Tarihin en kapsamlı "Bilgi Grafiği" 2020 inceleme makalesi, 18 yazar, 130 sayfa pdf
Xinzhiyuan Kılavuzu Bilgi grafiği, güncel bir araştırma etkin noktasıdır. Son zamanlarda, 18 bilim insanı, 130 sayfa pdf ve 547 referansa sahip, bilgi grafiğinin oluşturulması, zenginleştirilmesi, kalite değerlendirmesi, iyileştirilmesi ve yayınını açıklayan bir "Bilgi Grafiği" inceleme makalesini birlikte yazdı. "Xinzhiyuan acilen baş yazar, editör, operasyon müdürü, hesap yöneticisi işe alıyor, HR WeChat'i (Dr-wly) ekliyor veya daha fazla bilgi edinmek için makalenin sonuna QR kodunu taratıyor."
adres:
https://arxiv.org/abs/2003.02320
Bu yazımızda, bilgi grafiğine kapsamlı bir giriş veriyoruz.Çeşitli, dinamik ve geniş ölçekli veri toplamanın geliştirilmesi gereken senaryolarda, bilgi grafiği son zamanlarda endüstri ve akademiden büyük ilgi gördü. Genel girişten sonra, bilgi grafiklerinde kullanılan çeşitli grafik tabanlı veri modellerini ve sorgu dillerini özetledik ve karşılaştırdık. Bilgi grafiğindeki şema, kimlik ve bağlamın rolünü tartışacağız. Bilgiyi temsil etmek ve çıkarmak için tümdengelimli ve tümevarımlı tekniklerin bir kombinasyonunun nasıl kullanılacağını açıklıyoruz. Bilgi grafiğinin oluşturulması, zenginleştirilmesi, kalite değerlendirmesi, iyileştirilmesi ve yayınlanması için yöntemleri özetledik. İyi bilinen açık bilgi grafiklerini ve kurumsal bilgi grafiklerini ve bunların uygulamalarını ve yukarıdaki teknolojileri nasıl kullandıklarını özetleyeceğiz. Son olarak, üst düzey bilgi grafiklerinin gelecekteki araştırma yönlerini özetledik.
Bilgi grafiğinin avantajları
"Bilgi grafiği" terimi literatürde en az 1972'den beri yer alsa da, modern formu 2012'de yayınlanan Google Bilgi Grafiğinden ve ardından Airbnb, Amazon, eBay, Facebook, IBM, LinkedIn, Microsoft ve You'dan kaynaklanmıştır. Bu ve diğer şirketler, bilgi grafiklerinin geliştirilmesine ilişkin art arda duyurular yayınladılar. Gerçekler, akademinin bu kavramın artan popülaritesini görmezden gelmesinin zor olduğunu kanıtladı: Giderek daha fazla bilimsel literatür, kitaplar (gibi) ve tanımları (örneğin), yeni teknolojileri (gibi) ana hatlarıyla belirten makaleler dahil olmak üzere bilgi grafikleri üzerine konular yayınlıyor. Ve bilgi haritasının belirli yönlerinin araştırılması (örneğin).
Tüm bu gelişmelerin ana fikri, verileri temsil etmek için grafikleri kullanmaktır, bu genellikle bilgiyi bir şekilde ifade ederek geliştirilir. Sonuçlar en yaygın olarak büyük ölçekli entegrasyon, yönetim ve farklı veri kaynaklarından değer elde etmeyi içeren uygulama senaryolarında kullanılır. Bu durumda, ilişkisel modellere veya NoSQL alternatiflerine kıyasla grafik tabanlı bilgi soyutlamasını kullanmanın birçok avantajı vardır. Resim, kenarların sosyal veriler, biyolojik etkileşimler, bibliyografik referanslar ve ortak yazarlar ve ulaşım ağlarındaki doğal varlıklar arasındaki (potansiyel döngüsel) ilişkileri yakaladığı çeşitli alanlar için kısa ve sezgisel bir soyutlama sağlar. Grafikler, bakımcının şema tanımını ertelemesine izin vererek, verilerin (ve kapsamının) ilişkisel ortamlarda, özellikle eksik bilgi edinme için genellikle mümkün olandan daha esnek bir şekilde gelişmesine izin verir. (Diğer) NoSQL modellerinden farklı olarak, özelleştirilmiş grafik sorgu dili yalnızca standart ilişkisel operatörleri (birleştirme, birleştirme, projeksiyon vb.) Desteklemekle kalmaz, aynı zamanda keyfi uzunluktaki yollarla bağlanan varlıkları yinelemeli olarak bulan gezinme operatörlerini de destekler. Ontoloji ve kurallar gibi standart bilgi temsili formalizmi, grafiklerdeki düğümleri ve kenarları etiketlemek ve tanımlamak için kullanılan terimlerin anlamlarını tanımlamak ve bunlarla ilgili mantık yürütmek için kullanılabilir. Ölçeklenebilir bir grafik analiz çerçevesi, açıklanan alanla ilgili içgörüler elde etmek için hesaplama merkeziliği, kümeleme, özetleme vb. İçin kullanılabilir. Makine öğrenimi tekniklerinin doğrudan grafik üzerinde uygulanmasını desteklemek için çeşitli temsiller de geliştirilmiştir.
Kısacası, bilgi grafiğini oluşturma ve kullanma kararı, farklı veri kaynaklarından değerin entegre edilmesi ve çıkarılması için bir dizi teknik sağlar. Ancak, bilgi grafiklerinin nasıl kullanılacağını, hangi teknolojilerin kullanıldığını ve mevcut veri yönetimi konularıyla nasıl ilişkili olduklarını açıklayan genel bir birleşik özet görmedik.
Eğitim hedefi: bilgi grafiğine kapsamlı bir giriş
Bu öğreticinin amacı, bilgi grafiklerini kapsamlı bir şekilde tanıtmaktır: temel veri modellerini ve bunları nasıl sorgulayacaklarını açıklamak; şema, kimlik ve bağlamla ilgili temsilleri tartışmak; bilgiyi netleştirmek için kesinti ve tümevarım yöntemlerini tartışmak; girişler, grafikler oluşturmak ve zenginleştirmek için kullanılabilir Verileri yapılandırmak için çeşitli teknikler; bilgi grafiğinin kalitesinin nasıl belirleneceğini ve bilgi grafiğinin nasıl iyileştirileceğini açıklayın; bilgi grafiğini yayınlamak için standartları ve en iyi uygulamaları tartışın; ve pratikte bulunan mevcut bilgi grafiğine genel bir bakış sağlayın. Hedef kitlemiz bilgi grafiğine aşina olmayan araştırmacıları ve uygulayıcıları içerir. Bu nedenle, okuyucuların bilgi grafiğinde belirli bir uzmanlığa sahip olduğunu varsaymıyoruz.
Bilgi grafiği. "Bilgi grafiği" nin tanımı, belirli teknik tavsiyeden daha kapsamlı genel tavsiyeye kadar değişen bazı (bazen çelişkili) tanımlarla hala tartışmalıdır; bu önceki tanımları Ek A'da tartışıyoruz. Burada, bilgi grafiğini gerçek dünya bilgisini biriktirmek ve iletmek amacıyla bir veri grafiği olarak ele aldığımız, düğümleri ilgili varlıkları temsil eden ve kenarları bu varlıklar arasındaki ilişkiyi temsil eden kapsayıcı bir tanım benimsiyoruz. . Bir veri grafiği (veri grafiği olarak da adlandırılır), grafik tabanlı bir veri modeline uygundur Yönlendirilmiş kenar etiketleri, bir öznitelik grafiği vb. İçeren bir grafik olabilir (Bölüm 2'de belirli alternatifleri tartışıyoruz). Bu bilgi, dış kaynaklardan toplanabilir veya bilgi haritasının kendisinden çıkarılabilir. Bilgi, "Santiago Şili'nin başkentidir" gibi basit cümlelerden veya "Tüm başkentler şehirlerdir" gibi sayısal cümlelerden oluşabilir. Basit cümleler, veri grafiğinin kenarları olarak toplanabilir. Bilgi grafiği sayısal cümleleri biriktirmeyi amaçlıyorsa, o zaman bilgiyi temsil etmenin daha anlamlı bir yoluna ihtiyaç vardır - ontoloji veya kurallar gibi. Daha fazla bilgiyi devralmak ve biriktirmek için dedüktif yöntemler kullanılabilir (örneğin, "San Diego bir şehirdir"). Basit veya nicel cümlelere dayanan ek bilgiler de tümevarım yöntemleriyle bilgi grafiğinden çıkarılabilir ve biriktirilebilir.
Bilgi grafikleri genellikle birden çok kaynaktan gelir, bu nedenle yapı ve ayrıntı açısından çok çeşitli olabilirler. Bu çeşitliliği çözmek için, temsil modu, kimlik ve bağlam genellikle önemli bir rol oynar.Bir modda, yüksek seviyeli bir yapısal bilgi grafiği tanımlanır. Kimlik, grafikteki hangi düğümlerin (veya harici kaynakların) aynı gerçek varlığa işaret ettiğini gösterir ve Bağlam, belirli bir ortamın bazı birimlerinin bilgisinin doğru olduğunu gösterebilir. Daha önce bahsedildiği gibi, bilgi grafiği zaman içinde büyümek ve iyileştirmek için etkili çıkarma, zenginleştirme, kalite değerlendirme ve iyileştirme yöntemleri gerektirir.
Uygulamada, bilgi grafiğinin amacı, organizasyon veya topluluk içinde paylaşılan bilginin sürekli gelişimi için temel oluşturmaktır. Uygulamada, iki tür bilgi grafiği ayırt ediyoruz: açık bilgi grafikleri ve kurumsal bilgi grafikleri. Açık bilgi haritası, içeriğinin kamu yararına olması için internette yayınlanır. En önemli örnekler-DBpedia, Freebase, Wikidata, YAGO, vb. Wikipedia'dan çıkarılan veya bir gönüllüler topluluğu tarafından oluşturulan birçok alanı kapsamaktadır. Medya, hükümet, coğrafya, turizm, yaşam bilimleri vb. Gibi belirli alanlarda da açık bilgi grafikleri yayınlanmıştır. Kurumsal bilgi grafiği genellikle şirketin içindedir ve iş kullanım durumlarına uygulanır. Kurumsal bilgi grafikleri kullanan tanınmış sektörler arasında web araması (Bing, Google gibi), işletme (Airbnb, Amazon, eBay, Uber gibi), sosyal ağlar (Facebook, LinkedIn gibi), finans (Accenture, İtalya Bankası, Bloomberg, Capital gibi) yer alır. Bir, Wells Fargo Bank) vb. Uygulamalar arasında arama, öneri, kişisel ajans, reklamcılık, iş analizi, risk değerlendirmesi, otomasyon ve daha fazlası bulunur. Bilgi grafiklerinin uygulamada kullanılmasıyla ilgili daha fazla ayrıntıyı Bölüm 10'da vereceğiz.
Kursun geri kalanının yapısı
Bu makale resmi hesaptan çoğaltılmaya yetkilidir: Know-how
