CS 520 - Knowledge Graphs - Spring 2021 - Seminário 19

Data Models, Knowledge Acquisition, Inference and Applications
Department of Computer Science, Stanford University, Spring 2021 

Link para o Vídeo -> https://youtu.be/3UJgXWB48r0

Provocação inicial: KG seriam somente semantic networks "hehased" ou possuem particularidades a serem exploradas? 

A primeira apresentação apresentou algumas ferramentas para manipulação de KG

"What are some implementation tools for Knowledge Graphs?"

Como escolher qual pacote com tantas opções? 

Um problema comum é juntar dados de diferentes fontes e nessa atividade é necessário realizar o JOIN através do Entity Linkage pq muitas vezes não existe um identificador único compartilhado entre as fontes

Pacote: Dedupe

Opções de fuzzy match com base em atributos (semântica) e tipo de dados, aprendizado supervisionado (distância do cosseno é o default),aprendizado supervisionado (classificadores) e active learning. 

Tarefa de Person Name matching

Usar dicionários e regras quando não é possível usar ML

Soundex para lidar com diferentes grafias do mesmo nome

Lista de pacotes para Record Linkage disponível em -> https://github.com/J535D165/data-matching-software

Extração de Informações de dados não estruturados (texto)

Spacy (NLP assim como NLTK), inclui um Entity Linking framework que mapeia para Wikidata e Dependancy parsing (grafo no formato de triplas a partir de frases)

SpikeX: pipes com propósitos específicos prontos para o Spacy (reuso)

GraphDB: armazenar o KG depois de criado, +OLTP e -OLAP, não existe padrão para linguagem de consulta

Neo4J: LPG, escalabilidade horizontal, controle de acesso, Cypher, conectores para diferentes linguagens

Amazon Neptune: LPG e RDF, interfaces de consulta através de Apache Thinker Pop Gremlin e SPARQL

Graph Compute Engines: OLAP para processamento analítico e ML, podem estar acopladas ao GraphDB ou não. 

networkx: python, in memory, vários!!!! algoritmos disponíveis (por exemplo Page Rank, Steiner Tree, Clusterização, Vertex Cover, Mixing, ...)    

d3: detecção de comunidades visualmente

GraphX : Apache Spark (o Diego apresentou esse no grupo BioBD), processamento paralelo,  extensão do RDD (Resileint Distributed Dataset),  somente PageRank para ML, outros algoritmos para Particionamento, Componentes Conexas e contagem de triângulos. 

>> KGTK também entra nessa categoria

Benchmarks costumam ser específicos para as tarefas

Ainda existe muito trabalho manual apesar de muitas abordagens se "venderem" como totalmente automatizadas

As linguagens de consulta não são intuitivas como SQL

Característica ACID dos GraphDBs é importante somente para as atualizações, operações de percorrer o grafo são melhor atendidas em termos de desempenho por GraphDB do que RDBMS 

Desconhecem abordagens de construção/aprendizado de esquemas para KGs a partir dos dados (engenharia reversa)

"How to KG relate to AI?"

Três direções: Simbiose, Graph Data Science, KG para AI

Simbiose bi-direcional: KG viabilizam aplicações em AI e algoritmos AI para construir KG

KGs para assistentes pessoais (Alexa, Siri, Google Now), sistemas de recomendação e ferramentas de busca para Q&A. Como usar Wikidata para sistemas de busca

Entity Linking com active learning (ML), NLP para Entity Extraction, Inferência e Q&A com NLP, 

Graph Data Science: Big Data incluindo graph data

ML para predições (Analytics)

Engenharia de features para identificar com os modelos ML respondem as features, conhecimento do domínio

Como o usuário pode explorar/visualizar os dados em escala sem ficar perdido com o volume e variedade?

AI + KG: Redes Semânticas, DL, Rules Languages e Modelos gráficos (?)

Aprendizado indutivo para a parte simbólica, ML é mais recente

Volume é um desafio contemporâneo

Construção pode ser bottom-up ou uma abordagem híbrida (mixed) com bastante suporte automatizado

Tempo: IIIII