| Título : |
Provenance in Data Science : From Data Models to Context-Aware Knowledge Graphs |
| Tipo de documento: |
documento electrónico |
| Autores: |
Sikos, Leslie F., ; Seneviratne, Oshani W., ; McGuinness, Deborah L., |
| Mención de edición: |
1 ed. |
| Editorial: |
[s.l.] : Springer |
| Fecha de publicación: |
2021 |
| Número de páginas: |
XI, 110 p. 24 ilustraciones |
| ISBN/ISSN/DL: |
978-3-030-67681-0 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Sistemas expertos (Informática) Procesamiento de datos Estructuras de datos (Informática) Teoría de la información Aprendizaje automático Sistemas basados en el conocimiento Minería de datos y descubrimiento de conocimientos Estructuras de datos y teoría de la información |
| Índice Dewey: |
006.33 Aprendizaje automático (Machine Learning) |
| Resumen: |
Los gráficos de conocimiento basados en RDF requieren formalismos adicionales para ser plenamente conscientes del contexto, como se presenta en este libro. Este libro también proporciona una colección de técnicas de procedencia y representaciones basadas en gráficos de conocimiento, mejoradas con metadatos y con reconocimiento de procedencia en múltiples dominios de aplicaciones, con el fin de demostrar cómo combinar modelos de datos basados en gráficos y representaciones de procedencia. . Esto es importante para que las declaraciones sean autorizadas, verificables y reproducibles, como en aplicaciones biomédicas, farmacéuticas y de ciberseguridad, donde la fuente y el generador de datos pueden ser tan importantes como los datos mismos. Captar la procedencia es fundamental para garantizar resultados experimentales sólidos y estudios de investigación diseñados rigurosamente para la seguridad de los pacientes y los medicamentos, informes de patología y generación de evidencia médica. De manera similar, se necesita procedencia para los paneles de inteligencia sobre amenazas cibernéticas y los mapas de ataques que agregan y/o fusionan datos heterogéneos de fuentes de datos dispares para diferenciar entre eventos en línea sin importancia y ataques cibernéticos peligrosos, como se demuestra en este libro. Sin procedencia, la fiabilidad y la confiabilidad de los datos podrían verse limitadas, lo que provocaría problemas de reutilización, confianza, reproducibilidad y responsabilidad de los datos. Este libro está dirigido principalmente a investigadores que utilizan gráficos de conocimiento en sus métodos y enfoques (esto incluye investigadores de una variedad de dominios, como ciberseguridad, eSalud, ciencia de datos, web semántica, etc.). Este libro recopila datos básicos sobre el estado del arte en enfoques y técnicas de procedencia, complementados con una revisión crítica de los enfoques existentes. También se proporcionan nuevas direcciones de investigación que combinan ciencia de datos y gráficos de conocimiento, para un tema de investigación cada vez más importante. |
| Nota de contenido: |
The Evolution of Context-Aware RDF Knowledge Graphs -- Data Provenance and Accountability on the Web -- The Right (Provenance) Hammer for the Job: a Comparison of Data Provenance Instrumentation -- Contextualized Knowledge Graphs in Communication Network and Cyber-Physical System Modeling -- ProvCaRe: A Large-Scale Semantic Provenance Resource for Scientific Reproducibility -- Graph-Based Natural Language Processing for the Pharmaceutical Industry. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
Provenance in Data Science : From Data Models to Context-Aware Knowledge Graphs [documento electrónico] / Sikos, Leslie F., ; Seneviratne, Oshani W., ; McGuinness, Deborah L., . - 1 ed. . - [s.l.] : Springer, 2021 . - XI, 110 p. 24 ilustraciones. ISBN : 978-3-030-67681-0 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Sistemas expertos (Informática) Procesamiento de datos Estructuras de datos (Informática) Teoría de la información Aprendizaje automático Sistemas basados en el conocimiento Minería de datos y descubrimiento de conocimientos Estructuras de datos y teoría de la información |
| Índice Dewey: |
006.33 Aprendizaje automático (Machine Learning) |
| Resumen: |
Los gráficos de conocimiento basados en RDF requieren formalismos adicionales para ser plenamente conscientes del contexto, como se presenta en este libro. Este libro también proporciona una colección de técnicas de procedencia y representaciones basadas en gráficos de conocimiento, mejoradas con metadatos y con reconocimiento de procedencia en múltiples dominios de aplicaciones, con el fin de demostrar cómo combinar modelos de datos basados en gráficos y representaciones de procedencia. . Esto es importante para que las declaraciones sean autorizadas, verificables y reproducibles, como en aplicaciones biomédicas, farmacéuticas y de ciberseguridad, donde la fuente y el generador de datos pueden ser tan importantes como los datos mismos. Captar la procedencia es fundamental para garantizar resultados experimentales sólidos y estudios de investigación diseñados rigurosamente para la seguridad de los pacientes y los medicamentos, informes de patología y generación de evidencia médica. De manera similar, se necesita procedencia para los paneles de inteligencia sobre amenazas cibernéticas y los mapas de ataques que agregan y/o fusionan datos heterogéneos de fuentes de datos dispares para diferenciar entre eventos en línea sin importancia y ataques cibernéticos peligrosos, como se demuestra en este libro. Sin procedencia, la fiabilidad y la confiabilidad de los datos podrían verse limitadas, lo que provocaría problemas de reutilización, confianza, reproducibilidad y responsabilidad de los datos. Este libro está dirigido principalmente a investigadores que utilizan gráficos de conocimiento en sus métodos y enfoques (esto incluye investigadores de una variedad de dominios, como ciberseguridad, eSalud, ciencia de datos, web semántica, etc.). Este libro recopila datos básicos sobre el estado del arte en enfoques y técnicas de procedencia, complementados con una revisión crítica de los enfoques existentes. También se proporcionan nuevas direcciones de investigación que combinan ciencia de datos y gráficos de conocimiento, para un tema de investigación cada vez más importante. |
| Nota de contenido: |
The Evolution of Context-Aware RDF Knowledge Graphs -- Data Provenance and Accountability on the Web -- The Right (Provenance) Hammer for the Job: a Comparison of Data Provenance Instrumentation -- Contextualized Knowledge Graphs in Communication Network and Cyber-Physical System Modeling -- ProvCaRe: A Large-Scale Semantic Provenance Resource for Scientific Reproducibility -- Graph-Based Natural Language Processing for the Pharmaceutical Industry. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
Hacer una sugerencia Refinar búsqueda
