Temporal Knowledge Extraction for Dataset Discovery

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F17%3A00313816" target="_blank" >RIV/68407700:21230/17:00313816 - isvavai.cz</a>

Výsledek na webu

<a href="http://ceur-ws.org/Vol-1927/" target="_blank" >http://ceur-ws.org/Vol-1927/</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Temporal Knowledge Extraction for Dataset Discovery

Popis výsledku v původním jazyce

Linked data datasets are usually created with different data and metadata quality. This makes the exploration of these datasets a quite difficult task for the users. In this paper, we focus on improving discoverability of datasets based on their temporal characteristics. For this purpose, we identify the typology of temporal knowledge that can be observed inside data. We reuse existing temporal information extraction techniques available and employ them to create temporal search indices. We present a particular use-case of dataset discovery based on more detailed and completed temporal descriptions for each dataset in the Czech LOD cloud based on the analyzing of the unstructured content in the literals as well as the structured properties, taking into consideration varying data and metadata quality.

Název v anglickém jazyce

Temporal Knowledge Extraction for Dataset Discovery

Popis výsledku anglicky

Linked data datasets are usually created with different data and metadata quality. This makes the exploration of these datasets a quite difficult task for the users. In this paper, we focus on improving discoverability of datasets based on their temporal characteristics. For this purpose, we identify the typology of temporal knowledge that can be observed inside data. We reuse existing temporal information extraction techniques available and employ them to create temporal search indices. We present a particular use-case of dataset discovery based on more detailed and completed temporal descriptions for each dataset in the Czech LOD cloud based on the analyzing of the unstructured content in the literals as well as the structured properties, taking into consideration varying data and metadata quality.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/GA16-09713S" target="_blank" >GA16-09713S: Efektivní explorace prostoru propojených dat</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2017

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

PROFILES 2017 Dataset Profiling and Federated Search for Web Data

ISBN

—

ISSN

1613-0073

e-ISSN

1613-0073

Počet stran výsledku

15

Strana od-do

—

Název nakladatele

CEUR-WS.org

Místo vydání

—

Místo konání akce

Vienna

Datum konání akce

21. 10. 2017

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—