Knowledge-Driven Multimedia Information Extraction and Ontology Evolution: Bridging the Semantic Gap

هدف این کتاب پوشش وضعیت هنر در زمینه‌های تکامل هستی‌شناسی و استخراج اطلاعات از چند رسانه‌ای است، در حالی که هم‌افزایی بین این دو زمینه را نیز ارتقا می‌دهد. مطالب عمدتاً از کار تحقیقاتی انجام شده در طی یک دوره سه ساله تحت چارچوب پروژه تحقیقاتی BOEMIE (تکامل هستی شناسی بوت استرپینگ با استخراج اطلاعات چند رسانه ای) ناشی می شود. این کتاب به گونه ای طراحی شده است که به محققان، پزشکان و دانش آموزان دانش و مهارت های اساسی ارائه دهد که چارچوب نظری صحیح و همچنین نمونه های عینی از کاربردها را ارائه می دهد. کتاب در هشت فصل تنظیم شده است. فصل اول یک نمای کلی از پروژه BOEMIE و دستاوردهای اصلی آن ارائه می دهد. فصل دوم رویکردهای فعلی برای بازنمایی دانش در مورد چند رسانه ای با استفاده از هستی شناسی ها را ارائه می دهد. دو فصل زیر وضعیت هنر در روش‌های استخراج را برای دو نوع مهم محتوای چندرسانه‌ای، یعنی تصویر و متن، ارائه می‌کند. فصل پنجم فرآیند استدلال خودکار را پوشش می‌دهد، جایی که نویسندگان تلاش می‌کنند محتوا و دانش را در فرآیندی الهام گرفته از استدلال انسانی مبتنی بر ادراک، پل بزنند. دو فصل بعدی وضعیت هنر در یادگیری هستی‌شناسی، جمعیت و تطبیق را ارائه می‌کند، در حالی که فصل آخر به بررسی ابزارهایی می‌پردازد که برای حاشیه‌نویسی محتوای چندرسانه‌ای با معناشناسی مفید هستند، یعنی مفاهیم و روابطی که معنای خاصی در دامنه برنامه.

This book aims to cover the state of the art in the fields of ontology evolution and information extraction from multimedia, while also promoting the synergy between these two fields. The contents stem largely from the research work conducted over a period of three years under the framework of the research project BOEMIE (Bootstrapping Ontology Evolution with Multimedia Information Extraction). The book is designed to provide researchers, practitioners, and students with basic knowledge and skills presenting a sound theoretical framework as well as concrete examples of applications. The book is organized in eight chapters. The first chapter provides an overview of the BOEMIE project and its main achievements. The second chapter presents current approaches to the representation of knowledge about multimedia using ontologies. The following two chapters provide the state of the art in extraction methods for two important types of multimedia content, i.e. image and text. The fifth chapter covers the automated reasoning process, where the authors attempt to bridge content and knowledge in a process inspired by human reasoning based on perception. The next two chapters provide the state of the art in ontology learning, population and matching, while the last chapter gives a survey of tools that are useful for the annotation of multimedia content with semantics, i.e. concepts and relations that have a particular meaning in the application domain.