ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

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 Linguistic Linked Data: Representation, Generation and Applications

دانلود کتاب داده های پیوندی زبانی: بازنمایی، تولید و کاربردها

Linguistic Linked Data: Representation, Generation and Applications

مشخصات کتاب

Linguistic Linked Data: Representation, Generation and Applications

ویرایش:  
نویسندگان: , , ,   
سری:  
ISBN (شابک) : 3030302245, 9783030302245 
ناشر: Springer 
سال نشر: 2020 
تعداد صفحات: 289 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 14 مگابایت 

قیمت کتاب (تومان) : 43,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 2


در صورت تبدیل فایل کتاب Linguistic Linked Data: Representation, Generation and Applications 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 داده های پیوندی زبانی: بازنمایی، تولید و کاربردها 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 داده های پیوندی زبانی: بازنمایی، تولید و کاربردها

این اولین تک نگاری در حوزه نوظهور داده های پیوندی زبانی است. با ارائه ترکیبی از اطلاعات پیشینه در مورد داده های پیوندی زبانی و توصیه های اجرایی ملموس، مزایای اصلی به کارگیری اصول داده های پیوندی (LD) را برای نمایش و انتشار منابع زبانی معرفی و بحث می کند، با این استدلال که LD به یک منبع واحد نگاه نمی کند. جداسازی اما به دنبال ایجاد شبکه بزرگی از منابع است که می تواند با هم و به طور یکنواخت مورد استفاده قرار گیرد، و بنابراین بیشتر از یک منبع واحد استفاده می شود.
این کتاب توضیح می دهد که چگونه اصول LD را می توان برای مدل سازی منابع زبان به کار برد. بخش اول پایه و اساس درک بقیه کتاب را فراهم می کند، مدل های داده، هستی شناسی و زبان های پرس و جو را که به عنوان پایه وب معنایی و LD مورد استفاده قرار می گیرند، معرفی می کند و مروری دقیق تر از ابر داده پیوندی زبانی ارائه می دهد. بخش دوم کتاب بر مدل‌سازی منابع زبان با استفاده از اصول LD تمرکز دارد، نحوه مدل‌سازی منابع واژگانی با استفاده از Ontolex-lemon، مدل واژگانی برای هستی‌شناسی‌ها، و نحوه حاشیه‌نویسی و آدرس دادن به عناصر متن ارائه‌شده در RDF را شرح می‌دهد. همچنین نحوه مدل‌سازی حاشیه‌نویسی و نحوه گرفتن ابرداده منابع زبان را نشان می‌دهد. علاوه بر این، شامل یک فصل در بازنمایی مقولات زبانی است. در بخش سوم کتاب، نویسندگان توضیح می‌دهند که چگونه می‌توان منابع زبان را به LD تبدیل کرد و چگونه پیوندها را می‌توان استنباط کرد و به داده‌ها اضافه کرد تا اتصال و پیوند بین مجموعه‌های داده مختلف افزایش یابد. آنها همچنین درباره استفاده از منابع LD برای پردازش زبان طبیعی بحث می کنند. بخش آخر کاربردهای عینی فناوری ها را شرح می دهد: نمایش و پیوند شبکه های کلمه چند زبانه، برنامه های کاربردی در علوم انسانی دیجیتال و کشف منابع زبان.
با توجه به دامنه آن، این کتاب برای محققان و دانشجویان فارغ التحصیل علاقه مند به موضوعاتی در چهارراه پردازش زبان طبیعی / زبان شناسی محاسباتی و وب معنایی / داده های پیوندی. این برای متخصصان وب معنایی که در به کارگیری اصول وب معنایی و LD در داده های زبانی مهارت ندارند و همچنین برای زبان شناسان محاسباتی که به کار با منابع واژگانی و زبانی عادت دارند و می خواهند در مورد یک الگوی جدید برای مدل سازی، انتشار و یاد بگیرند جذاب است. بهره برداری از منابع زبانی.


توضیحاتی درمورد کتاب به خارجی

This is the first monograph on the emerging area of linguistic linked data. Presenting a combination of background information on linguistic linked data and concrete implementation advice, it introduces and discusses the main benefits of applying linked data (LD) principles to the representation and publication of linguistic resources, arguing that LD does not look at a single resource in isolation but seeks to create a large network of resources that can be used together and uniformly, and so making more of the single resource.
The book describes how the LD principles can be applied to modelling language resources. The first part provides the foundation for understanding the remainder of the book, introducing the data models, ontology and query languages used as the basis of the Semantic Web and LD and offering a more detailed overview of the Linguistic Linked Data Cloud. The second part of the book focuses on modelling language resources using LD principles, describing how to model lexical resources using Ontolex-lemon, the lexicon model for ontologies, and how to annotate and address elements of text represented in RDF. It also demonstrates how to model annotations, and how to capture the metadata of language resources. Further, it includes a chapter on representing linguistic categories. In the third part of the book, the authors describe how language resources can be transformed into LD and how links can be inferred and added to the data to increase connectivity and linking between different datasets. They also discuss using LD resources for natural language processing. The last part describes concrete applications of the technologies: representing and linking multilingual wordnets, applications in digital humanities and the discovery of language resources.
Given its scope, the book is relevant for researchers and graduate students interested in topics at the crossroads of natural language processing / computational linguistics and the Semantic Web / linked data. It appeals to Semantic Web experts who are not proficient in applying the Semantic Web and LD principles to linguistic data, as well as to computational linguists who are used to working with lexical and linguistic resources wanting to learn about a new paradigm for modelling, publishing and exploiting linguistic resources.



فهرست مطالب

Preface
Contents
Acronyms and Abbreviations
Part I Preliminaries
	1 Introduction
		1.1 FAIR Principles
		1.2 Linked Data as an Opportunity to Realize the FAIR Principles
		References
	2 Preliminaries
		2.1 Introduction
		2.2 Resource Description Framework
		2.3 Serializing RDF
			2.3.1 The N-Triples Language
			2.3.2 Turtle
			2.3.3 RDF/XML
			2.3.4 RDFa
			2.3.5 JSON-LD
		2.4 RDF Semantics, RDFS and OWL
			2.4.1 RDF Semantics
			2.4.2 RDF Schema
			2.4.3 Web Ontology Language (OWL)
		2.5 The SPARQL Query Language
			2.5.1 Publishing Data on the Web
		2.6 Summary and Further Reading
		References
	3 Linguistic Linked Open Data Cloud
		3.1 Background and Motivation
			3.1.1 Linked Data
			3.1.2 Linked Open Data
		3.2 Linguistic Linked Open Data
			3.2.1 The LLOD Cloud
			3.2.2 Infrastructure and Metadata
		3.3 LLOD Community
			3.3.1 Summary and Further Reading
		References
Part II Modelling
	4 Modelling Lexical Resources as Linked Data
		4.1 Introduction
		4.2 The Core Model
		4.3 Syntax and Semantics
		4.4 Decomposition
		4.5 Variation and Translation
		4.6 Metadata
		4.7 Applications
		4.8 Summary and Further Reading
		References
	5 Representing Annotated Texts as RDF
		5.1 Introduction
			5.1.1 Tab-Separated Values: CoNLL TSV
			5.1.2 Tree-Based Formats: TEI/XML
		5.2 Annotating Web Resources
			5.2.1 Web Annotation (Open Annotation)
			5.2.2 Annotating Named Entities on the Web
		5.3 Annotating Textual Objects
			5.3.1 The NLP Interchange Format (NIF 2.0)
			5.3.2 Provenance and Annotation Metadata in NIF
		5.4 Summary and Further Reading
		References
	6 Modelling Linguistic Annotations
		6.1 Introduction
		6.2 Transforming Legacy Annotation Formats into RDF
			6.2.1 CoNLL-RDF: Shallow Transformation of CoNLL into RDF
			6.2.2 Querying and Manipulating CoNLL-RDF Annotations
		6.3 Top-Down Modelling: Generic Data Structures
			6.3.1 Linguistic Annotations in POWLA
				6.3.1.1 POWLA Nodes
				6.3.1.2 POWLA Relations
				6.3.1.3 OLiA Links
				6.3.1.4 Corpus Organization
			6.3.2 Complementing NIF with POWLA
			6.3.3 Transforming CoNLL-RDF to POWLA
		6.4 Querying Annotated Corpora
		6.5 Summary and Further Reading
		References
	7 Modelling Metadata of Language Resources
		7.1 Introduction
		7.2 Models for General Metadata
			7.2.1 DC-Terms
			7.2.2 DCAT
		7.3 Modelling Metadata of LRs with Meta-Share.owl
		7.4 Summary and Further Reading
		References
	8 Linguistic Categories
		8.1 Introduction
		8.2 The Case of Language Identifiers
			8.2.1 ISO 639 Language Tags
				8.2.1.1 Two-Letter Codes (ISO 639-1)
				8.2.1.2 Three-Letter Codes from the Librarian Tradition (ISO 639-2)
				8.2.1.3 Three-Letter Codes for [Almost] All Human Languages (ISO 639-3)
			8.2.2 IETF Language Tags
			8.2.3 URI-Based Language Codes
				8.2.3.1 ISO 639 in RDF
				8.2.3.2 Glottolog
		8.3 General Repositories of Linguistic Reference Terminology
			8.3.1 Data Category Modelling and Standardization in ISOcat
			8.3.2 The General Ontology of Linguistic Description (GOLD)
			8.3.3 Transition to the CLARIN Concept Registry and DatCatInfo
		8.4 Application-Specific Terminology Repositories
			8.4.1 LexInfo: Linguistic Categories for Lexical Resources
			8.4.2 OLiA: Ontologies of Linguistic Annotation
			8.4.3 Limits of Axiomatization
		8.5 Summary and Further Reading
		References
Part III Generation and Exploitation
	9 Converting Language Resources into Linked Data
		9.1 Introduction
		9.2 General Methodology for Generating and Publishing LLD
		9.3 Specification
		9.4 Modelling
		9.5 Generation
		9.6 Linking
		9.7 Publication
		9.8 Exploitation
		9.9 Guidelines for Particular Types of Language Resources
		9.10 Inclusion into the LLOD Cloud
		9.11 Summary and Further Reading
		References
	10 Link Representation and Discovery
		10.1 Link Representation
			10.1.1 Patterns for Creating Cross-Lingual Links at the Conceptual Level
			10.1.2 Cross-Lingual Links at the Linguistic Level
		10.2 Link Discovery
			10.2.1 Problem Statement
			10.2.2 Classification of Matching Techniques
			10.2.3 Terminological Similarity
			10.2.4 Structural Similarity
			10.2.5 Cross-Lingual Linking
		10.3 Linking Frameworks
		10.4 Summary and Further Reading
		References
	11 Linked Data-Based NLP Workflows
		11.1 Introduction
		11.2 Implementing NLP Workflows Using NIF
			11.2.1 Implementing a NIF-Compliant POS Tagging Service
			11.2.2 Implementing a NIF-Based Dependency Parsing Web Service
			11.2.3 Creating NLP Workflows with NIF-Based Services
		11.3 Composing NLP Workflows with Teanga
			11.3.1 Design and Implementation
			11.3.2 Services in Teanga
			11.3.3 Building Workflows
		11.4 LAPPS Grid
		11.5 Summary and Further Reading
		References
Part IV Use Cases
	12 Applying Linked Data Principles to Linking Multilingual Wordnets
		12.1 Princeton WordNet
			12.1.1 WordNet RDF
		12.2 Global WordNet Interlingual Index
			12.2.1 The Global WordNet Grid
			12.2.2 Collaborative Interlingual Index
			12.2.3 ILI Format
				12.2.3.1 GWN LMF
				12.2.3.2 GWN JSON
			12.2.4 Linking WordNet with Wikipedia
		12.3 Summary and Further Reading
		References
	13 Linguistic Linked Data in Digital Humanities
		13.1 Introduction
		13.2 Data Models and Vocabularies in DH
			13.2.1 The Text Encoding Initiative
			13.2.2 Simple Knowledge Organization System (SKOS)
			13.2.3 CIDOC Vocabulary for Describing Object Metadata
			13.2.4 The Canonical Text Service Protocol (CTS)
		13.3 Case Studies and Applications of LLOD in Digital Humanities
			13.3.1 Applying LLOD Methods in Prosopography
			13.3.2 Using LLOD Techniques to Reference Geographical Information
			13.3.3 Constructing a Database and Dictionary of Maya Hieroglyphic Writing
			13.3.4 Facilitating the Study of Ancient Wisdom Literature
			13.3.5 Encoding Chauliac\'s Grande Chirurgie with TEI and RDFa
		13.4 Summary and Further Reading
		References
	14 Discovery of Language Resources
		14.1 Introduction
		14.2 Data Collection
			14.2.1 META-SHARE
			14.2.2 CLARIN
			14.2.3 LRE Map
			14.2.4 Linked Open Data Cloud/Datahub.io
			14.2.5 Other Repositories
				14.2.5.1 European Language Resources Association (ELRA)
				14.2.5.2 Linguistic Data Consortium (LDC)
			14.2.6 State of Play with Respect to Finding Language Resources on the Web
		14.3 Modelling
		14.4 Harmonization
			14.4.1 Availability
			14.4.2 Rights
			14.4.3 Usage
			14.4.4 Language
			14.4.5 Type
			14.4.6 Duplicate Detection
			14.4.7 Data Completeness and Quality
		14.5 Publishing Linghub with Yuzu
		14.6 Summary
		References
Part V Conclusions
	15 Conclusion
A Selected Prefix Declarations




نظرات کاربران