Jak budować wiarygodne grafy wiedzy?
- Speaker(s)
- dr hab. inż. Agnieszka Ławrynowicz
- Affiliation
- Wydział Informatyki i Telekomunikacji, Politechnika Poznańska
- Language of the talk
- Polish
- Date
- Nov. 8, 2024, 4 p.m.
- Room
- room 4060
- Link
- https://meet.google.com/jbj-tdsr-aop
- Title in English
- How to Build Trustworthy Knowledge Graphs?
- Seminar
- Seminar Intelligent Systems
W prezentacji dokonam wprowadzenia do zagadnienia ekstrakcji i konstrukcji grafów wiedzy oraz typowego procesu jaki prowadzi do uzyskania grafu wiedzy gotowego do aplikacji. Graf wiedzy jest współczesną formą reprezentacji wiedzy w postaci sieci semantycznej z dodanymi ograniczeniami. W grafie wiedzy schemat danych, często oparty na ontologiach, stanowi tylko jego niewielki fragment. Z kolei grafy wiedzy są skoncentrowane na instancjach, których liczba w typowym grafie wiedzy może być ogromna. Ta skala wymaga odpowiednich metod akwizycji wiedzy, wykorzystujących ekstrakcję informacji, eksplorację danych, uczenie maszynowe co stawia wyzwania związane z weryfikowaniem poprawności, kompletności, spójności czy też aktualności wiedzy. W prezentacji omówię nie tylko pojawiające się w tych obszarach wyzwania ale też rozwiązania. Całość zagadnień zilustruję na przykładach pochodzących z różnych projektów, w których brałam udział, bądź którymi kierowałam, w tym z dziedziny humanistyki cyfrowej, żywienia oraz modelowania eksperymentów uczenia maszynowego.
In this presentation, I will introduce the topic of knowledge graph extraction and construction, and outline the typical process leading to a knowledge graph ready for application. A knowledge graph is a modern form of knowledge representation as a semantic network with added constraints. In a knowledge graph, the data schema, often based on ontologies, represents only a small part, while the focus is on instances, which can be vast in number. This scale requires appropriate knowledge acquisition methods, utilizing information extraction, data mining, and machine learning, presenting challenges related to verifying correctness, completeness, consistency, and knowledge freshness. The presentation will discuss these challenges and corresponding solutions, illustrated with examples from various projects I have participated in or led, including those in the fields of digital humanities, food, and machine learning experiment modeling.