Provenance in Data Science / Sikos, Leslie F. ; Seneviratne, Oshani W. ; McGuinness, Deborah L.  

Público ISBD Ningún comentario para este título. 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. Idioma : Inglés (eng) 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 Clasificación: 006.33 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. Tipo de medio : Computadora Summary : RDF-based knowledge graphs require additional formalisms to be fully context-aware, which is presented in this book. This book also provides a collection of provenance techniques and state-of-the-art metadata-enhanced, provenance-aware, knowledge graph-based representations across multiple application domains, in order to demonstrate how to combine graph-based data models and provenance representations. This is important to make statements authoritative, verifiable, and reproducible, such as in biomedical, pharmaceutical, and cybersecurity applications, where the data source and generator can be just as important as the data itself. Capturing provenance is critical to ensure sound experimental results and rigorously designed research studies for patient and drug safety, pathology reports, and medical evidence generation. Similarly, provenance is needed for cyberthreat intelligence dashboards and attackmaps that aggregate and/or fuse heterogeneous data from disparate data sources to differentiate between unimportant online events and dangerous cyberattacks, which is demonstrated in this book. Without provenance, data reliability and trustworthiness might be limited, causing data reuse, trust, reproducibility and accountability issues. This book primarily targets researchers who utilize knowledge graphs in their methods and approaches (this includes researchers from a variety of domains, such as cybersecurity, eHealth, data science, Semantic Web, etc.). This book collects core facts for the state of the art in provenance approaches and techniques, complemented by a critical review of existing approaches. New research directions are also provided that combine data science and knowledge graphs, for an increasingly important research topic. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] 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. Idioma : Inglés (eng) 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 Clasificación: 006.33 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. Tipo de medio : Computadora Summary : RDF-based knowledge graphs require additional formalisms to be fully context-aware, which is presented in this book. This book also provides a collection of provenance techniques and state-of-the-art metadata-enhanced, provenance-aware, knowledge graph-based representations across multiple application domains, in order to demonstrate how to combine graph-based data models and provenance representations. This is important to make statements authoritative, verifiable, and reproducible, such as in biomedical, pharmaceutical, and cybersecurity applications, where the data source and generator can be just as important as the data itself. Capturing provenance is critical to ensure sound experimental results and rigorously designed research studies for patient and drug safety, pathology reports, and medical evidence generation. Similarly, provenance is needed for cyberthreat intelligence dashboards and attackmaps that aggregate and/or fuse heterogeneous data from disparate data sources to differentiate between unimportant online events and dangerous cyberattacks, which is demonstrated in this book. Without provenance, data reliability and trustworthiness might be limited, causing data reuse, trust, reproducibility and accountability issues. This book primarily targets researchers who utilize knowledge graphs in their methods and approaches (this includes researchers from a variety of domains, such as cybersecurity, eHealth, data science, Semantic Web, etc.). This book collects core facts for the state of the art in provenance approaches and techniques, complemented by a critical review of existing approaches. New research directions are also provided that combine data science and knowledge graphs, for an increasingly important research topic. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200