Acompanhamento semanal - Checkpoint IV

23/10/2021 a 08/11/2021

23/10 - Paper kypher & KGTK on Windows (fail),

24/10 - Tutorial TensorFlow

25/10 - Revisão aulas BD tool e BD search

26/10 - Preparar apresentação RDF - Reification

27/10 - Apresentação RDF - Reification para o grupo BioBD

28/10 - Embeddings de Texto

29/10 - WikiDataCon 21 - WDQS

31/10 - WikiDataCon 21 - WikiCite

03/11 - Aula BD search (NeuralDB)

04/11 - Reunião BioBD, Preparar apresentação Semantic Text Similarity, Aula DL sobre Text/NLP

05/11 - Reunião Mari e Daniel (IC) sobre Busc@NIMA ... embeddings

06/11 - Embeddings de Texto, Revisão aulas BD tool e BD search

07/11 - Papers com definições sobre modelos de grafos (hipergrafos)

08/11 - Aula BD tool, Reunião Sérgio e Daniel: WikiDataCon 21 e Definição de Hyper relacional

Comentários

Postagens mais visitadas deste blog

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 ...

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...

Knowledge graphs: Introduction, history, and perspectives - Leitura de Artigo

Chaudhri, V. K., C. Baru, N. Chittar, X. L. Dong, M. Genesereth, J. Hendler, A. Kalyanpur, D. Lenat, J. Sequeda, D. Vrandečić, and K.Wang 2022. “ Knowledge graphs: Introduction, history, and perspectives. ” AI Magazine 43: 17–29. https://doi.org/10.1002/aaai.12033 Knowledge graphs (KGs) have emerged as a compelling abstraction for organizing the world’s structured knowledge and for integrating information extracted from multiple data sources. KNOWLEDGE GRAPH DEFINITION A KG is a directed labeled graph in which domain-specific meanings are associated with nodes and edges. [ Definição focado no COMO representar, diferente dos KBs ] There are multiple approaches for associating meanings with the nodes and edges. At the simplest level, the meanings could be stated as documentation strings expressed in a human understandable language such as English. At a computational level, the meanings can be expressed in a formal specification language such as first-order logic. An active area of curren...

Pesquisa de Doutorado da Veronica

Pesquisar este blog