Построение информационных систем на основе семантических сетей. #Графы знаний, #Semantic web, Сергей Исаев, ДатаФабрик, CEE-SECR 2017

F74d4292cc3b7b79920fcca339e02a21?s=47 CEE-SECR
October 21, 2017

Построение информационных систем на основе семантических сетей. #Графы знаний, #Semantic web, Сергей Исаев, ДатаФабрик, CEE-SECR 2017

1. Онтологическое моделирование предметной области.
2. Графовые базы данных и хранение данных в виде RDF-триплетов.
3. Обращение к данным (БД) на логическом уровне.
4. Графические интерфейсы в виде графов знаний.
5. Плюсы и минусы использования семантических сетей.

Мы разрабатываем интеллектуальные информационные системы, в основе которых лежат семантические сети (Semantic web). В России подобных проектов не более 5-10.

Доклад рассчитан на разработчиков ПО, архитекторов ПО, Технических директоров. Он рассчитан на самую широкую техническую публику и не слишком сложен в понимании – это визионерский доклад. Доклад дает вводное представление о технологии семантических сетей и какие возможности они дают при работе с данными, построению на их основе информационных систем.

F74d4292cc3b7b79920fcca339e02a21?s=128

CEE-SECR

October 21, 2017
Tweet

Transcript

  1. Интеллектуальные информационные системы на основе семантических технологий или семантическая интерпретация

    BigData или системы искусственного интеллекта на основе инженерии знаний Исаев Сергей www.DataFabric.cc
  2. #Семантические сети (Семантика данных) #Графы знаний #Графовые базы данных (RDF-триплеты)

    #Linked Data #Онтологическое моделирование Про что это вообще?
  3. Информационно-справочные системы Главное функциональное назначение: - Возможность поиска информации в

    данных Полнотекстовый поиск по содержимому текстов или различные комбинации фильтров.
  4. Информационно-справочные системы Главная фундаментальная проблема: - Система не может понимать

    смысл запроса Для системы все равно – 0 или 1, А или Б Система делает только то, что в нее заложено (запрограммировано), не понимая смысла.
  5. Проблема работы с информацией - Чаще всего человек сам не

    знает что он ищет. - Получение информации происходит в процессе исследования.
  6. Интеллектуальные информационные системы Система должна понимать смысл запроса Понимать в

    понятиях человека Обращение в систему на логическом уровне: - Какая налоговая ставка у меня будет, если я стану резидентом Сколково? Ответ – Одно число, а не все документы с «налоговая ставка»
  7. Работать со знаниями, а не с данными Чем знания отличаются

    от данных?
  8. RDF-триплеты

  9. Как связана «Alice» с «Da Vinci» ?

  10. Пример хранения знаний ФНС

  11. Онтологическое моделирование предметной области Обучение системы через описание области компетенций

    – делаем структуру мира Мы сами рассказываем машине что означают те или иные данные. Обучая машину, мы перекладываем на нее задачу понимать смысл данных. С человека на машину.
  12. Machine Learning У нас есть данные -> Мы обучаем систему

    Онтологическое моделирование Мы обучаем систему -> Система понимает данные
  13. Онтология Онтологии позволяют формально описать предметную область, связать множество таких

    описаний друг с другом, использовать описание для аннотирования данных. Таким образом, данные становятся связанными как с общими знаниями, так и с другими данными, обеспечивается интерпретация данных на машинном уровне. Linked Data – Связанные данные
  14. Онтология Использование стандартов позволяет комбинировать различные информационные системы на уровне

    понятий не прибегая к явному сопоставлению вида: "Колонка 1 таблицы А является тем же самым что колонка 3 в Таблице Б"
  15. None
  16. Онтология ЕГР ФНС Описывает понятие юридического лица и индивидуального предпринимателя

  17. На фрагменте видно, что класс EGRIP_RegEntity является суперклассом для класса

    NameAndGenderEntity, Который, в свою очередь, имеет несколько атрибутов (например, foaf:name). Префикс foaf в данном случае означает, что для описания атрибута используется стандартизированная онтология FriendOfAFriend, использующаяся для описания человека и связей внутри группы лиц. Таким образом, онтология определяет а) Классы (понятия) - (человек, записьВРеестре, компания) б) Атрибуты – (пол, имя, юридическоеНазвание) в) Отношения - (основал, являетсяПравопреемником)
  18. SPARQL – логический API Доступ к данным на логическом уровне

    Отец Сын Иван Сын Петр Вычисляемые связи Обратное тождество Братья Сергей София Отец Дочь
  19. Кейс – связи компаний из ФНС tree.datafabric.cc Semantic Tech inside

  20. None
  21. Исаев Сергей ООО «ДатаФабрик» Сайт: DataFabric.cc Тел: +7 (921) 345-65-43

    Почта: isaev@datafabric.cc Системы визуальной аналитики бизнес информации