Pular para o conteúdo principal

CS 520 - Knowledge Graphs - Spring 2021 - Seminário 21

CS 520 - Knowledge Graphs - Spring 2021 - Seminário 19

Link para o vídeo -> https://youtu.be/FWs2RNx-d6Q

What are some research issues on Knowledge Graphs?

Prof James Hendler - KG Semantics


Interoperabilidade: hiperlinks não eram o suficiente

Movimentos de abertura de dados por volta de 2010 e a criação da Linked Open Data cloud - 300 open data sets com 40 bilhões de fatos interligados por 500 milhões de links "tipados" -> interoperabilidade de dados mais do que aplicações

Aumento do uso de dados não estruturados
KG não formam silos e KGs abertos suportados pela Wikidata ou outros

Vocabulários usados com frequência: Schema.org, Wikidata, DBpedia, ... e devem idealmente estar alinhados tanto em conceitos quanto em instâncias (URI1 owl:sameAs URI2)

Modelo RDF  .... <s, p, o> onde todos os 3 elementos podem ser URI

Property Graph não seriam interoperáveis pq não fazem uso de URI

Interoperalidade de KG: definir padrões de acesso do KG aos BDs,

Projeto SHOE (1996) - Simple HTML Ontology Extension

SHOE is a small extension to HTML which allows web page authors to annotate their web documents with machine-readable knowledge. SHOE makes real intelligent agent software on the web possible.

http://www.cs.umd.edu/projects/plus/SHOE/

Schema.org está bastante disseminado em páginas Web (bilhões de páginas) e foi criado a partir das buscas mais frequentes via Yahoo, Google. Quem segue a linha "lógica" não chamaria de Ontologia ... mas contribuiu muito para a construção do Google Knowledge Graph. Está longe de ser completo para modelar muitos conceitos mas segue a abordagem "o ótimo é inimigo do bom"

Prof Lenat - KG++

Cyc (1984-2021) e seus "erros & lições aprendidas" ao longo do tempo

Representar uma enciclopédia quando na realidade deveria representar o que não está nela, o que se assume que todos sabem (senso comum)

Focar em Upper Ontology fizeram gastar muito esforço

The most general categories, on top of the hierarchy, can be shared by different domains. An upper-level ontology is an ontology that defines these most general categories. The main application of upper level ontologies is to provide semantic interoperability of ontologies across multiple domains. Because upper level ontologies provide general concepts which are common to all domains, they can provide a common ontological foundation for domain ontologies.

Ser humano sabe lidar com ambiguidade, máquina não logo é necessário reduzir a ambiguidade

Muitas variações na linguagem natural para expressar a mesma coisa assim como a mesma expressão pode ter vários significados ... escolher o que seria relevante para ser representado

Equilibrar expressividade e eficiência (trade off)

1984: Frames e Slots

Aridade dos relacionamentos, por exemplo, costumam ser mais que 2 (binário) para representar conceitos complexos por isso requer representações mais expressivas

Transitividade entre subclasses e instâncias nem sempre é válida

1989: Frames > RDF > ... > HOL (High Order Logic)

Duas linguagens de representação: separar o problema epistemológico (EL) do problema heurístico (HL) para não ser guiado pelo trade off

Demo do Cyc com perguntas, respostas e as explicações (triplas) para as respostas

OpenCyc : upper e intermediate ontology valem a pena ser compartilhadas com o respectivo contexto

A verdade depende do contexto, nada é 100% verdadeiro 

... apresentação corrida !!! .... 

Discussão / Perguntas

Pq grandes empresas compartilhariam os seus KGs e se interessariam pela interoperabilidade? Pq se os pequenos adotarem a interoperabilidade isso acaba ocupando uma parcelo razoável do mercado (cauda longa)

Possibilidade de remunerarem as pessoas por contribuírem para o KG a medida que tecnologias em KG começarem a ser usadas por aplicações

No momento, experimentações em KG seriam mais interessantes do que padrões



Comentários

  1. Essa ideia de remunerar é bem interessante. Ao mesmo tempo a Wikipedia pede colaboração $$$ dos usuários.

    ResponderExcluir

Postar um comentário

Sinta-se a vontade para comentar. Críticas construtivas são sempre bem vindas.

Postagens mais visitadas deste blog

Connected Papers: Uma abordagem alternativa para revisão da literatura

Durante um projeto de pesquisa podemos encontrar um artigo que nos identificamos em termos de problema de pesquisa e também de solução. Então surge a vontade de saber como essa área de pesquisa se desenvolveu até chegar a esse ponto ou quais desdobramentos ocorreram a partir dessa solução proposta para identificar o estado da arte nesse tema. Podemos seguir duas abordagens:  realizar uma revisão sistemática usando palavras chaves que melhor caracterizam o tema em bibliotecas digitais de referência para encontrar artigos relacionados ou realizar snowballing ancorado nesse artigo que identificamos previamente, explorando os artigos citados (backward) ou os artigos que o citam (forward)  Mas a ferramenta Connected Papers propõe uma abordagem alternativa para essa busca. O problema inicial é dado um artigo de interesse, precisamos encontrar outros artigos relacionados de "certa forma". Find different methods and approaches to the same subject Track down the state of the art rese...

Aprendizado de Máquina Relacional

 Extraído de -> https://www.lncc.br/~ziviani/papers/Texto-MC1-SBBD2019.pdf   Aprendizado de máquina relacional (AMR) destina-se à criação de modelos estatísticos para dados relacionais (seria o mesmo que dados conectados) , isto é, dados cuja a informação relacional é tão ou mais impor tante que a informação individual (atributos) de cada elemento.    Essa classe de aprendizado tem sido utilizada em diversas aplicações, por exemplo, na extração de informação de dados não estruturados [Zhang et al. 2016] e na modelagem de linguagem natural [Vu et al. 2018].   A adoção de técnicas de aprendizado de máquina relacional em tarefas de comple mentação de grafo de conhecimento se baseia na premissa de existência de regularidades semânticas presentes no mesmo . Modelos grafos probabilísticos  Baseada em regras / heurísticas que não podem garantir 100% de precisão no resultado da inferência mas os resultados podem ser explicados. Modelos de características de ...

KnOD 2021

Beyond Facts: Online Discourse and Knowledge Graphs A preface to the proceedings of the 1st International Workshop on Knowledge Graphs for Online Discourse Analysis (KnOD 2021, co-located with TheWebConf’21) https://ceur-ws.org/Vol-2877/preface.pdf https://knod2021.wordpress.com/   ABSTRACT Expressing opinions and interacting with others on the Web has led to the production of an abundance of online discourse data, such as claims and viewpoints on controversial topics, their sources and contexts . This data constitutes a valuable source of insights for studies into misinformation spread, bias reinforcement, echo chambers or political agenda setting. While knowledge graphs promise to provide the key to a Web of structured information, they are mainly focused on facts without keeping track of the diversity, connection or temporal evolution of online discourse data. As opposed to facts, claims are inherently more complex. Their interpretation strongly depends on the context and a vari...