دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Philipp Cimiano, Christian Chiarcos, John P. McCrae, Jorge Gracia 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
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.
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.
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.
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