کتاب Knowledge Graphs

کتاب Knowledge Graphs مقدمه‌ای جامع و در دسترس برای نمودارهای دانش ارائه می‌کند که اخیراً توجه قابل توجهی را هم از طرف صنعت و هم از دانشگاه به خود جلب کرده است. نمودارهای دانش بر اساس اصل استفاده از انتزاع مبتنی بر گراف برای داده‌ها بنا شده‌اند و اکنون به طور گسترده در سناریوهایی که نیاز به یکپارچه‌سازی و استخراج ارزش از منابع متعدد و متنوع داده در مقیاس بزرگ دارند، استفاده می‌شوند.

در ادامه مقدمه‌ای از کتاب Knowledge Graphs را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب Knowledge Graphs:

منشأ این کتاب را می‌توان به سمینار داگستول که در سال 2018 با موضوع نمودارهای دانش برگزار شد، جستجو کرد. در زمان سمینار، موضوع به سرعت در دانشگاه و صنعت تبدیل به جریان اصلی شد، اما پیام‌های متناقضی در مورد اینکه «نمودار دانش» چیست، وجود داشت. بیشتر بحث سمینار بر این سؤال متمرکز بود و نظرات متفاوتی در مورد اینکه چگونه نمودارهای دانش را می‌توان (یا باید) تعریف کرد وجود داشت.

نحوه ارتباط آن‌ها با مفاهیم قبلی مانند پایگاه‌های داده گراف، پایگاه‌های دانش، هستی‌شناسی‌ها، نمودارهای RDF، نمودارهای ویژگی، شبکه‌های معنایی و غیره. و اینکه حوزه نوظهور نمودارهای دانش چگونه باید با توجه به حوزه‌های تثبیت شده هوش مصنوعی، داده‌های بزرگ، پایگاه‌های داده، نظریه گراف، منطق، یادگیری ماشین، بازنمایی دانش، پردازش زبان طبیعی، شبکه‌ها (در اشکال مختلف) و وب معنایی همانطور که بحث ادامه یافت، اجماع شروع شد:

نمودارهای دانش، به عنوان یک موضوع، شامل ترکیبی جدید از تکنیک‌های ناشی از جوامع علمی قبلاً متفاوت است، با هدف یکپارچه توسعه تکنیک‌های مبتنی بر نمودار جدید برای ادغام بهتر و استخراج ارزش از انواع مختلف منابع دانش در مقیاس بزرگ.

در ادامه سمینار، شرکت‌کنندگان موافقت کردند که برای تقویت این دیدگاه یکپارچه از نمودارهای دانش، نیاز به نسخه خطی وجود دارد که به عنوان یک مقدمه کلی برای این منطقه باشد. این نسخه خطی:

• ایجاد انگیزه در نمودارهای دانش و ارزش انتزاع داده‌ها به عنوان نمودار.

• بررسی بافت تاریخی نمودارهای دانش و ابتکارات کلیدی که منجر به محبوبیت آن‌ها می‌شود.

• نماهای متفاوت از نمودارهای دانش را در یک تعریف واحد جمع‌آوری کنید.

• مقدمه‌ای بر تکنیک‌های کلیدی که نمودارهای دانش فعال می‌کنند، مربوط به پرس‌وجو، اعتبارسنجی، استدلال، یادگیری، پالایش، غنی‌سازی، ارزیابی کیفیت و غیره ارائه می‌کند.
نحوه استفاده از نمودارهای دانش در عمل، بررسی شرکت‌ها با استفاده از نمودارهای دانش، برنامه های کاربردی که برای آن‌ها استفاده می‌شوند، نمودارهای دانش باز منتشر شده و غیره را شرح دهید.

• مسیرهای تحقیقاتی آینده را برای نمودارهای دانش مشخص کنید. سپس این دست‌نوشته به‌عنوان متنی مقدماتی برای دانش‌آموزان، شاغلین و محققین تازه وارد در این منطقه عمل می‌کند، و به ایجاد یک اجماع در مورد اینکه نمودار دانش چیست، کمک می‌کند و پایه‌هایی را برای پیشرفت‌های آینده ایجاد می‌کند.

هدف از تهیه این دست‌نوشته، هدفی جاه‌طلبانه بود، و شامل گردآوری و تقطیر حجم وسیعی از ادبیات در طیف متنوعی از موضوعات به مجموعه‌ای از مفاهیم کلیدی بود که به روشی قابل دسترس توصیف شده بودند. به همین دلیل، نسخه خطی توسط مؤلفان بسیاری تهیه شده است که دانش و تخصص خود را در تهیه بخش‌های خاص به کار برده‌اند.

نسخه کوتاهی از نسخه خطی ابتدا به عنوان یک مقاله آموزشی منتشر شد [هوگان و همکاران، 2021] که شامل یک نسخه خلاصه شده از پنج فصل اول کتاب Knowledge Graphs، همراه با خلاصه‌ای از نحوه استفاده از نمودارهای دانش در عمل است، و نتیجه گیری با این حال، فضای کافی برای توصیف همه تحولات مهم در منطقه وجود نداشت.

این ما را بر آن داشت تا کتاب Knowledge Graphs را منتشر کنیم که بیشتر شامل موضوعات مربوط به ایجاد، غنی‌سازی، ارزیابی کیفیت، اصلاح و انتشار نمودارهای دانش، و همچنین تعاریف رسمی، دیدگاه تاریخی و بحث گسترده در سراسر آن است.

کتاب Knowledge Graphs در ده فصل تنظیم شده است.

فصل 1 یک مقدمه کلی برای منطقه، مفهوم “گراف دانش” را تعریف می‌کند و یک نمای کلی در سطح بالایی از نحوه استفاده از نمودارهای دانش در حال حاضر ارائه می‌دهد.

فصل 2 مدل‌های گراف رایجی را که معمولاً برای نمایش داده‌ها به‌عنوان نمودار استفاده می‌شوند، و زبان‌هایی که می‌توان با آن‌ها پرس و جو کرد، ارائه و مقایسه می‌کند.

فصل 3 توضیح می‌دهد که چگونه نمودار داده به دست آمده را می‌توان با مفاهیم طرحواره، هویت و زمینه افزایش داد.

فصل 4 چگونگی استفاده از هستی‌شناسی‌ها و قواعد را برای رمزگذاری دانش، و چگونگی امکان اشکال قیاسی استدلال را مورد بحث قرار می‌دهد.

فصل 5 به این می‌پردازد که چگونه تکنیک‌های استقرایی – بر اساس آمار، تجزیه و تحلیل گراف، یادگیری ماشین و غیره – می‌توانند برای رمزگذاری و استخراج دانش مورد استفاده قرار گیرند.

بیشتر بخوانید: کتاب Introduction to Machine Learning

فصل 6 به تکنیک‌هایی برای ایجاد و غنی‌سازی نمودارهای دانش از منابع داده‌های قدیمی اختصاص دارد.

فصل 7 انواع معیارهای کیفی را برمی‌شمارد که می‌توانند برای ارزیابی یک نمودار دانش از نظر تناسب آن برای استفاده در کاربردهای مختلف مورد استفاده قرار گیرند.

فصل 8 روش‌های کلیدی برای اصلاح نمودارهای دانش با هدف بهبود کامل و صحت آن‌ها را ارائه می‌کند.

فصل 9 بررسی نمودارهای دانش باز و سازمانی را ارائه می‌دهد که در سال‌های اخیر پدیدار شده‌اند، همراه با صنایعی که در آن، و کاربردهایی که برای آن‌ها به طور گسترده مورد استفاده قرار گرفته‌اند.

فصل 10 کتاب Knowledge Graphs را با بحث در مورد محدودیت‌های فعلی و جهت‌گیری‌های آینده که نمودارهای دانش در امتداد آن‌ها احتمالاً تکامل می‌یابند، به پایان می‌رساند. یک پیوست بیشتر نمودارهای دانش را از منظر تاریخی پوشش می‌دهد و اهمیت آن‌ها را در زمینه وسیع‌تر مطالعه آکادمیک داده‌ها و دانش، و همچنین بررسی تعاریف قبلی «نمودارهای دانش» از متون را بررسی می‌کند.

هدف اصلی کتاب Knowledge Graphs این است که برای مخاطبان وسیع‌تری در دسترس باشد. در حالی که دانش پیش‌زمینه موضوعات مرتبط مانند پایگاه های داده، منطق، یادگیری ماشین، وب معنایی و غیره به درک برخی از موضوعات خاص ذکر شده کمک می‌کند، چنین پیش‌زمینه‌ای برای پیروی از مفاهیم کلی شرح داده شده در داخل ضروری نیست.

هدف کتاب Knowledge Graphs ایجاد انگیزه و تشریح مفاهیم مختلفی است که از منظری عملی معرفی می‌کند، و برای اینکه تا حد امکان در دسترس باشد، به شدت بر یک ارائه نمونه محور با استفاده از نماد گرافیکی تکیه دارد. برای خواننده‌ای که مایل است بیشتر به جزئیات فنی بپردازد، این بحث را با تعاریف رسمی در سراسر تکمیل می‌کنیم. با این حال، خواننده‌ای که بیشتر به درک مفاهیم کلی و منطق آن‌ها علاقه‌مند است، اگر تصمیم بگیرد که از تعاریف ارائه شده در کادرهای بصری متمایز رد شود، بحث را مستقل خواهد یافت.

کتاب Knowledge Graphs به عنوان یک نقطه ورودی برای کسانی که تازه با این موضوع آشنا شده‌اند عمل می‌کند، و بنابراین ممکن است به عنوان یک کتاب درسی مفید برای دوره‌های دانشگاهی، برای محققانی که برای اولین‌بار به این موضوع می‌پردازند، و برای پزشکانی که مایل به درک بیشتر در مورد چگونگی دانش هستند، باشد.

نمودارها ممکن است در شرکت یا سازمانشان استفاده شوند، یا در واقع، چگونه می‌توانند ارزش نمودارهای دانشی را که در حال حاضر در حال توسعه هستند به حداکثر برسانند. خوانندگانی که قبلاً در حوزه‌های فرعی مشخصی از نمودارهای دانش فعال هستند، ممکن است از تعاریف فنی گنجانده شده، ارجاعات به ادبیات دیگر ارائه‌شده، و دیدگاه گسترده‌تری که کتاب Knowledge Graphs از نظر سایر حوزه‌های فرعی مرتبط ارائه می‌دهد و نحوه تکمیل هر یک از آن‌ها قدردانی کنند.

با گردآوری تکنیک‌های متنوع از مناطق متفاوت، نمودارهای دانش به موضوعی هیجان‌انگیز از نظر پژوهش و کاربرد تبدیل شده است. ما انتظار داریم که با گذشت سال‌ها شاهد علاقه فزاینده به این موضوع باشیم، و در واقع امیدواریم که کتاب Knowledge Graphs به استوارتر کردن پایه‌های این موضوع کمک کند، و پیشرفت‌های آینده را بر اساس این مبانی، به طور بالقوه توسط خوانندگانش تقویت کند.

سرفصل‌های کتاب Knowledge Graphs:

• Preface
• Acknowledgments
• 1 Introduction
• 2 Data Graphs
• 3 Schema, Identity, and Context
• 4 Deductive Knowledge
• 5 Inductive Knowledge
• 6 Creation and Enrichment
• 7 Quality Assessment
• 8 Refinement
• 9 Publication
• 10 Knowledge Graphs in Practice
• 11 Conclusions
• A Background
• Bibliography
• Authors’ Biographies

فایل کتاب Knowledge Graphs را می‌توانید پس از پرداخت، دریافت کنید.