LOD 数据集实证分析的方法论
人工智能
2014-06-05 v1 社会与信息网络
摘要
CoCoE 代表复杂度、连贯性和熵，提出了一种用于链接开放数据（即 RDF 图）实证分析的可扩展方法论。CoCoE 可以回答诸如：数据集 A 是否比 B 更适合知识发现，因为它更复杂且信息量更大？数据集 X 是否比 Y 更适合简单值查找，因为其结构更扁平？等问题。为了回答这些问题，我们引入了一组基于分布语义学、网络分析和信息论中互补概念的充分依据的度量。这些度量是 CoCoE 方法论特定实现的一部分，该实现可供下载。最后但同样重要的是，我们通过将 CoCoE 应用于选定的生物医学 RDF 数据集来展示其应用。
引用
@article{arxiv.1406.1061,
title = {A Methodology for Empirical Analysis of LOD Datasets},
author = {Vit Novacek},
journal= {arXiv preprint arXiv:1406.1061},
year = {2014}
}
备注
A current working draft of the paper submitted to the ISWC'14 conference (track information available here: http://iswc2014.semanticweb.org/call-replication-benchmark-data-software-papers)