations, Pages 21-30
5 - Ontologies, Pages 31-43
6 - SPARQL, Pages 45-53
7 - Inferencing, reasoning, and rules, Pages 55-63
8 - Understanding Linked Data, Pages 65-74
9 - Library networks—coauthorship, citation, and usage graphs, Pages 75-81
10 - Networks in life sciences, Pages 83-89
11 - Biological networks, Pages 91-96
12 - Networks in economics and business, Pages 97-103
13 - Networks in chemistry and physics, Pages 105-110
14 - Social networks, Pages 111-116
15 - Upper ontologies, Pages 117-127
16 - Library metadata ontologies, Pages 129-142
17 - Time, Pages 143-152
18 - Drawing and serializing graphs, Pages 153-166
19 - Graph analytics techniques, Pages 167-174
20 - Graph analytics software libraries, Pages 175-185
21 - Semantic repositories and how to use them, Pages 187-195
22 - Graph databases and how to use them, Pages 197-207
23 - Case studies, Pages 209-233
Index, Pages 235-242