Processing may take a few seconds...

Dissertation

Title

Methods for Automatic Enrichment of Ontologies from Linked Data

Authors

[ 1 ] Instytut Informatyki, Wydział Informatyki, Politechnika Poznańska | [ P ] employee

Promoter

[ 1 ] Instytut Informatyki, Wydział Informatyki, Politechnika Poznańska | [ P ] employee

Reviewers

Title variant

PL Metody automatycznego rozszerzania ontologii na podstawie Powiązanych Danych

Language

english

Keywords
EN
  • ontologies
  • machine learning
  • linked data
PL
  • ontologie
  • uczenie maszynowe
  • powiązane dane
Abstract

EN In this thesis, we address the problem of helping an ontology engineer to add new axioms to an ontology. We assume that the ontology contains some vocabulary and that there exists a Linked Data dataset using the vocabulary. The goal is to generate candidate axioms that can be reviewed and added to the ontology. We propose three inductive methods, that use only SPARQL Query Language to access the dataset. In particular, this enables using a public SPARQL endpoint instead of downloading the whole dataset. The first method generates a large set of candidate axioms and uses integer linear programming to select the most interesting subset of the axioms, that is then presented to the user. The second method extends an attribute exploration algorithm from Formal Concept Analysis. The third method, called Swift Linked Data Miner (SLDM) is a pattern mining approach.

PL Rozważa się problem wsparcia inżyniera ontologii w dodawaniu nowych aksjomatów do ontologii. Zakłada się, że ontologia zawiera pewne słownictwo i że istnieje zbiór Powiązanych Danych, który go używa. Celem jest stworzenie kandydujących aksjomatów, które mogą zostać ocenione i dodane do ontologii. Proponuje się trzy metody indukcyjne, które używają wyłącznie języka zapytań SPARQL w celu uzyskania dostępu do zbioru danych. W szczególności umożliwia to wykorzystanie publicznych końcówek SPARQL zamiast pobierania całego zbioru danych. Pierwsza z metod tworzy duży zbiór aksjomatów kandydujących i używa liniowego programowania całkowitoliczbowego, żeby wybrać najbardziej interesujący podzbiór aksjomatów, który jest przedstawiany użytkownikowi. Druga z metod rozszerza algorytm eksploracji atrybutów z Formalnej Analizy Pojęć. Trzecia metoda, nazwa Swift Linked Data Miner (SLDM), to podejście oparte na odkrywaniu wzorców.

Number of pages

115

OECD domain

computer sciences and computer science

KBN discipline

computer science

Signature of printed version

DrOIN 1910

On-line catalog

to20189962

Full text of dissertation

Download file

Access level to full text

public

First review

Krzysztof Goczyła

Place

Gdańsk, Polska

Date

31.01.2018

Language

polish

Review text

Download file

Access level to review text

public

Second review

Henryk Rybiński

Place

Warszawa, Polska

Date

30.03.2018

Language

polish

Review text

Download file

Access level to review text

public

Dissertation status

dissertation

Place of defense

Poznań, Polska

Date of defense

12.06.2018

Unit granting title

Rada Wydziału Informatyki Politechniki Poznańskiej

Obtained title

doktor nauk technicznych w dyscyplinie: informatyka, w specjalności: sztuczna inteligencja