Domain-Specific Knowledge Graph Construction

ویرایش: 1st ed. 
نویسندگان: Mayank Kejriwal  
سری: SpringerBriefs in Computer Science 
ISBN (شابک) : 9783030123741, 9783030123758 
ناشر: Springer International Publishing 
سال نشر: 2019 
تعداد صفحات: 115 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت 

قیمت کتاب (تومان) : 56,000



مقدار وسیعی از اطلاعات هستی‌شناختی بدون ساختار در وب، از جمله اسناد HTML، XML و JSON، اسناد زبان طبیعی، توییت‌ها، وبلاگ‌ها، نشانه‌گذاری‌ها و حتی اسناد ساختاریافته مانند جداول CSV، همگی حاوی دانش مفیدی هستند که می‌تواند ارائه شود. یک مزیت فوق‌العاده برای جامعه هوش مصنوعی اگر به‌طور قوی، کارآمد و نیمه خودکار به‌عنوان گراف‌های دانش استخراج شود. ساخت نمودار دانش ویژه دامنه (KGC) یک حوزه تحقیقاتی فعال است که اخیراً به دلیل تکنیک‌های یادگیری ماشینی مانند شبکه‌های عصبی عمیق و جاسازی کلمات، شاهد پیشرفت‌های چشمگیری بوده است. این کتاب ساخت نمودار دانش را بر روی داده‌های وب به شیوه‌ای جذاب و در دسترس ترکیب می‌کند.

این کتاب موضوع به‌موقع را هم برای محققان اولیه و هم برای محققان میان‌سال توصیف می‌کند. هر سال، مقالات بیشتری در مورد ساخت نمودار دانش، به ویژه برای دامنه های وب دشوار منتشر می شود. این اثر به عنوان یک مرجع مفید، و همچنین نمای کلی قابل دسترس اما دقیق از این مجموعه کار عمل می کند. این کتاب در صورت امکان ارتباطات بین رشته ای را ارائه می دهد تا محققانی را که به دنبال ایده ها یا هم افزایی های جدید هستند درگیر کند. این به کتاب اجازه می‌دهد تا در مکان‌ها و کنفرانس‌های متعدد بازار شود. این کتاب همچنین برای متخصصین صنعت و دانشمندان داده جذاب خواهد بود، زیرا دارای فصل هایی در مورد جمع آوری داده ها و همچنین فصلی در مورد پرس و جو و پیاده سازی های خارج از قفسه است.

نویسنده این موضوع را در کنفرانس های بزرگ و مهم ارائه کرده و ادامه می دهد. او قصد دارد پاورپوینت ارائه شده را به عنوان مکمل کار در دسترس قرار دهد. این باعث جذب مخاطب طبیعی برای کتاب می شود. برخی از داوران در مورد موقعیت او در جامعه مطمئن نیستند، اما به نظر می رسد که این بیشتر تابع سن او باشد تا تخصص نسبی او. من با برخی از منتقدان موافقم که عنوان کمی پیچیده است. من "گراف های دانش خاص دامنه" را توصیه می کنم.

The vast amounts of ontologically unstructured information on the Web, including HTML, XML and JSON documents, natural language documents, tweets, blogs, markups, and even structured documents like CSV tables, all contain useful knowledge that can present a tremendous advantage to the Artificial Intelligence community if extracted robustly, efficiently and semi-automatically as knowledge graphs. Domain-specific Knowledge Graph Construction (KGC) is an active research area that has recently witnessed impressive advances due to machine learning techniques like deep neural networks and word embeddings. This book will synthesize Knowledge Graph Construction over Web Data in an engaging and accessible manner.

The book will describe a timely topic for both early -and mid-career researchers. Every year, more papers continue to be published on knowledge graph construction, especially for difficult Web domains. This work would serve as a useful reference, as well as an accessible but rigorous overview of this body of work. The book will present interdisciplinary connections when possible to engage researchers looking for new ideas or synergies. This will allow the book to be marketed in multiple venues and conferences. The book will also appeal to practitioners in industry and data scientists since it will have chapters on both data collection, as well as a chapter on querying and off-the-shelf implementations.

The author has, and continues to, present on this topic at large and important conferences. He plans to make the powerpoint he presents available as a supplement to the work. This will draw a natural audience for the book. Some of the reviewers are unsure about his position in the community but that seems to be more a function of his age rather than his relative expertise. I agree with some of the reviewers that the title is a little complicated. I would recommend “Domain Specific Knowledge Graphs”.

Front Matter ....Pages i-xiv
 What Is a Knowledge Graph?  (Mayank Kejriwal)....Pages 1-7
 Information Extraction  (Mayank Kejriwal)....Pages 9-31
 Entity Resolution  (Mayank Kejriwal)....Pages 33-57
 Advanced Topic: Knowledge Graph Completion  (Mayank Kejriwal)....Pages 59-74
 Ecosystems  (Mayank Kejriwal)....Pages 75-87
Back Matter ....Pages 89-107