برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Knowledge Graphs

دانلود کتاب نمودارهای دانش

مشخصات کتاب

Knowledge Graphs

ویرایش: [1 ed.] 
نویسندگان: Aidan Hogan,  Eva Blomqvist,  Michael Cochez,  Claudia D'Amato,  Gerard de Melo,  Claudio Gutierrez,  Sabrina Kirrane,  Jose Emilio Labra Gayo,  Roberto Navigli,  Sebastian Neumaier,  Axel-Cyrille Ngonga Ngomo,  Axel Polleres,  Sabbir M Rashid,  Anisa Rula,  Juan Sequeda,  Lukas Schmelzeisen,  Steffen Staab,  Antoine Zimmerman  
سری: Synthesis Lectures on Data, Semantics, and Knowledge 
ISBN (شابک) : 1636392350, 9781636392370 
ناشر: Morgan & Claypool 
سال نشر: 2021 
تعداد صفحات: 257 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 Mb

قیمت کتاب (تومان) : 46,000

در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 10

در صورت تبدیل فایل کتاب Knowledge Graphs به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب نمودارهای دانش نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب نمودارهای دانش

این کتاب مقدمه‌ای جامع و در دسترس برای نمودارهای دانش ارائه می‌کند، که اخیراً توجه قابل توجهی از طرف صنعت و دانشگاه به خود جلب کرده است. نمودارهای دانش بر اساس اصل استفاده از انتزاع مبتنی بر گراف برای داده ها بنا شده اند و اکنون به طور گسترده در سناریوهایی که نیاز به یکپارچه سازی و استخراج ارزش از منابع متعدد و متنوع داده در مقیاس بزرگ دارند، استفاده می شوند. این کتاب نمودارهای دانش را تعریف می کند و یک نمای کلی در سطح بالا از نحوه استفاده از آنها ارائه می دهد. مدل‌های گراف رایجی را که معمولاً برای نمایش داده‌ها به‌عنوان نمودار استفاده می‌شوند، و زبان‌هایی را که می‌توان با آن‌ها پیش از تشریح اینکه چگونه نمودار داده‌های حاصل را می‌توان با مفاهیم طرحواره، هویت و زمینه تقویت کرد، پرس و جو کرد، ارائه و مقایسه می‌کند. این کتاب در مورد چگونگی استفاده از هستی شناسی ها و قواعد برای رمزگذاری دانش و همچنین چگونگی استفاده از تکنیک های استقرایی - مبتنی بر آمار، تجزیه و تحلیل گراف، یادگیری ماشین و غیره - برای رمزگذاری و استخراج دانش بحث می کند. این تکنیک‌ها را برای ایجاد، غنی‌سازی، ارزیابی و اصلاح نمودارهای دانش پوشش می‌دهد و نمودارهای دانش باز و سازمانی اخیر و صنایع یا برنامه‌هایی را که در آنها به طور گسترده مورد استفاده قرار گرفته‌اند را بررسی می‌کند. این کتاب با بحث در مورد محدودیت‌های فعلی و جهت‌گیری‌های آینده که نمودارهای دانش در امتداد آنها احتمالاً تکامل می‌یابند، پایان می‌یابد. هدف این کتاب دانش‌آموزان، محققان و شاغلانی است که می‌خواهند درباره نمودارهای دانش و چگونگی تسهیل استخراج ارزش از داده‌های متنوع در مقیاس بزرگ بیشتر بیاموزند. برای دسترسی به کتاب برای تازه واردان، از نمونه های در حال اجرا و نمادهای گرافیکی در سراسر استفاده می شود. تعاریف رسمی و مراجع گسترده نیز برای کسانی که ترجیح می دهند عمیق تر در موضوعات خاص کاوش کنند ارائه شده است.

توضیحاتی درمورد کتاب به خارجی

This book provides a comprehensive and accessible introduction to knowledge graphs, which have recently garnered notable attention from both industry and academia. Knowledge graphs are founded on the principle of applying a graph-based abstraction to data, and are now broadly deployed in scenarios that require integrating and extracting value from multiple, diverse sources of data at large scale. The book defines knowledge graphs and provides a high-level overview of how they are used. It presents and contrasts popular graph models that are commonly used to represent data as graphs, and the languages by which they can be queried before describing how the resulting data graph can be enhanced with notions of schema, identity, and context. The book discusses how ontologies and rules can be used to encode knowledge as well as how inductive techniques--based on statistics, graph analytics, machine learning, etc.--can be used to encode and extract knowledge. It covers techniques for the creation, enrichment, assessment, and refinement of knowledge graphs and surveys recent open and enterprise knowledge graphs and the industries or applications within which they have been most widely adopted. The book closes by discussing the current limitations and future directions along which knowledge graphs are likely to evolve. This book is aimed at students, researchers, and practitioners who wish to learn more about knowledge graphs and how they facilitate extracting value from diverse data at large scale. To make the book accessible for newcomers, running examples and graphical notation are used throughout. Formal definitions and extensive references are also provided for those who opt to delve more deeply into specific topics.