Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Traffic Analytics for Linked Data Publishers Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Terminological Cluster Trees for Disjointness Axiom Discovery

verfasst von : Giuseppe Rizzo, Claudia d’Amato, Nicola Fanizzi, Floriana Esposito

Erschienen in: The Semantic Web

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Despite the benefits deriving from explicitly modeling concept disjointness to increase the quality of the ontologies, the number of disjointness axioms in vocabularies for the Web of Data is still limited, thus risking to leave important constraints underspecified. Automated methods for discovering these axioms may represent a powerful modeling tool for knowledge engineers. For the purpose, we propose a machine learning solution that combines (unsupervised) distance-based clustering and the divide-and-conquer strategy. The resulting terminological cluster trees can be used to detect candidate disjointness axioms from emerging concept descriptions. A comparative empirical evaluation on different types of ontologies shows the feasibility and the effectiveness of the proposed solution that may be regarded as complementary to the current methods which require supervision or consider atomic concepts only.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Tuning Personalized PageRank for Semantics-Aware Recommendations Based on Linked Open Data
Nächstes Kapitel Embedding Learning for Declarative Memories
Fußnoten
1
Code and test ontologies are available at: http://​github.​com/​Giuseppe-Rizzo/​TCT.
 
Literatur
1.
Aggarwal, C.C., Reddy, C.K.: Data Clustering: Algorithms and Applications, 1st edn. Chapman & Hall/CRC, Boca Raton (2013)MATH
2.
Baader, F., Calvanese, D., McGuinness, D., Nardi, D., Patel-Schneider, P. (eds.): The Description Logic Handbook, 2nd edn. Cambridge University Press, Cambridge (2007)
3.
Baader, F., Ganter, B., Sertkaya, B., Sattler, U.: Completing description logic knowledge bases using formal concept analysis. In: Veloso, M. (ed.) Proceedings of IJCAI 2007, pp. 230–235. AAAI Press, Menlo Park (2007)
4.
Blockeel, H., De Raedt, L.: Top-down induction of first-order logical decision trees. Artif. Intell. 101(1–2), 285–297 (1998)MathSciNetCrossRef
5.
Cornet, R., Abu-Hanna, A.: Usability of expressive description logics - a case study in UMLS. In: Kohane, I. (ed.) Proceedings of AMIA 2002, pp. 180–184. AMIA (2002)
6.
d’Amato, C., Fanizzi, N., Esposito, F.: Query answering and ontology population: an inductive approach. In: Bechhofer, S., Hauswirth, M., Hoffmann, J., Koubarakis, M. (eds.) ESWC 2008. LNCS, vol. 5021, pp. 288–302. Springer, Heidelberg (2008). doi:10.​1007/​978-3-540-68234-9_​23CrossRefMATH
7.
De Raedt, L., Blockeel, H.: Using logical decision trees for clustering. In: Lavrač, N., Džeroski, S. (eds.) ILP 1997. LNCS, vol. 1297, pp. 133–140. Springer, Heidelberg (1997). doi:10.​1007/​3540635149_​41CrossRef
8.
Fanizzi, N., d’Amato, C., Esposito, F.: Induction of concepts in web ontologies through terminological decision trees. In: Balcázar, J.L., Bonchi, F., Gionis, A., Sebag, M. (eds.) ECML PKDD 2010. LNCS (LNAI), vol. 6321, pp. 442–457. Springer, Heidelberg (2010). doi:10.​1007/​978-3-642-15880-3_​34CrossRef
9.
Fanizzi, N., d’Amato, C.: A hierarchical clustering method for semantic knowledge bases. In: Apolloni, B., Howlett, R.J., Jain, L. (eds.) KES 2007. LNCS (LNAI), vol. 4694, pp. 653–660. Springer, Heidelberg (2007). doi:10.​1007/​978-3-540-74829-8_​80CrossRef
10.
Fanizzi, N., d’Amato, C., Esposito, F.: Evolutionary conceptual clustering based on induced pseudo-metrics. Int. J. Semant. Web Inf. Syst. 4(3), 44–67 (2008)CrossRef
11.
12.
Haase, P., Völker, J.: Ontology learning and reasoning: dealing with uncertainty and inconsistency. In: da Costa, P., et al. (eds.) Uncertainty Reasoning for the Semantic Web I. LNCS, vol. 5327, pp. 366–384. Springer, Heidelberg (2008)CrossRef
13.
Heath, T., Bizer, C.: Linked Data: Evolving the Web into a Global Data Space. Synthesis Lectures on the Semantic Web. Morgan & Claypool Publishers, San Rafael (2011)
14.
Hellmann, S., Lehmann, J., Auer, S.: Learning of OWL class descriptions on very large knowledge bases. Int. J. Semant. Web Inf. 5(2), 25–48 (2009)CrossRef
15.
Lehmann, J., Bühmann, L.: ORE - a tool for repairing and enriching knowledge bases. In: Patel-Schneider, P.F., et al. (eds.) ISWC 2010. LNCS, vol. 6497, pp. 177–193. Springer, Heidelberg (2010). doi:10.​1007/​978-3-642-17749-1_​12CrossRef
16.
Rizzo, G., d’Amato, C., Fanizzi, N., Esposito, F.: Induction of terminological cluster trees. In: Bobillo, F., et al. (ed.) Proceedings of URSW 2016. CEUR Workshop Proceedings, vol. 1665, pp. 49–60. CEUR-WS.org (2016)
17.
Schlobach, S.: Debugging and semantic clarification by pinpointing. In: Gómez-Pérez, A., Euzenat, J. (eds.) ESWC 2005. LNCS, vol. 3532, pp. 226–240. Springer, Heidelberg (2005). doi:10.​1007/​11431053_​16CrossRef
18.
Völker, J., Fleischhacker, D., Stuckenschmidt, H.: Automatic acquisition of class disjointness. J. Web Semant. 35(P2), 124–139 (2015)CrossRef
19.
Völker, J., Niepert, M.: Statistical schema induction. In: Antoniou, G., Grobelnik, M., Simperl, E., Parsia, B., Plexousakis, D., Leenheer, P., Pan, J. (eds.) ESWC 2011. LNCS, vol. 6643, pp. 124–138. Springer, Heidelberg (2011). doi:10.​1007/​978-3-642-21034-1_​9CrossRef
20.
21.
Wang, T.D., Parsia, B., Hendler, J.: A survey of the web ontology landscape. In: Cruz, I., et al. (eds.) ISWC 2006. LNCS, vol. 4273, pp. 682–694. Springer, Heidelberg (2006). doi:10.​1007/​11926078_​49CrossRef
Metadaten
Titel
Terminological Cluster Trees for Disjointness Axiom Discovery
verfasst von
Giuseppe Rizzo
Claudia d’Amato
Nicola Fanizzi
Floriana Esposito
Copyright-Jahr
2017
Buch
The Semantic Web

Print ISBN: 978-3-319-58067-8

Electronic ISBN: 978-3-319-58068-5

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-58068-5_12

Neuer Inhalt

    Bildnachweise