Populating a linked data entity name system : a big data solution to unsupervised instance matching /

Detalles Bibliográficos
Clasificación:Libro Electrónico
Autor principal: Kejriwal, Mayank (Autor)
Formato: Electrónico eBook
Idioma:Inglés
Publicado: Amsterdam, Netherlands : IOS Press, 2017.
Colección:Studies on the Semantic Web ; v. 027.
Temas:
RDF (Document markup language)
Linked data.
Big data.
Semantic Web
RDF (Langage de balisage)
Données liées.
Données volumineuses.
COMPUTERS > Intelligence (AI) & Semantics.
Big data
Linked data
Acceso en línea:Texto completo

MARC

LEADER 00000cam a2200000Ii 4500
001 EBSCO_ocn970041843
003 OCoLC
005 20231017213018.0
006 m o d
007 cr cnu|||unuuu
008 170126s2017 ne ob 000 0 eng d
040 |a N$T  |b eng  |e rda  |e pn  |c N$T  |d IOSPR  |d BTCTA  |d N$T  |d OCLCF  |d IDEBK  |d YDX  |d OCLCQ  |d WAU  |d AGLDB  |d IGB  |d CN8ML  |d SNK  |d INTCL  |d MHW  |d BTN  |d AUW  |d OCLCQ  |d VTS  |d INT  |d D6H  |d WYU  |d OCLCQ  |d G3B  |d S8I  |d S8J  |d S9I  |d STF  |d OCLCQ  |d OCLCA  |d OCLCO  |d OCLCQ  |d OCLCO 
020 |a 9781614996927  |q (electronic bk.) 
020 |a 161499692X  |q (electronic bk.) 
020 |z 9781614996910  |q (print) 
029 1 |a AU@  |b 000062545985 
035 |a (OCoLC)970041843 
050 4 |a QA76.5913 
072 7 |a COM  |x 004000  |2 bisacsh 
082 0 4 |a 025.042/7  |2 23 
049 |a UAMI 
100 1 |a Kejriwal, Mayank,  |e author. 
245 1 0 |a Populating a linked data entity name system :  |b a big data solution to unsupervised instance matching /  |c Mayank Kejriwal. 
264 1 |a Amsterdam, Netherlands :  |b IOS Press,  |c 2017. 
300 |a 1 online resource. 
336 |a text  |b txt  |2 rdacontent 
337 |a computer  |b c  |2 rdamedia 
338 |a online resource  |b cr  |2 rdacarrier 
490 1 |a Studies on the semantic web ;  |v vol. 027 
504 |a Includes bibliographical references. 
588 0 |a Online resource; title from PDF title page (IOS Press, viewed January 26, 2017). 
505 0 0 |g Machine generated contents note:  |g ch. 1  |t Introduction --  |g 1.1.  |t Linked Data --  |g 1.2.  |t Entity Name System --  |g 1.3.  |t Research Question and Thesis --  |g 1.4.  |t Dissertation --  |g 1.5.  |t Contributions --  |g ch. 2  |t Background --  |g 2.1.  |t Structured Data Models --  |g 2.1.1.  |t Resource Description Framework (RDF) --  |g 2.1.2.  |t Relational Database (RDB) Model --  |g 2.1.3.  |t Serializing RDF Data --  |g 2.2.  |t Instance Matching --  |g 2.2.1.  |t Blocking Step --  |g 2.2.2.  |t Similarity Step --  |g 2.2.3.  |t Evaluating Instance Matching --  |g 2.3.  |t Heterogeneity --  |g 2.3.1.  |t Type Heterogeneity --  |g 2.3.2.  |t Property Heterogeneity --  |g 2.3.3.  |t Extending the Two-Step Workflow --  |g 2.4.  |t Scalability --  |g 2.4.1.  |t Motivation --  |g 2.4.2.  |t Implementation --  |g ch. 3  |t Related Work --  |g 3.1.  |t Existing Domain-Independent Systems --  |g 3.1.1.  |t Systems Addressing Automation --  |g 3.1.2.  |t Systems Addressing Heterogeneity --  |g 3.1.3.  |t Systems Addressing Scalability --  |g 3.1.4.  |t Other Systems --  |g 3.2.  |t Discussion --  |g 3.2.1.  |t Automation vs. Scalability --  |g 3.2.2.  |t Issues of Structural Heterogeneity --  |g 3.3.3.  |t Issues of Unsupervised Blocking --  |g ch. 4  |t Type Alignment --  |g 4.1.  |t Motivating Example and Preliminaries: A Review --  |g 4.2.  |t Applications of Type Alignment --  |g 4.3.  |t Approach --  |g 4.3.1.  |t Possible Strategy Implementations --  |g 4.4.  |t Evaluations --  |g 4.4.1.  |t Test Cases --  |g 4.4.2.  |t Metrics and Methodology --  |g 4.4.3.  |t Results and Discussion --  |g ch. 5  |t Training Set Generation --  |g 5.1.  |t Intuition --  |g 5.2.  |t Approach --  |g 5.3.  |t Evaluations --  |g 5.3.1.  |t Test Suite --  |g 5.3.2.  |t Metrics --  |g 5.3.3.  |t Setup --  |g 5.3.4.  |t Results and Discussion --  |g ch. 6  |t Property Alignment --  |g 6.1.  |t Approach --  |g 6.2.  |t Evaluations --  |g 6.2.1.  |t Setup --  |g 6.2.2.  |t Results and Discussion --  |g ch. 7  |t Blocking and Classification --  |g 7.1.  |t Approach --  |g 7.1.1.  |t Feature Generator --  |g 7.1.2.  |t Learning Procedures --  |g 7.2.  |t Evaluations --  |g 7.2.1.  |t Blocking --  |g 7.2.2.  |t Similarity (non-iterative run) --  |g 7.2.3.  |t Similarity (iterative run) --  |g ch. 8  |t Scalability --  |g 8.1.  |t Summary of Algorithms --  |g 8.2.  |t Motivation and Use-Cases --  |g 8.3.  |t MapReduce Implementations --  |g 8.3.1.  |t Type Alignment --  |g 8.3.2.  |t Training Set Generator --  |g 8.3.3.  |t Property Alignment and Learning Procedures --  |g 8.3.4.  |t Blocking and Similarity --  |g ch. 9  |t Conclusion --  |g 9.1.  |t Summary --  |g 9.2.  |t Future Work --  |g 9.2.1.  |t Linked Data Quality --  |g 9.2.2.  |t Schema-Free Approaches --  |g 9.2.3.  |t Transfer Learning. 
590 |a eBooks on EBSCOhost  |b EBSCO eBook Subscription Academic Collection - Worldwide 
650 0 |a RDF (Document markup language) 
650 0 |a Linked data. 
650 0 |a Big data. 
650 2 |a Semantic Web 
650 6 |a RDF (Langage de balisage) 
650 6 |a Données liées. 
650 6 |a Données volumineuses. 
650 7 |a COMPUTERS  |x Intelligence (AI) & Semantics.  |2 bisacsh 
650 7 |a Big data  |2 fast 
650 7 |a Linked data  |2 fast 
650 7 |a RDF (Document markup language)  |2 fast 
830 0 |a Studies on the Semantic Web ;  |v v. 027. 
856 4 0 |u https://ebsco.uam.elogim.com/login.aspx?direct=true&scope=site&db=nlebk&AN=1455959  |z Texto completo 
938 |a Baker and Taylor  |b BTCP  |n BK0020290678 
938 |a EBSCOhost  |b EBSC  |n 1455959 
938 |a ProQuest MyiLibrary Digital eBook Collection  |b IDEB  |n cis37449728 
938 |a YBP Library Services  |b YANK  |n 13399579 
994 |a 92  |b IZTAP 

Ejemplares similares