Semantics, Web and Mining: Joint International Workshops, EWMF 2005 and KDO 2005, Porto, Portugal, October 3-7, 2005, Revised Selected Papers

یافتن دانش – یا معنا – در داده‌ها هدف هر دانشی است. اهداف و سوالات بعدی در مورد این دانش در میان پروژه های کشف دانش (KD) و رویکردها متفاوت است. سوال یک مرکزی این است که آیا و تا چه حد معنای استخراج شده از داده ها به شیوه ای رسمی بیان می شود که نه تنها به انسان ها بلکه به ماشین ها نیز اجازه می دهد تا آن را درک کرده و مجدداً از آن استفاده کنند. ه. ، آیا معناشناسی معنایی صوری است. برعکس، ورودی به فرآیندهای KD بین پروژه‌ها و رویکردهای KD متفاوت است. یک سوال اصلی این است که آیا دانش پیشینه، درک تجاری و غیره. که تحلیلگر برای بهبود نتایج KD از آن استفاده می‌کند، مجموعه‌ای از گزاره‌های زبان طبیعی، نظریه‌ای به زبان رسمی یا جایی در میان است. همچنین، داده‌هایی که استخراج می‌شوند می‌توانند کم و بیش ساختارمند و/یا همراه با معناشناسی رسمی باشند. این سوالات باید در هر KD e?ort پرسیده شود. با این حال، هیچ کجا ممکن است به اندازه KD از داده های وب ("Web Mining") مرتبط نباشد. این امر به ویژه به دلیل مقادیر زیاد و ناهمگونی داده ها و دانش پایه موجود برای وب کاوی (محتوا، ساختار پیوند، و - سن) و استفاده مجدد از دانش پس زمینه و نتایج KD در وب به عنوان یک جهانی است. مخزن دانش و فضای فعالیت بعلاوه، وب (Semtic) می تواند به عنوان فضای انتشاری برای نتایج کشف دانش از منابع دیگر عمل کند، به خصوص اگر کل فرآیند توسط هستی شناسی های رایج پشتیبانی شود.

Finding knowledge – or meaning – in data is the goal of every knowledge d- covery e?ort. Subsequent goals and questions regarding this knowledge di?er amongknowledgediscovery(KD) projectsandapproaches. Onecentralquestion is whether and to what extent the meaning extracted from the data is expressed in a formal way that allows not only humans but also machines to understand and re-use it, i. e. , whether the semantics are formal semantics. Conversely, the input to KD processes di?ers between KD projects and approaches. One central questioniswhetherthebackgroundknowledge,businessunderstanding,etc. that the analyst employs to improve the results of KD is a set of natural-language statements, a theory in a formal language, or somewhere in between. Also, the data that are being mined can be more or less structured and/or accompanied by formal semantics. These questions must be asked in every KD e?ort. Nowhere may they be more pertinent, however, than in KD from Web data (“Web mining”). This is due especially to the vast amounts and heterogeneity of data and ba- ground knowledge available for Web mining (content, link structure, and - age), and to the re-use of background knowledge and KD results over the Web as a global knowledge repository and activity space. In addition, the (Sem- tic) Web can serve as a publishing space for the results of knowledge discovery from other resources, especially if the whole process is underpinned by common ontologies.