Mon . 20 Feb 2020

Здабыча ведаў

Здабыча ведаў - гэта стварэнне ведаў з структураваных рэляцыйных баз дадзеных, XML і неструктураванага тэксту, дакументаў, крыніц малюнкаў. Атрыманыя веды павінны быць у машыначытаным і машына-інтэрпрэтаваным фармаце і павінны прадстаўляць веды такім чынам, што палягчае разумленне. метадычна падобны на здабычу інфармацыі NLP і ETL, галоўнымі крытэрыямі з'яўляецца тое, што вынік здабычы выходзіць за рамкі стварэння структураванай інфармацыі альбо пераўтварэння ў рэляцыйную схему. Гэта патрабуе альбо паўторнага выкарыстання існуючых фармальных ведаў, якія выкарыстоўваюць ідэнтыфікатары, альбо анталогіі, альбо генерацыю схема, заснаваная на зыходных дадзеных - Група RDB2RDF W3C [1] у цяперашні час стандартызуе мову для здабывання RDF з рэляцыйных баз дадзеных. Яшчэ адным папулярным прыкладам здабывання ведаў з'яўляецца пераўтварэнне Вікіпедыі ў структураваныя дадзеныя, а таксама адлюстраванне наяўных ведаў гл. DBpedia і Freebase
Змест
1 Агляд 2 прыкладу - 21 увядзенне аб'ектаў - 22 рэляцыйныя базы дадзеных у RDF
3 Вылучэнне з структураваных крыніц у RDF - 31 1: 1 Капаванне з табліц RDB / праглядаў у суб'екты RDF / атрыбуты / значэнні
32 Комплекснае адлюстраванне рэляцыйных баз дадзеных у RDF - 33 XML
34 Агляд метадаў / інструментаў - 4 Выманне з прыродных крыніц мовы
41 Традыцыйная здабыча інфармацыі IE - 42 Здабыча інфармацыі на аснове анталогіі OBIE
43 Навучанне анталогіі, OL - 44 Сэмантычная анатацыя SA - 45 Інструменты - 5 Адкрыццё ведаў - 51 Увод дадзеных - 52 Фармат вываду - 6 Глядзіце таксама - 7 Літаратуры
Агляд
Пасля стандартызацыі моў прадстаўлення ведаў, такіх як RDF і OWL, у гэтай галіне было праведзена шмат даследаванняў, асабліва ў дачыненні да пераўтварэння рэляцыйных баз дадзеных у RDF, дазволу ідэнтыфікацыі, выяўлення ведаў і навучання анталогіі. У агульным працэсе выкарыстоўваюцца традыцыйныя метады з здабыча інфармацыі і выманне, пераўтварэнне і загрузка ETL, якія пераўтвараюць дадзеныя з крыніцы ў структураваныя фарматы
Для класіфікацыі падыходаў у гэтай тэме могуць быць выкарыстаны наступныя крытэрыі: некаторыя з іх складаюць толькі выманне з рэляцыйных баз дадзеных: [2]
Крыніца
Якія крыніцы дадзеных ахоплены: тэкставыя, рэляцыйныя Базы дадзеных, XML, CSV
Экспазіцыя
Як здабытыя веды вырабляюцца відавочным анталагічным файлам, семантычнай базай дадзеных Як вы можаце яго запытаць? Сінхранізацыя? Ці адзін раз працэс здабывання ведаў выконваецца, каб стварыць дамп, альбо гэта вынік сінхранізуецца з крыніцай Статычны ці дынамічны Ці змяняюцца вынікі, спісаныя назад, двухнакіраваныя
Паўторнае выкарыстанне слоўнікавых запасаў - Інструмент здольны паўторна выкарыстоўваць існуючыя слоўнікі пры выманні. Напрыклад, слупок табліцы 'firstName' можна адлюстраваць to foaf: firstName Некаторыя аўтаматычныя падыходы не здольныя адлюстраваць vocab - Аўтаматызацыя - Ступень, з якой дапамогу здабычы / аўтаматызаваны Кіраўніцтва, GUI, паўаўтаматычны, аўтаматычны
Патрабуецца анталогія дамена
A Папярэдняя анталогія патрэбная карта на яго Такім чынам, альбо адлюстраванне альбо створана, альбо схема вывучаецца з вывучэння зыходнай анталогіі
Прыклады
Сувязь сутнасці
DBpedia Spotlight, OpenCalais, Data DandelionTXT, API Zemanta, Extractiv і PoolParty Extractor тэкст праз распазнаванне названай сутнасці, а затым раз'ядноўвае кандыдатаў з дапамогай дазволу імя і звязвае знойдзеныя сутнасці ў сховішча ведаў DBpedia [3] Дэманстратыўныя дадзеныя дзьмухаўцоўTXT, дэма або DBpedia Spotlight, дэма або PoolParty Extractor Demo. Прэзідэнт Абама заклікаў сераду ў Кангрэсе падоўжыць тэрмін льготы па падатках для студэнтаў, якія ўваходзяць у мінулагодні пакет стымулявання эканомікі, сцвярджаючы, што палітыка аказвае больш шчодрую дапамогу
Паколькі прэзідэнт Абама звязаны з рэсурсам DBpedia LinkedData, дадатковая інфармацыя можа быць атрымана аўтаматычна, а семантычная прычына можа, напрыклад, зрабіць выснову згаданае ўтварэнне мае тып "Асоба", якое выкарыстоўвае праграмнае забеспячэнне FOAF, і прэзідэнты тыпу ЗША, якія выкарыстоўваюць прыклад лічыльніка YAGO: толькі метады распазнаваць суб'екты ці спасылкі на артыкулы Вікіпедыі і іншыя мэты, якія не забяспечваюць далейшага пошуку структураваных дадзеных і фармальных ведаў - рэляцыйныя базы дадзеных у RDF
Памнажэнне, сервер D2R, Ultrawrap і Virtuoso RDF - гэта інструменты, якія пераўтвараюць рэляцыйныя базы дадзеных у RDF Падчас гэтага працэсу яны дазваляюць паўторна выкарыстоўваць існуючыя лексікі і анталогіі падчас працэсу пераўтварэння. Пры пераўтварэнні тыповай рэляцыйнай табліцы з імем карыстальнікаў, адзін столбец egname або агрэгацыя слупкоў egfirst_name і last_name павінен забяспечваць URI створанай сутнасці. Звычайна выкарыстоўваецца першасны ключ Кожны іншы слупок можа быць выняты ў якасці адносіны з гэтай сутнасцю [4] Затым уласцівасці з фармальна вызначанай семантыкай выкарыстоўваюцца і паўторна выкарыстоўваюцца для інтэрпрэтацыі інфармацыі. Напрыклад, слупок у табліцы карыстальнікаў пад назвай marriedTo можа быць вызначаны як сіметрычнае стаўленне, а галоўная старонка слупка можна пераўтварыць ва ўласнасць з лексікі FOAF пад назвай foaf: homepage, тым самым кваліфікаваўшы яе як зваротную фу nctional property Затым пры кожным запісе карыстацкай табліцы можна зрабіць асобнік класа Foaf: Person Ontology Population Акрамя таго, веды аб дамене ў выглядзе анталогіі могуць быць створаны з status_id альбо альбо створаны ўручную правілы, калі status_id 2, запіс належыць для заняткаў Настаўнікам альбо з дапамогай паўаўтаматычных метадаў навучання анталогіі Вось прыклад трансфармацыі: Імя, імя, шлюб, Да галоўнай старонкі, статус_id, Пётр, Марыя, http: // exampleorg / Peters_page - 1 - Мароз - Ева - http: // exampleorg / Claus_page - старонка 2: Пётр: жанатыЗаўсёды: Марыя: замужамЗа савы: SymmetricProperty
: Peter foaf: хатняя старонка & lt; http: // exampleorg / Peters_page & gt;
: Пётр Пятровіч: Чалавек: Пётр: Студэнт: Клаўс: Настаўнік - Выманне з структураваных крыніц у RDF - 1: 1 Картаванне з табліц RDB / Прагляды для суб'ектаў RDF / Атрыбуты / значэнні
Пры пабудове рэпрэзентацыі праблемнай вобласці ў RDB часта адпраўной кропкай з'яўляецца дыяграма адносін з сутнасцю ERD. Звычайна кожная сутнасць прадстаўлена ў выглядзе табліцы базы дадзеных, кожны атрыбут суб'екта ператвараецца ў слупок у гэтай табліцы, і адносіны паміж сутнасцямі паказваюцца замежнымі ключамі. Кожная табліца звычайна вызначае пэўны клас сутнасці, у кожным слупку адзін з яго атрыбутаў. Кожны радок у табліцы апісвае асобнік сутнасці, адназначна ідэнтыфікаваны першасным ключом. Радкі табліцы сукупна апісваюць набор сутнасцей. эквівалентнае прадстаўленне RDF таго ж набору сутнасці:
Кожны слупок у табліцы з'яўляецца атрыбутам, г.зн. выказнікам. Кожнае значэнне слупка з'яўляецца значэннем атрыбута, то ёсць аб'ектам. Кожны радок ключа ўяўляе ідэнтыфікатар сутнасці, г.зн. суб'ект
Кожны радок уяўляе сабой сутнасць інст Ance: Кожны асобнік радка сутнасці прадстаўлены ў RDF калекцыяй тройкі з агульным ідэнтыфікатарам суб'екта. Такім чынам, для аказання эквівалентнага выгляду, заснаванага на семантыцы RDF, асноўным алгарытмам адлюстравання будзе наступны:
стварыць клас RDFS для кожнай табліцы - пераўтварыць усе першасныя ключы і замежныя ключы ў IRI - прызначыць выказнікам IRI кожнаму слупку - прызначыць нумар rdf: увядзіце выказнік для кожнай радка, звязваючы яго з адпаведным IRI класа RDFS. у табліцу
для кожнага слупка, які не ўваходзіць ні ў першасны, ні ў замежны ключ, пабудуйце тройку, якая змяшчае першасны ключ IRI ў якасці суб'екта, слупок IRI як выказнік і значэнне слупка як аб'ект. гэтага асноўнага альбо прамога адлюстраванне можна знайсці ў параўнанні Ціма Бернерса Лі з мадэллю ER з мадэллю RDF [4]
Складаныя адлюстраванні рэляцыйных баз дадзеных у RDF
Згаданае вышэй адлюстраванне 1: 1 агаляе дадзеныя спадчыны як простае выкарыстанне RDF, для паляпшэння выкарыстання могуць быць выкарыстаны дадатковыя ўдакладненні паўната вываду RDF у адпаведных выпадках выкарыстання. Звычайна інфармацыя губляецца пры пераўтварэнні дыяграмы адносін паміж аб'ектамі ERD у рэляцыйныя табліцы. Падрабязнасці можна знайсці ў неадпаведнасці аб'ектна-рэляцыйнага імпедансу і павінны быць адлюстраваны з зваротнага канцэптуальнага падыходу. здабыча можа зыходзіць з двух кірункаў. Першы кірунак спрабуе здабыць альбо даведацца схему OWL з дадзенай схемы базы дадзеных. Раннія падыходы выкарыстоўвалі фіксаваную колькасць правілаў картаграфіі, створаных уручную, каб удакладніць адлюстраванне 1: 1 [5] [6] [7] складаныя метады выкарыстоўваюць эўрыстыку альбо алгарытмы навучання, каб выклікаць схематычныя інфармацыйныя метады, якія перасякаюцца з анталагічным навучаннем. У той час як некаторыя падыходы спрабуюць атрымаць інфармацыю са структуры, уласцівай схеме SQL [8], аналізуючы, напрыклад, замежныя ключы, іншыя аналізуюць змест і значэнні ў табліцы для стварэння канцэптуальнай іерархіі [9], напрыклад, слупкі з невялікім значэннем - кандыдаты на станне катэгорый. ап схему і яе змесціва да ўжо існуючай анталогіі дамена глядзіце таксама: анталогія супастаўлення Часта, аднак, адпаведная анталогія дамена не існуе і павінна быць створана спачатку
XML
Паколькі XML структураваны як дрэва, любыя дадзеныя могуць быць лёгка прадстаўлены ў RDF, які структураваны як графік XML2RDF - адзін з прыкладаў падыходу, які выкарыстоўвае пустыя вузлы RDF і пераўтварае элементы і атрыбуты XML у ўласцівасці RDF. Аднак тэма больш складаная, як у выпадку рэляцыйных баз дадзеных у рэляцыйная табліца першасны ключ з'яўляецца ідэальным кандыдатам, каб стаць прадметам здабытай траі. Элемент XML, аднак, можа быць пераўтвораны - у залежнасці ад кантэксту - у якасці суб'екта можа выкарыстоўвацца выказнік альбо аб'ект патройнай XSLT мова пераўтварэння для ручнога пераўтварэння XML у RDF - Агляд метадаў / інструментаў: Імя - Крыніца дадзеных - Экспазіцыя дадзеных - Сінхранізацыя дадзеных - Мова картаграфіі - Паўторнае выкарыстанне лексікі - Аўтаматызацыя картаграфіі
Req даменная анталогія
выкарыстоўвае графічны інтэрфейс A Непасрэднае адлюстраванне рэляцыйных дадзеных у RDF - рэляцыйныя дадзеныя
SPARQL / ETL - дынамічная
N / A - фальшывая - аўтаматычная
ілжывая - ілжывая - CSV2RDF4LOD
CSV - ETL - статычны
RDF - праўда - інструкцыя - false - false - Convert2RDF - Размежаваны тэкставы файл - ETL - статычны
RDF / DAML - праўдзівы
інструкцыя - ілжывы - праўда - сервер D2R - RDB - SPARQL - двухнакіраваны - карта D2R - праўда
Інструкцыя
false
false
DartGrid - RDB - уласная мова запытаў - дынамічная
Visual Tool - true - кіраўніцтва
false
false
DataMaster - RDB - ETL - статычны - патэнтаваны - сапраўдны - сапраўдны - інструкцыя - праўда - праўда -
пашырэнне RDF Google Refine - CSV, XML
ETL: статычны - не - паўаўтаматычны - ілжывы - праўдзівы - Krextor - XML - ETL - статычны | xslt - true
Інструкцыя праўдзівая
ілжывая
MAPONTO
RDB - ETL - статычная, патэнтаваная - сапраўдная - інструкцыя - сапраўдная - ілжывая
METAmorphoses
RDB - ETL - статычны, уласны мова адлюстравання на аснове XML - праўдзівая інструкцыя - ілжывая - праўда - MappingMa ster - CSV
ETL - статычны | MappingMaster - сапраўдны - GUI - false - true - ODEMapster - RDB - ETL - статычны
прапрыетарная - праўда - інструкцыя па эксплуатацыі - праўда - праўда - убудова OntoWiki CSV Імпарцёр - DataCube & amp; Таблічны
CSV
ETL - статычны
Vocaublary RDF Data Cube - праўдзівы, паўаўтаматычны - ілжывы - праўдзівы - Poolparty Extraktor PPX - XML, Тэкст - LinkedData - дынамічны - RDF SKOS - праўдзівы, паўаўтаматычны - праўдзівы - ілжывы - RDBToOnto - RDB - ETL - статычны
ні адзін несапраўдны і аўтаматычны, карыстальнік акрамя таго, мае магчымасць наладзіць вынікі - ілжывыя - праўдзівыя - RDF 123 - CSV - ETL - статычныя
ілжывая - ілжывая - ручная - ілжывая - праўдзівая - RDOTE - RDB - ETL - статычная - SQL - сапраўдная - інструкцыя - true
true
RelationalOWL - RDB - ETL - статычны, несапраўдны - false - аўтаматычны - false - false - T2LD
CSV
ETL - статычныя, ілжывыя, ілжывыя, ілжывыя, аўтаматычныя, ілжывыя, ілжывыя, слоўнікі RDF, куба дадзеных, шматмерныя статыстычныя дадзеныя ў табліцах, Лексіка куб дадзеных
праўдзівая інструкцыя - фальшывая - кампазітар TopBraid - CSV - ETL - статычная - SKOS - фальшывая - паўаўтаматычная - фальшывая - ісціна
Падвоіць RDB - LinkedData - дынамічны
SQL - праўдзівы, інструкцыя - фа lse - false - Ultrawrap - RDB - SPARQL / ETL - дынамічны, R2RML - сапраўдны, паўаўтаматычны - false - true - Virtuoso RDF Прагляды
RDB - SPARQL - дынамічны
Мова мета-схемы - праўдзівы - паўаўтаматычны - ілжывы - праўдзівы - Virtuoso Sponger - структураваны і паўбудаваны Крыніцы дадзеных
SPARQL - дынамічны
Virtuoso PL & amp; XSLT - праўдзівы, паўаўтаматычны - ілжывы - ілжывы - VisAVis - RDB - RDQL - дынамічны - SQL - праўдзівы, інструкцыя - true
true
XLWrap: табліца для RDF - CSV - ETL - статычная сінтаксіс TriG - true - інструкцыя - false - false false XML для RDF | XML | ETL - статычны | false (фальшывы) false (аўтаматычны) false (аўтаматычны) false (false) false (фальшывы) false | у дзелавых дакументах каля 80% [10] зашыфравана натуральнай мовай і, такім чынам, неструктураваная. Таму што неструктураваныя дадзеныя - гэта хутчэй выклік для здабывання ведаў, неабходныя больш складаныя метады, якія звычайна даюць больш высокія вынікі ў параўнанні са структураванымі дадзенымі. масавае набыццё здабытых ведаў, аднак, павінна кампенсаваць павышаную складанасць і зніжэнне якасці здабычы. У наступным крыніцы прыроднай мовы разумеюцца як крыніцы інфармацыі, дзе дадзеныя прыводзяцца неструктуравана як звычайны тэкст. Дадзены тэкст дадаткова ўбудаваны ў разметны дакумент, напрыклад, у дакуменце HTML, згаданыя сістэмы звычайна аўтаматычна выдаляюць элементы разметкі
Традыцыйная здабыча інфармацыі IE
Традыцыйная здабыча інфармацыі [11] - гэта тэхналогія апрацоўкі натуральнай мовы, якая здабывае інфармацыю ад тэкстаў і структур, якія звычайна бываюць на натуральных мовах, яны падыходзяць адпаведным чынам. Віды інфармацыі, якую трэба ідэнтыфікаваць, павінны быць паказаны ў мадэлі перад пачаткам працэсу, і таму ўвесь працэс традыцыйнага здабывання інфармацыі залежыць ад дамена. IE падзяляецца на наступнае пяць падзадач - Распазнаванне названых суб'ектаў NER - дазвол Coreference CO - Стварэнне элемента шаблона TE - Стварэнне суадносін шаблона TR - Вытворчасць сцэнарыяў шаблона ST - Задача распазнання названай сутнасці - распазнаваць і класіфікаваць усе названыя сутнасці, якія змяшчаюцца ў тэкставым прызначэнні названай сутнасці да загадзя вызначанай катэгорыі. Гэта працуе пры дапамозе граматыкі b Ased метады або статыстычныя мадэлі - дазвол Coreference ідэнтыфікуе эквівалентныя сутнасці, якія былі распазнаныя NER, у межах тэксту. Ёсць два адпаведных выгляду адносіны эквівалентнасці. Першы звязаны з адносінамі паміж двума рознымі прадстаўленымі структурамі, напрыклад, IBM Europe і IBM, і другое - адносіны паміж сутнасцю і іх анафарычнымі спасылкамі, напрыклад, гэта і IBM Абодва выгляду можна распазнаць па дазволе асноўных рэжымаў. Падчас пабудовы элемента шаблона сістэма IE вызначае апісальныя ўласцівасці сутнасцей, распазнаныя NER і CO. Гэтыя ўласцівасці адпавядаюць звычайным такіх якасцей, як чырвоны ці вялікі
Пабудова адносін шаблона вызначае адносіны, якія існуюць паміж элементамі шаблона. Гэтыя адносіны могуць быць некалькіх відаў, напрыклад, для працы, альбо для размяшчэння, з тым абмежаваннем, што і дамен, і дыяпазон адпавядаюць сутнасцям
У шаблоне сцэнарыя вытворчасці падзей, якія апісаны ў тэксце, будуць вызначаны і str арыентаваны на сутнасьці, прызнаныя NER і CO, і адносіны, ідэнтыфікаваныя TR
Здабыча інфармацыі, заснаванай на анталогіі OBIE - Здабыча інфармацыі на аснове анталёгіі [10] - гэта падполе здабычы інфармацыі, з якім хаця б адзін анталогія выкарыстоўваецца для кіраўніцтва працэсам здабывання інфармацыі з тэксту на натуральнай мове. Сістэма OBIE выкарыстоўвае метады традыцыйнай здабычы інфармацыі для выяўлення ў тэксце паняццяў, асобнікаў і адносін выкарыстоўваных анталогій, якія пасля працэсу будуць структураваны на анталогію. Такім чынам, ўваходныя анталогіі складаюць мадэль інфармацыі, якую трэба здабыць
Анталогія, навучання OL
Асноўны артыкул: Анталогія навучання
Анталогія навучання - гэта аўтаматычнае альбо паўаўтаматычнае стварэнне анталогіі, уключаючы вылучэнне адпаведных умоў дамена з натуральнай мовы тэкст Паколькі стварэнне анталогіі ўручную надзвычай працаёмкі і адымае шмат часу, існуе вялікая матывацыя для аўтаматызацыі працэсу. на SA
Падчас семантычнай анатацыі [12] тэкст натуральнай мовы дапаўняецца метададзенымі, часта прадстаўленымі ў RDFa, што павінна зрабіць семантыку змешчаных тэрмінаў машынна зразумелай. У гэтым працэсе, які, як правіла, паўаўтаматычны, веды здабываюцца ў сэнс, што ўсталёўваецца сувязь паміж лексічнымі тэрмінамі і, напрыклад, паняццямі з анталогіі, такім чынам, атрымліваюцца веды, якое значэнне тэрміна ў апрацаваным кантэксце прызначалася, і таму значэнне тэксту грунтуецца на машыначытаных дадзеных з здольнасць рабіць высновы Семантычная анатацыя звычайна падзяляецца на наступныя дзве падзадачы - Вылучэнне тэрміналогіі
Сувязь сутнасці
На ўзроўні здабывання тэрміналогіі лексічныя тэрміны з тэксту здабываюцца. Для гэтага спачатку слова вызначае лексемы. межы і вырашае абрэвіятуры. Пасля гэтага словы з тэксту, якія адпавядаюць паняццю, здабываюцца пры дапамозе лексікі, характэрнай для дамена, каб звязаць іх у en tity linking
У сутнасцi сутнасці [13] усталёўваецца сувязь паміж вынятымі лексічнымі тэрмінамі з зыходнага тэксту і паняццямі з анталогіі ці базы ведаў, такімі як DBpedia. Для гэтага кандыдаты-канцэпцыі выяўляюцца адпаведным чынам у некалькіх значэннях тэрмін з дапамогай лексікі. Нарэшце, кантэкст тэрмінаў аналізуецца, каб вызначыць найбольш прыдатную неадназначнасць і прызначыць тэрмін правільнай канцэпцыі
Інструменты
Для класіфікацыі інструментаў можна выкарыстоўваць наступныя крытэрыі: здабываць веды з тэксту натуральнай мовы - Крыніца
Якія фарматы ўводу могуць быць апрацаваны інструментам, напрыклад, просты тэкст, HTML або PDF - Парадыгма доступу
Ці можна інструментам запытаць крыніцу дадзеных ці патрабуецца цэлы дамп? працэс здабычы - Сінхранізацыя дадзеных - гэта вынік працэсу вымання, сінхранізаванага з крыніцай - Выкарыстоўвае выходную анталогію - Ці звязвае інструмент вынік з анталогіяй? гэта працэс здабычы ману аль, паўаўтаматычны альбо аўтаматычны | Патрабуецца анталогія? Ці патрэбны інструмент анталогіі для здабывання? Карыстаецца графічным інтэрфейсам? Ці прапануе інструмент графічны карыстацкі інтэрфейс? Падыход? Якія падыходы IE , OBIE, OL або SA выкарыстоўваецца інструментам - Вынятыя суполкі - Якія тыпы сутнасцей, напрыклад, названыя сутнасці, паняцці або адносіны, можна атрымаць інструментам - Прыкладныя метады - Якія метады прымяняюцца, напрыклад, NLP , статыстычныя метады, кластэрызацыя або машыннае навучанне
Выходная мадэль
Якая мадэль выкарыстоўваецца для прадстаўлення вынікаў інструмента, напрыклад, RDF або OWL
Падтрымліваныя дамены
Якія дамены падтрымліваюцца, напрыклад, эканоміка ці біялогія
Падтрымліваныя мовы: на якіх мовах можна апрацоўваць, напрыклад, на англійскай або нямецкай мовах. У наступнай табліцы прыведзены некаторыя інструменты для атрымання ведаў з прыродных крыніц мовы
Імя
Крыніца
Парадыгма доступу
Сінхранізацыя дадзеных
Выкарыстоўвае выходную анталогію - аўтаматызацыя картаграфічных даследаванняў - Патрабуецца анталогія - выкарыстоўвае графічны інтэрфейс - падыход - здабытыя аб'екты - дадатак Хлусіў Тэхнікі
Выхадная мадэль
Падтрымліваныя дамены
Падтрымліваныя мовы ў AeroText [14] - просты тэкст, HTML, XML, SGML - дамп - не
так
аўтаматычны
так, так, гэтак, IE - названыя сутнасці, адносіны, падзеі - лінгвістычныя правілы, уласныя - незалежныя ад даменаў - англійская, іспанская, арабская, кітайская, інданезійская
AlchemyAPI [15]: звычайны тэкст, HTML - аўтаматычны, так, SA - SA, шматмоўны - ANNIE [16] - звычайны тэкст, дамп, так, так
так - IE - алгарытмы канчатковых станаў - шматмоўны - ASIUM [17] - звычайны тэкст, дамп, паўаўтаматычны так, так, OL
Канцэпцыі, іерархія паняццяў - НЛП, кластараванне - Здабыча схільнасці [18] - аўтаматычны IE - названыя сутнасці, адносіны, падзеі - NLP - API адуванчыка - звычайны тэкст , HTML, URL
REST - не, не - не аўтаматычна - не - так - SA - названыя сутнасці, паняцці - статыстычныя метады - JSON
Даменна-незалежны
шматмоўны - пражэктар DBpedia [19] - просты тэкст, HTML - дамп, SPARQL - так, так, так, а утаматычны
не
так - SA - анатацыя да кожнага слова, анатацыя да нон-стоўшаў: NLP, статыстычныя метады, машыннае навучанне - RDFa - даменна-незалежны - англійская
EntityClassifiereu [20]: звычайны тэкст, HTML - дамп, так, так, так, аўтаматычна, не, так, так, IE, OL, SA - анатацыя да кожнага слова, анатацыя да нон-стопаў: граматыка, заснаваная на правілах: XML - незалежная ад даменаў: англійская, нямецкая, галандская: K-Extractor [21] [22] - звычайная тэкст, HTML, XML, PDF, MS Office, электронная пошта, дамп, SPARQL - так, так - так, аўтаматычна - не, так - так, IE, OL, SA
паняцці, названыя сутнасці, асобнікі, іерархія паняццяў, родавыя адносіны, вызначаныя карыстальнікам адносіны, падзеі, мадальнасць, напружанасць, узаемасувязь, сувязь падзей, настроі - NLP, машыннае навучанне, эўрыстычныя правілы - RDF, OWL, уласнае XML - незалежны ад даменаў: англійская, іспанскі: iDocument [23] - HTML, PDF, DOC, SPARQL - так, так, так, OBIE - асобнікі, уласнасць значэнні ў NLP - асабістае, дзелавое - NetOwl Extractor [24] - с няправільны тэкст, HTML, XML, SGML, PDF, MS Office - дамп - не - так - аўтаматычна - так
так - IE - назваць сутнасці, адносіны, падзеі
NLP
XML, JSON, RDF-OWL, іншыя - некалькі даменаў: англійская, арабская кітайская спрошчаная і традыцыйная, французская, карэйская, фарсі і дарыйская, руская, іспанская на OntoGen [25 ]
паўаўтаматычны
так - OL - канцэпцыі, іерархія паняццяў, нетаксанамічныя адносіны, экзэмпляры NLP, машыннае навучанне, кластаванне ў OntoLearn [26] - просты тэкст , HTML - дамп - не, так - аўтаматычны, так - не, OL - канцэпцыі, канцэпцыя іерархіі, асобнікі - NLP, статыстычныя метады - патэнтаваныя
даменна-незалежны - англійская - OntoLearn Reloaded - звычайны тэкст, HTML - дамп - не - так, аўтаматычна - так, не - OL Канцэпцыі канцэпцыі, іерархія паняццяў, экзэмпляры ў NLP, статыстычныя метады, патэнтаваныя, незалежныя ад даменаў - на англійскай
OntoSyphon [27] - HTML, PDF, DOC, дамп, запыты пошукавых сістэм - не, так, аўтаматычна, так, так, не, OBIE - co ncepts, адносіны, экзэмпляры - NLP, статыстычныя метады: RDF - незалежны ад даменаў - англійская
ontoX [28] - звычайны тэкст, дамп - не, так Напаўаўтаматычны - так, не - OBIE - экзэмпляры, значэнні ўласцівасцяў тыпу дадзеных - эўрыстычныя метады - прапрыетарныя, даменныя і незалежныя ад мовы
OpenCalais - звычайны тэкст, HTML, XML - дамп, не, так, аўтаматычна, так, так, не, SA - анатацыя да юрыдычных асоб, анатацыя да падзей , анатацыя да фактаў - NLP, машыннае навучанне - RDF - незалежны ад даменаў: англійская, французская, іспанскі: PoolParty Extractor [29] - просты тэкст, HTML, DOC, ODT
сметнік, не, так, аўтаматычны, так, так, так, так, OBIE - названыя сутнасці, паняцці, адносіны, паняцці, якія класіфікуюць тэкст, узбагачэнне - NLP, машыннае навучанне , статыстычныя метады
RDF, OWL - даменна-незалежны - англійская, нямецкая, іспанская, французская
Rosoka [30] - просты тэкст, HTML, XML, SGML, PDF, MS Office
сметнік - Так, так - Аўтаматычны - не, так - IE, названы ent ities, адносіны, атрыбуты, паняцці
NLP - XML, JSON, RDF, іншыя - некалькі даменаў - Шматмоўны 230 - SCOOBIE - просты тэкст, HTML - дамп - не
так, аўтаматычны, ні адзін, не, OBIE - экзэмпляры, значэнні ўласцівасці, тыпы RDFS ў NLP, машыннае навучанне ў RDF, RDFa - незалежна ад дамена
англійская, нямецкая мова: SemTag [31] [32] - HTML - дамп, не - так, аўтаматычна, так, так, няма, SA
машыннае навучанне - запіс базы дадзеных - незалежны ад даменаў - незалежны ад мовы - разумны выпраўленне - просты тэкст, HTML, PDF, DOC, электронная пошта - дамп - так
не - аўтаматычны, не - так, так - OBIE - названыя суполкі - NLP, машыннае навучанне - патэнтаванае, незалежнае ад даменаў - англійская, нямецкая, французская, галандская, польская мова - Text2Onto [33] - звычайны тэкст, HTML, PDF - дамп - так, не - паўаўтаматычны так - так, так - OL
паняцці, іерархія паняццяў, нетаксанамічныя адносіны, асобнікі, аксіёмы - НЛП, статыстычныя метады, машыннае навучанне, метады, заснаваныя на правілах - OWL - незалежны ад дамена,

Нямецкая, іспанская: Text-To-Onto [34] - звычайны тэкст, HTML, PDF, PostScript - дамп, паўаўтаматычны - так, так - OL
Паняцці, іерархія паняццяў, нетаксанамічныя адносіны, лексічныя суб'екты, якія адносяцца да паняццяў, лексічныя суб'екты, якія адносяцца да адносін: НЛП, машыннае навучанне, кластараванне, статыстычныя метады
Нямецкая
ThatNeedle | Звычайны тэкст - дамп Аўтаматычны
без канцэпцый, адносін, іерархіі - НЛП, патэнтаваны ў JSON - некалькі даменаў - на англійскай
Машына Вікі [35] - просты тэкст, HTML, PDF, DOC - дамп, не - так, аўтаматычна, так, так, так, SA - анатацыя да ўласных назоўнікаў, анатацыя да агульных назоўнікаў - машыннае навучанне
RDFa - дамена незалежнага: англійская, нямецкая, іспанская, французская, партугальская, італьянская, руская
ThingFinder [36]
IE
назва сутнасці, адносіны, падзеі
шматмоўная.
Выяўленне ведаў
Адкрыццё ведаў апісвае працэс аўтаматычнага пошуку вялікіх аб'ёмаў дадзеных для шаблонаў, якія можна лічыць ведамі e пра дадзеныя [37] Гэта часта апісваецца як атрыманне ведаў з уваходных дадзеных Адкрыццё ведаў, распрацаванае з вобласці здабычы дадзеных, і цесна звязана з ім як з пункту гледжання метадалогіі і тэрміналогіі [38]. Невядомая галіна здабычы дадзеных - гэта адкрыццё ведаў, вядомае таксама як адкрыццё ведаў у базах дадзеных KDD Гэтак жа, як і многія іншыя формы выяўлення ведаў, ён стварае абстракцыі ўваходных дадзеных. Веды, атрыманыя ў працэсе, могуць стаць дадатковымі дадзенымі, якія могуць быць выкарыстаны для далейшага выкарыстання. і адкрыццё Часта вынікі адкрыцця ведаў не дзейнічаюць, адкрыццё практычных ведаў, таксама вядомы як дамен, які кіруецца даменамі [39], накіраваны на выяўленне і прадастаўленне спраўных ведаў і ўяўленняў. Яшчэ адно перспектыўнае прымяненне пошуку ведаў знаходзіцца ў вобласці мадэрнізацыя праграмнага забеспячэння, выяўленне слабасці і захаванне, якое прадугледжвае разуменне існуючых артэфактаў праграмнага забеспячэння. Гэты працэс звязаны з канцэпцыяй зваротнага рухавіка ering Звычайна веды, атрыманыя з наяўнага праграмнага забеспячэння, прадстаўляюцца ў выглядзе мадэляў, да якіх пры неабходнасці могуць быць зроблены пэўныя запыты. Сувязь суб'екта - гэта часты фармат прадстаўлення ведаў, атрыманых з наяўнага праграмнага забеспячэння. Група кіравання OMG OMG распрацавана спецыфікацыяй метададзелі знанняў Discovery KDM, якая вызначае анталогія для актываў праграмнага забеспячэння і іх сувязяў з мэтай выяўлення ведаў па існуючым кодзе Выяўленне ведаў з існуючых праграмных сістэм, таксама вядомых як майнінг праграмнага забеспячэння, цесна звязана з здабычай дадзеных, паколькі існуючыя артэфакты праграмнага забеспячэння ўтрымліваюць велізарнае значэнне для кіравання рызыкамі і бізнесу. значэнне, ключавое для ацэнкі і эвалюцыі праграмных сістэм. Замест майнинга асобных набораў дадзеных праграмнае забеспячэнне сканцэнтравана на метададзеных, такіх як тэхналагічныя патокі, напрыклад, патокі дадзеных, патокі кіравання і ўзмацняльнікі; Карты выклікаў, архітэктура, схемы баз дадзеных і правілы / тэрміны / працэс бізнесу
Уваходныя дадзеныя
Базы дадзеных
Рэляцыйныя дадзеныя
База дадзеных
Склад дакументаў - Склад дадзеных
Праграмнае забеспячэнне
Зыходны код - Файлы канфігурацыі - Скрыпты зборкі - Тэкст - Канцэпцыя майнинга - Графікі - Майнинг малекул - Паслядоўнасці - Майнінг патоку дадзеных - Навучанне з розных часовых патокаў дадзеных пад паняццем дрэйфу: Web: Форматы выходных дадзеных - Мадэль дадзеных - Метададзеныя
Метададэлі
Анталогія - Прадстаўніцтва ведаў - Тэгі ведаў - Правілы бізнесу - Метададэлія KDM - Пазначэнне мадэлявання бізнес-працэсаў BPMN - Прамежкавае прадстаўніцтва - Апісанне рэсурсаў Framework RDF - Метрыкі праграмнага забеспячэння - Глядзіце таксама
Аналіз кластараў - Археалогія дадзеных - Літаратура - ^ RDB2RDF Рабочая група, вэб-сайт: http: // wwww3org / 2001 / sw / rdb2rdf /, статут: http: // wwww3org / 2009/08 / rdb2rdf-charter, R2RML: RDB to RDF Мова адлюстравання: http: // wwww3org / TR / r2rml /
^ LOD2 EU Дастаўкі 311 Экстракты ведаў ад структурыраваных крыніц http: // staticlod2eu / Вынікі / 311pdf
^ "Жыццё ў воблаку злучаных дадзеных" wwwopencalaiscom Атрымана 2009-11-10 У Вікіпедыі ёсць двайнік з назвай DBpedia: DBpedia мае тую ж структураваную інфармацыю, што і Вікіпедыя - але перакладзены ў машыначытальны фармат
^ ab Цім Бернерс-Лі 1998, "Рэляцыйныя базы дадзеных у семантычнай сетцы", атрымана: 20 лютага 2011 г., ^ Ху і інш 2007, "Выяўленне простых адлюстраванняў паміж рэляцыйнай базай дадзеных Схемы і онтологіі ", у Proc 6-й Міжнароднай семантычнай вэб-канферэнцыі ISWC 2007, 2-й азіяцкай семантычнай вэб-канферэнцыі ASWC 2007, LNCS 4825, старонкі 225-238, Пусан, Карэя, 11-15 лістапада 2007 г. http: // citeseerxistpsuedu / viewdoc / downloaddoi = 1011976934 & amp; rep = rep1 & amp; type = pdf
^ R Ghawi and N Cullot 2007, "Генерацыя генератарных картаграфічных картаграфій для семантычнай сумяшчальнасці" На трэцім міжнародным семінары па інтэраперабельнасці баз дадзеных InterDB 2007 http: // le2icnrsfr / IMG / публікацыі / InterDB07-Ghawi pdf
^ Лі і інш 2005, "Метад набыцця паўаўтаматычнай анталогіі для семантычнай сеткі", WAIM, том 3739, Нататкі да лекцыі па інфарматыцы, старонка 209-220 Springer doi: 101007 / 11563952_19
^ Tirmizi et al 2008, "Пераклад SQL-прыкладанняў у семантычную Інтэрнэт", Нататкі да лекцыі па камп'ютэрных навуках, Том 5181/2008 Дадатак да баз дадзеных і экспертных сістэм http: // citeseeristpsuedu / viewdoc / download; jsessionid = 15E8AB2A37BD06DAE59255A1AC3095F0doi = 10111403169 & amp; pdf
^ Farid Cerbah 2008 "Навучанне высока структураваным семантычным сховішчам з рэляцыйных баз даных", The Semantic Web: Research and Applications, том 5021 Нататкі да лекцый па камп'ютэрных навуках, Springer, Берлін / Heidelberg http: // wwwtao-projecteu / resources / публікацыі / cerbah-learning-visoko-структураваныя-семантычныя-сховішчы-з-рэляцыйныя базы дадзеныхpdf
^ ab Wimalasuriya, Daya C; Dou, Dejing 2010 "Здабыча інфармацыі, заснаванай на анталогіі: уводзіны і агляд сучасных падыходаў", Journal of Information Science, 363, p 306 - 323, http: // ixcsuoregonedu / ~ dou / research / papers / jis09pdf, атрымана: 18062012
^ Cunningham, Hamish 2005 "Выдаленне інфармацыі, аўтамат", Энцыклапедыя мовы і лінгвістыкі, 2, p 665 - 677, http: // gateacuk / sale / ell2 / ie / mainpdf, атрымана: 18062012
^ Erdmann, М; Макед, Аляксандр; Шнур, Н-П; Staab, Steffen 2000 "Ад кіраўніцтва да паўаўтаматычнай семантычнай анатацыі: Аб інструментах анатацыі тэкстаў на аснове онталогіі", Працы COLING, http: // wwwidaliuse / ext / epa / cis / 2001/002 / paperpdf, атрымана: 18062012
^ Рао, Дэліп; Макнамі, Пол; Dredze, Mark 2011 "Entity Linking: Finding Extracted Entities in a Knowledge Base", Multi-source, Multi-lingual Information Extraction and Summarization, http://wwwcsjhuedu/~delip/entity-linkingpdf retrieved: 18062012
^ Rocket Software, Inc 2012 "technology for extracting intelligence from text", http://wwwrocketsoftwarecom/products/aerotext retrieved: 18062012
^ Orchestr8 2012: "AlchemyAPI Overview", http://wwwalchemyapicom/api retrieved: 18062012
^ The University of Sheffield 2011 "ANNIE: a Nearly-New Information Extraction System", http://gateacuk/sale/tao/splitch6html#chap:annie retrieved: 18062012
^ ILP Network of Excellence "ASIUM LRI", http://www-aiijssi/~ilpnet2/systems/asiumhtml retrieved: 18062012
^ Attensity 2012 "Exhaustive Extraction", http://wwwattensitycom/products/technology/semantic-server/exhaustive-extraction/ retrieved: 18062012
^ Mendes, Pablo N; Jakob, Max; Garcia-Sílva, Andrés; Bizer; Christian 2011 "DBpedia Spotlight: Shedding Light on the Web of Documents", Proceedings of the 7th International Conference on Semantic Systems, p 1 - 8, http://wwwwiwissfu-berlinde/en/institute/pwo/bizer/research/publications/Mendes-Jakob-GarciaSilva-Bizer-DBpediaSpotlight-ISEM2011pdf retrieved: 18062012
^ Cite error: The named reference entityclassifier was invoked but never defined see the help page
^ Balakrishna, Mithun; Moldovan, Dan 2013 "Automatic Building of Semantically Rich Domain Models from Unstructured Data", Proceedings of the Twenty-Sixth International Florida Artificial Intelligence Research Society Conference FLAIRS, p 22 - 27, http://wwwaaaiorg/ocs/indexphp/FLAIRS/FLAIRS13/paper/view/5909/6036 retrieved: 11082014
^ 2 Moldovan, Dan; Blanco, Eduardo 2012 "Polaris: Lymba's Semantic Parser", Proceedings of the Eight International Conference on Language Resources and Evaluation LREC, p 66 - 72, http://wwwlrec-conforg/proceedings/lrec2012/pdf/176_Paperpdf retrieved: 11082014
^ Adrian, Benjamin; Maus, Heiko; Dengel, Andreas 2009 "iDocument: Using Ontologies for Extracting Information from Text", http://wwwdfkiuni-klde/~maus/dok/AdrianMausDengel09pdf retrieved: 18062012
^ SRA International, Inc 2012 "NetOwl Extractor", http://wwwsracom/netowl/entity-extraction/ retrieved: 18062012
^ Fortuna, Blaz; Grobelnik, Marko; Mladenic, Dunja 2007 "OntoGen: Semi-automatic Ontology Editor", Proceedings of the 2007 conference on Human interface, Part 2, p 309 - 318, http://analyticsijssi/~blazf/papers/OntoGen2_HCII2007pdf retrieved: 18062012
^ Missikoff, Michele; Navigli, Roberto; Velardi, Paola 2002 "Integrated Approach to Web Ontology Learning and Engineering", Computer, 3511, p 60 - 63, http://wwwusersdiuniroma1it/~velardi/IEEE_Cpdf retrieved: 18062012
^ McDowell, Luke K; Cafarella, Michael 2006 "Ontology-driven Information Extraction with OntoSyphon", Proceedings of the 5th international conference on The Semantic Web, p 428 - 444, http://turingcswashingtonedu/papers/iswc2006McDowell-finalpdf retrieved: 18062012
^ Yildiz, Burcu; Miksch, Silvia 2007 "ontoX - A Method for Ontology-Driven Information Extraction", Proceedings of the 2007 international conference on Computational science and its applications, 3, p 660 - 673, http://publiktuwienacat/files/pub-inf_4769pdf retrieved: 18062012
^ semanticweborg 2011 "PoolParty Extractor", http://semanticweborg/wiki/PoolParty_Extractor retrieved: 18062012
^ IMT Holdings, Corp 2013 "Rosoka", http://wwwrosokacom/content/capabilities retrieved: 08082013
^ Dill, Stephen; Eiron, Nadav; Gibson, David; Gruhl, Daniel; Guha, R; Jhingran, Anant; Kanungo, Tapas; Rajagopalan, Sridhar; Tomkins, Andrew; Tomlin, John A; Zien, Jason Y 2003 "SemTag and Seeker: Bootstraping the Semantic Web via Automated Semantic Annotation", Proceedings of the 12th international conference on World Wide Web, p 178 - 186, http://www2003org/cdrom/papers/refereed/p831/p831-dillhtml retrieved: 18062012
^ Uren, Victoria; Cimiano, Philipp; Iria, José; Handschuh, Siegfried; Vargas-Vera, Maria; Motta, Enrico; Ciravegna, Fabio 2006 "Semantic annotation for knowledge management: Requirements and a survey of the state of the art", Web Semantics: Science, Services and Agents on the World Wide Web, 41, p 14 - 28, http://staffwwwdcsshefacuk/people/JIria/iria_jws06pdf, retrieved: 18062012
^ Cimiano, Philipp; Völker, Johanna 2005 "Text2Onto - A Framework for Ontology Learning and Data-Driven Change Discovery", Proceedings of the 10th International Conference of Applications of Natural Language to Information Systems, 3513, p 227 - 238, http://wwwcimianode/Publications/2005/nldb05/nldb05pdf retrieved: 18062012
^ Maedche, Alexander; Volz, Raphael 2001 "The Ontology Extraction & Maintenance Framework Text-To-Onto", Proceedings of the IEEE International Conference on Data Mining, http://userscsccalpolyedu/~fkurfess/Events/DM-KM-01/Volzpdf retrieved: 18062012
^ Machine Linking "We connect to the Linked Open Data cloud", http://thewikimachinefbkeu/html/indexhtml retrieved: 18062012
^ Inxight Federal Systems 2008 "Inxight ThingFinder and ThingFinder Professional", http://inxightfedsyscom/products/sdks/tf/ retrieved: 18062012
^ Frawley William F et al 1992, "Knowledge Discovery in Databases: An Overview", AI Magazine Vol 13, No 3, 57-70 online full version: http://wwwaaaiorg/ojs/indexphp/aimagazine/article/viewArticle/1011
^ Fayyad U et al 1996, "From Data Mining to Knowledge Discovery in Databases", AI Magazine Vol 17, No 3, 37-54 online full version: http://wwwaaaiorg/ojs/indexphp/aimagazine/article/viewArticle/1230
^ Cao, L 2010 "Domain driven data mining: challenges and prospects" IEEE Trans on Kn owledge and Data Engineering 22 6: 755–769 doi:101109/tkde201032 
v
e
Semantic Web
Background
Databases
Hypertext
Internet
Ontologies
Semantic networks
World Wide Web
Sub-topics
Data Web
Dataspaces
Hyperdata
Linked data
Rule-based systems
Applications
Semantic analytics
Semantic broker
Semantic computing
Semantic mapper
Semantic matching
Semantic publishing
Semantic reasoner
Semantic search
Semantic service-oriented architecture
Semantic wiki
Related topics
Collective intelligence
Description logic
Folksonomy
Geotagging
Information architecture
Knowledge extraction
Knowledge management
Knowledge representation
Library 20
Metadata
Mind mapping
ODBC
References
Topic Maps
Web 20
Web engineering
Web Science Trust
Standards
Syntax and supporting technologies
HTTP
IRI
URI
RDF
triples
RDF/XML
JSON-LD
Turtle
Notation3
N-Tr iples
TriX no W3C standard
RRID
SPARQL
XML
Schemas, ontologies and rules
Common logic
OWL
RDFS
Rule Interchange Format
Semantic Web Rule Language
ALPS
Semantic annotation
eRDF
GRDDL
Microdata
Microformats
RDFa
SAWSDL
Facebook Platform
Common vocabularies
DOAP
Dublin Core
FOAF
hAtom
hCalendar
hCard
hProduct
hRecipe
hResume
hReview
SIOC
SKOS
v
e
Computable knowledge
Topics and
concepts
Alphabet of human thought
Authority control
Automated reasoning
Commonsense knowledge
Commonsense reasoning
Computability
Formal system
Inference engine
Knowledge base
Knowledge-based systems
Knowledge engineering
Knowledge extraction
Knowledge representation
Knowledge retrieval
Library classification
Logic programming
Ontology
Personal knowledge base
Question answering
Semantic reasoner
Proposals and
implementations
Zairja
Ar s Magna 1300
An Essay towards a Real Character and a Philosophical Language 1688
Calculus ratiocinator & Characteristica universalis 1700
Dewey Decimal Classification 1876
Begriffsschrift 1879
Mundaneum 1910
Logical atomism 1918
Tractatus Logico-Philosophicus 1921
Hilbert's program 1920s
Incompleteness theorem 1931
World Brain 1938
Memex 1945
General Problem Solver 1959
Prolog 1972
Cyc 1984
Semantic Web 2001
Evi 2007
Wolfram Alpha 2009
Watson 2011
Siri 2011
Knowledge Graph 2012
Wikidata 2012
Cortana 2014
Viv 2016
In fiction
The Engine Gulliver's Travels, 1726
Joe "A Logic Named Joe", 1946
The Librarian Snow Crash, 1992
Dr Know AI Artificial Intelligence, 2001
Waterhouse The Baroque Cycle, 2003
See also: Logic machines in fiction and List of fictional computers


Knowledge extraction

Random Posts

B♭ (musical note)

B♭ (musical note)

B♭ B-flat; also called si bémol is the eleventh step of the Western chromatic scale starting from C ...
Fourth dimension in art

Fourth dimension in art

New possibilities opened up by the concept of four-dimensional space and difficulties involved in tr...
Holt Renfrew

Holt Renfrew

Holt, Renfrew & Co, Limited, commonly known as Holt Renfrew or Holt's,1 is a chain of high-end C...
Later Silla

Later Silla

Later Silla 668–935, Hangul: 후신라; Hanja: 後新羅; RR: Hushila, Korean pronunciation: ...