Przetwarzanie może potrwać kilka sekund...

Rozprawa doktorska

Tytuł

Methods for Automatic Enrichment of Ontologies from Linked Data

Autorzy

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

Promotor

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

Recenzenci

Wariant tytułu

PL Metody automatycznego rozszerzania ontologii na podstawie Powiązanych Danych

Język

angielski

Słowa kluczowe
EN
  • ontologies
  • machine learning
  • linked data
PL
  • ontologie
  • uczenie maszynowe
  • powiązane dane
Streszczenie

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.

Liczba stron

115

Dziedzina wg OECD

nauki o komputerach i informatyka

Dyscyplina wg KBN

informatyka

Sygnatura rozprawy w wersji drukowanej

DrOIN 1910

Katalog on-line

to20189962

Pełny tekst rozprawy doktorskiej

Pobierz plik

Poziom dostępu do pełnego tekstu

publiczny

Pierwsza recenzja

Krzysztof Goczyła

Miejsce

Gdańsk, Polska

Data

31.01.2018

Język

polski

Tekst recenzji

Pobierz plik

Poziom dostępu do recenzji

publiczny

Druga recenzja

Henryk Rybiński

Miejsce

Warszawa, Polska

Data

30.03.2018

Język

polski

Tekst recenzji

Pobierz plik

Poziom dostępu do recenzji

publiczny

Status rozprawy

rozprawa doktorska

Miejsce obrony

Poznań, Polska

Data obrony

12.06.2018

Jednostka nadająca tytuł

Rada Wydziału Informatyki Politechniki Poznańskiej

Uzyskany tytuł

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