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: 1
نویسندگان: Leslie F. Sikos
سری:
ISBN (شابک) : 1484210506, 9781484210499
ناشر: Apress
سال نشر: 2015
تعداد صفحات: 244
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 9 مگابایت
کلمات کلیدی مربوط به کتاب تسلط بر داده های ساخت یافته در وب معنایی: از ریز داده های HTML5 تا داده های باز پیوندی: علوم کامپیوتر، عمومی
در صورت تبدیل فایل کتاب Mastering Structured Data on the Semantic Web: From HTML5 Microdata to Linked Open Data 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 تسلط بر داده های ساخت یافته در وب معنایی: از ریز داده های HTML5 تا داده های باز پیوندی 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.
یکی از محدودیتهای اصلی وبسایتهای معمولی، محتوای سازمانیافته و مجزای آنها است که عمدتاً برای مصرف انسان ایجاد میشود. این محدودیت را می توان با سازماندهی و انتشار داده ها، با استفاده از فرمت های قدرتمندی که ساختار و معنا را به محتوای صفحات وب اضافه می کند و داده های مرتبط را به یکدیگر پیوند می دهد، برطرف کرد. رایانهها میتوانند چنین دادههایی را بهتر \"درک\" کنند که میتواند برای اتوماسیون کار مفید باشد. وبسایتهایی که معناشناسی (معنا) را به عوامل نرمافزاری ارائه میکنند، وب معنایی، پسوند هوش مصنوعی شبکه جهانی وب را تشکیل میدهند. برخلاف وب معمولی ("Web of Documents")، وب معنایی شامل "Web of Data" است که به جای اسناد بی معنی، "چیزها" را (نماینده انسان ها و اشیاء دنیای واقعی) به هم متصل می کند. به کامپیوترها تسلط بر دادههای ساختاریافته در وب معنایی جنبههای عملی و تئوری پشت وب معنایی را توضیح میدهد و اینکه چگونه دادههای ساختاریافته، مانند HTML5 Microdata و JSON-LD، میتوانند برای بهبود عملکرد سایت شما در موارد بعدی استفاده شوند. صفحات نتایج موتور جستجو را تولید کنید و در پانل های دانش Google نمایش داده شود. شما یاد خواهید گرفت که چگونه زمینه های دلخواه دانش انسانی را به شکل ماشینی قابل تفسیر با استفاده از چارچوب توصیف منابع (RDF)، سنگ بنای وب معنایی، نشان دهید. نحوه ذخیره و دستکاری دادههای RDF را در پایگاههای دادههای گراف هدفمند مانند triplestores و quadstores که در بازاریابی اینترنتی، رسانههای اجتماعی و دادهکاوی مورد بهرهبرداری قرار میگیرند، در قالب برنامههای Big Data مانند Google Knowledge Graph را مشاهده خواهید کرد. Wikidata یا نمودار اجتماعی فیسبوک.
با افزایش مداوم انتظارات کاربران در سرویسها و برنامههای کاربردی وب، استانداردهای وب معنایی محبوبیت بیشتری پیدا میکنند. این کتاب شما را با واژگان و هستی شناسی های کنترل شده پیشرو آشنا می کند و نحوه نمایش مفاهیم خود را توضیح می دهد. پس از یادگیری اصول پیوند دادهها، طرح استقرار پنج ستاره و مفهوم Open Data، میتوانید دادههای باز پیوندی پنج ستاره را ایجاد و به هم پیوند دهید و نمودارهای RDF خود را با LOD Cloud ادغام کنید. این کتاب همچنین مهمترین ابزارهای تولید، ذخیره، استخراج و تجسم دادههای RDF را پوشش میدهد، از جمله، اما نه محدود به، Protégé، TopBraid Composer، Sindice، Apache Marmotta، Callimachus و Tabulator. شما یاد خواهید گرفت که Apache Jena و Sesame را در IDE های محبوب مانند Eclipse و NetBeans پیاده سازی کنید و از این API ها برای توسعه سریع برنامه کاربردی وب معنایی استفاده کنید. تسلط بر دادههای ساختاریافته در وب معنایی نشان میدهد که چگونه میتوان دادههای ساختیافته را برای دستیابی به مخاطبان گستردهتر نشان داد و به هم متصل کرد، استفاده مجدد از دادهها را تشویق کرد، و محتوایی را ارائه داد که به طور خودکار با اطمینان کامل پردازش شود. در نتیجه، محتوای وب شما بخش جدایی ناپذیر انقلاب بعدی وب خواهد بود.
این کتاب برای توسعهدهندگان وب و متخصصان سئو در نظر گرفته شده است که میخواهند روشهای بهینهسازی موتور جستجوی پیشرفته را با استفاده از آن بیاموزند. حاشیه نویسی های قابل خواندن توسط ماشین و تعاریف داده های پیوندی قابل تفسیر ماشینی. این کتاب همچنین برای محققان علاقه مند به کشف خودکار دانش مفید خواهد بود. به عنوان یک کتاب درسی در مورد استانداردهای وب معنایی با تئوری گراف و منطق ریاضی، این کتاب همچنین می تواند به عنوان یک اثر مرجع برای فارغ التحصیلان علوم کامپیوتر و محققان وب معنایی استفاده شود.
1. مقدمه ای بر وب معنایی
2. بازنمایی دانش
3. داده های باز پیوند داده شده
4. ابزارهای توسعه وب معنایی
5. خدمات وب معنایی
6. پایگاه های داده نمودار
7. پرس و جو
8. برنامه های کاربردی داده های بزرگ
9. استفاده از موارد
A major limitation of conventional web sites is their unorganized and isolated contents, which is created mainly for human consumption. This limitation can be addressed by organizing and publishing data, using powerful formats that add structure and meaning to the content of web pages and link related data to one another. Computers can "understand" such data better, which can be useful for task automation. The web sites that provide semantics (meaning) to software agents form the Semantic Web, the Artificial Intelligence extension of the World Wide Web. In contrast to the conventional Web (the "Web of Documents"), the Semantic Web includes the "Web of Data", which connects "things" (representing real-world humans and objects) rather than documents meaningless to computers. Mastering Structured Data on the Semantic Web explains the practical aspects and the theory behind the Semantic Web and how structured data, such as HTML5 Microdata and JSON-LD, can be used to improve your site’s performance on next-generation Search Engine Result Pages and be displayed on Google Knowledge Panels. You will learn how to represent arbitrary fields of human knowledge in a machine-interpretable form using the Resource Description Framework (RDF), the cornerstone of the Semantic Web. You will see how to store and manipulate RDF data in purpose-built graph databases such as triplestores and quadstores, that are exploited in Internet marketing, social media, and data mining, in the form of Big Data applications such as the Google Knowledge Graph, Wikidata, or Facebook’s Social Graph.
With the constantly increasing user expectations in web services and applications, Semantic Web standards gain more popularity. This book will familiarize you with the leading controlled vocabularies and ontologies and explain how to represent your own concepts. After learning the principles of Linked Data, the five-star deployment scheme, and the Open Data concept, you will be able to create and interlink five-star Linked Open Data, and merge your RDF graphs to the LOD Cloud. The book also covers the most important tools for generating, storing, extracting, and visualizing RDF data, including, but not limited to, Protégé, TopBraid Composer, Sindice, Apache Marmotta, Callimachus, and Tabulator. You will learn to implement Apache Jena and Sesame in popular IDEs such as Eclipse and NetBeans, and use these APIs for rapid Semantic Web application development. Mastering Structured Data on the Semantic Web demonstrates how to represent and connect structured data to reach a wider audience, encourage data reuse, and provide content that can be automatically processed with full certainty. As a result, your web contents will be integral parts of the next revolution of the Web.
The book is intended for web developers and SEO experts who want to learn state-of-the-art Search Engine Optimization methods using machine-readable annotations and machine-interpretable Linked Data definitions. The book will also benefit researchers interested in automatic knowledge discovery. As a textbook on Semantic Web standards powered by graph theory and mathematical logic, the book could also be used as a reference work for computer science graduates and Semantic Web researchers.
1. Introduction to the Semantic Web
2. Knowledge Representation
3. Linked Open Data
4. Semantic Web Development Tools
5. Semantic Web Services
6. Graph Databases
7. Querying
8. Big Data Applications
9. Use Cases
Front Matter....Pages i-xviii
Introduction to the Semantic Web....Pages 1-11
Knowledge Representation....Pages 13-57
Linked Open Data....Pages 59-77
Semantic Web Development Tools....Pages 79-119
Semantic Web Services....Pages 121-143
Graph Databases....Pages 145-172
Querying....Pages 173-198
Big Data Applications....Pages 199-216
Use Cases....Pages 217-226
Back Matter....Pages 227-233