Embedding Knowledge Graphs with RDF2vec (eBook)
IX, 158 Seiten
Springer International Publishing (Verlag)
978-3-031-30387-6 (ISBN)
This book explains the ideas behind one of the most well-known methods for knowledge graph embedding of transformations to compute vector representations from a graph, known as RDF2vec. The authors describe its usage in practice, from reusing pre-trained knowledge graph embeddings to training tailored vectors for a knowledge graph at hand. They also demonstrate different extensions of RDF2vec and how they affect not only the downstream performance, but also the expressivity of the resulting vector representation, and analyze the resulting vector spaces and the semantic properties they encode.
Heiko Paulheim is a computer scientist and a full professor for Data Science at the University of Mannheim. His group conducts various projects around knowledge graphs, yielding, among others, the public knowledge graphs WebIsALOD, CaLiGraph, and DBkWik. Moreover, his group is concerned with using knowledge graphs in machine learning, which has lead to the development of the widespread RDF2vec method for knowledge graph embeddings. In the recent past, Heiko Paulheim also leads projects which are concerned with ethical, societal, and legal aspects of AI, including KareKoKI, which deals with the impact of price-setting AIs on antitrust legislation, and the ReNewRS project on ethical news recommenders.
Petar Ristoski is an applied researcher at eBay in San Jose, CA.
Jan Portisch is a PhD student at the University of Mannheim in cooperation with SAP SE - Business Technology Platform - One Domain Model.
| Erscheint lt. Verlag | 3.6.2023 |
|---|---|
| Reihe/Serie | Synthesis Lectures on Data, Semantics, and Knowledge | Synthesis Lectures on Data, Semantics, and Knowledge |
| Zusatzinfo | IX, 158 p. 43 illus., 27 illus. in color. |
| Sprache | englisch |
| Themenwelt | Mathematik / Informatik ► Informatik ► Datenbanken |
| Schlagworte | Data Mining • dynamic knowledge graphs • Knowledge Graph Embeddings • knowledge representation in AI • Ontology Learning |
| ISBN-10 | 3-031-30387-3 / 3031303873 |
| ISBN-13 | 978-3-031-30387-6 / 9783031303876 |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)Größe: 5,5 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
