SlideShare uma empresa Scribd logo
Ontologias e sua
utilização em aplicações
semânticas
Monday, April 14, 14
globo
.com
Renan Oliveira
renanoliveira.net
Monday, April 14, 14
Web
- suas gerações -
Monday, April 14, 14
Documentos
“A internet atual é baseada em documentos”
Tim Berners-Lee
Monday, April 14, 14
Evolução
Monday, April 14, 14
Web atual
‣ Apresentação dos conteúdos
‣ Formatação, não significado (HTML)
‣ Pouco ou nenhuma estruturação
Monday, April 14, 14
Multimídia
‣ Vários elementos na página
‣ Fotos, vídeos e animações
‣ Qual a relação entre eles?
‣ Quem é mencionado no texto?
‣ Quem, Quando, Onde...
Monday, April 14, 14
HTML
Monday, April 14, 14
Dados
- como organizar? -
Monday, April 14, 14
Google
60 Trilhõesde páginas indexadas no Google.
- Google Fev/2014
Monday, April 14, 14
Falta de Organização
Monday, April 14, 14
Crawler
Monday, April 14, 14
Busca por: Romário
‣ Quem é?
‣ Qual Romário?
‣ Atleta, deputado ou empresário?
Monday, April 14, 14
Busca por: Romário
Monday, April 14, 14
Busca por: Romário
Monday, April 14, 14
Busca por: Gol do Roberto Carlos
no Maracanã
‣ Quem é?
‣ Qual Roberto Carlos?
‣ O que é Gol?
Monday, April 14, 14
Busca
Monday, April 14, 14
Busca
Monday, April 14, 14
Web Semântica
- gerando informação -
Monday, April 14, 14
Web Semântica
“Interliga significados de palavras e, neste âmbito, tem
como finalidade conseguir atribuir um significado
(sentido) aos conteúdos publicados na Internet de modo
que seja perceptível tanto pelo humano como pelo
computador.”
Wikipedia
Monday, April 14, 14
Sintaxe ≠ Semântica
‣ Sintaxe é como você diz algo
‣ Semântica é o que algo significa
Monday, April 14, 14
Sintaxe ≠ Semântica
Monday, April 14, 14
“Sonho”
“I have a dream for the web in which computers
become capable of analyzing all the data on the web -
the content, links, and transactions between people and
computers.”
Tim Berners-Lee
Monday, April 14, 14
Objetivos
‣ Organizar o conteúdo
‣ Distribuir o conteúdo
Monday, April 14, 14
Globo.com
‣ Esportes, Jornalismo, Entretenimento,Tecnologia, etc..
‣ + 2 mil novas matérias por dia
‣ + 15 milhões de usuarios diferentes todo dia
Monday, April 14, 14
Quem usa?
Monday, April 14, 14
Monday, April 14, 14
Globo.com
Monday, April 14, 14
Monday, April 14, 14
CMS
Monday, April 14, 14
Monday, April 14, 14
Monday, April 14, 14
Monday, April 14, 14
Monday, April 14, 14
globo
esporte
.com
Monday, April 14, 14
globo
esporte
.com
Monday, April 14, 14
globo
esporte
.com
Monday, April 14, 14
globo
esporte
.com
Monday, April 14, 14
globo
esporte
.com
Monday, April 14, 14
globo
esporte
.com
Monday, April 14, 14
Monday, April 14, 14
Monday, April 14, 14
Monday, April 14, 14
Monday, April 14, 14
Monday, April 14, 14
Monday, April 14, 14
Números
‣ 98% das matérias do GE e EGO são
anotadas
‣ + 8 MIL páginas de tópico
Monday, April 14, 14
Facebook
Monday, April 14, 14
OpenGraph
‣ Grafo de ações dos usuários
‣ Vocabulário definido
‣ Meta dados no HTML
‣ Inspirado no Dublin Core, RDFa, link-rel canonical
Monday, April 14, 14
OpenGraph - HTML
Monday, April 14, 14
OpenGraph - NewsFeed
Monday, April 14, 14
OpenGraph - Debug
Monday, April 14, 14
Google
Monday, April 14, 14
Iniciativas
‣ Compra do Freebase
‣ Knowledge Graph
‣ Schema.org
Monday, April 14, 14
Freebase
‣ + 43 milhões de tópicos em RDF
‣ Grande comunidade (gestora)
‣ Uso livre
Monday, April 14, 14
Knowledge Graph
‣ Dados da CIA Factbook, Freebase e Wikipedia
‣ Em 7 línguas, incluindo o português
Monday, April 14, 14
Knowledge Graph
Monday, April 14, 14
Knowledge Graph
Monday, April 14, 14
Schema.org
‣ Vocabulário
‣ Metadados no HTML
‣ Recomendo o uso
Monday, April 14, 14
NYT
Monday, April 14, 14
Ações
‣ Anotação e indexação do conteúdo baseado em
indivíduos
‣ Ontologia pública
‣ Interligação com repositórios de dados externos
‣ Usando schema.org e opengraph
Monday, April 14, 14
Monday, April 14, 14
Monday, April 14, 14
Monday, April 14, 14
Monday, April 14, 14
Resultados
‣ Geração automatizada de tópicos
‣ Exibição estruturada dos dados em ambientes externos
Monday, April 14, 14
BBC
Monday, April 14, 14
Ações
‣ Ontologias públicas
‣ Inteligação com repositórios de dados externos
‣ Criação de categorias e agregadores úteis
‣ Grande embaixador da Web Semântica
Monday, April 14, 14
Ontologias públicas e os domínios
Monday, April 14, 14
Histórias
Monday, April 14, 14
Resultados
‣ Potencialização do SEO
‣ Reuso das informações
‣ Navegação interligada e escalável
Monday, April 14, 14
Best Buy
Monday, April 14, 14
Ações
‣ Uso da ontologia GoodRelations (usado no Schema.org)
‣ Adição de metadados com RDFa
Monday, April 14, 14
GoodRelations
Monday, April 14, 14
Monday, April 14, 14
Resultados
‣ + 30% em tráfego de motores de busca
‣ +15% em taxas de cliques noYahoo!
‣ Aumento significativo no Google PageRank
Monday, April 14, 14
Ontologias
- modelo de dados -
Monday, April 14, 14
Definição
“Uma ontologia é um modelo de dados que representa
um conjunto de conceitos dentro de um domínio e os
relacionamentos entre eles”
Wikipedia
Monday, April 14, 14
Protégé
Monday, April 14, 14
Redes Semânticas
‣ OWL e Orientação a objetos
‣ Primeiro formalismo de IA - Anos 70
‣ Gênese das linguagens de programação
‣ UML representam redes semânticas
Monday, April 14, 14
Redes Semânticas
Monday, April 14, 14
Redes Semânticas
‣ Nós representam entidades e links (predicados)
‣ Relações
‣ a-kind-of
‣ is-a
‣ has-a
‣ part-of
Monday, April 14, 14
Conhecimento Único
‣ Menor risco de duplicidade dos dados
‣ Simplificação do uso e da manutenção dos dados
‣ Agilidade na recuperação dos dados
Monday, April 14, 14
Construção
‣ Identificar os indivíduos (exemplares)
‣ Descrever seus atributos
‣ Agrupar os indivíduos em classes (conceitos)
‣ Enumerar as relações entre indivíduos
‣ Definir regras sobre atributos e relações
Monday, April 14, 14
Desenvolvimento
Determinar
domínio e espcopo
Considerar reuso
de ontologias
Enumerar termos
importantes
Definir classes e
hierarquias
Definir
propriedades de
classes
Definir restrições
de propriedades
Criar instâncias da
ontologia
Ontology Development 101
Monday, April 14, 14
OWL
‣ Web Ontology Language
‣ Formaliza um domínio de conhecimento
‣ Define indivíduos (instâncias)
‣ Infere informações de um DataSet
Monday, April 14, 14
RDF
‣ Resource description framework
‣ Modelo baseado em triplas
‣ Você já usou RDF: RSS
‣ Padrão W3C
‣ É muito próximo a como escrevemos uma frase
Monday, April 14, 14
Triplas/RDF
Sujeito
Predicado
Objeto
Monday, April 14, 14
Triplas
sujeito predicado objeto
Neymar é um jogador
Barcelona é um time
Neymar está no elenco Barcelona
Monday, April 14, 14
<Neymar>
RDF
<Barcelona> <Santos>
<Jogador> <Time>
<BarcelonaXSantos:02082013><Partida>
é umé umé um está no
elenco
é uma
mandante visitante
<Camp Nou>
local
“02/08/2013”
data
Monday, April 14, 14
Turtle/N3
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>.
@prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#>.
@prefix foaf: <http://xmlns.com/foaf/0.1/>.
@prefix dbpedia: <http://dbpedia.org/ontology>
<http://semantica.globo.com/Pessoa/Neymar>
rdfs:label "Neymar";
foaf:name "Neymar da Silva Santos Júnior";
dbpedia:birthDate "05/02/1992";
rdf:type dbpedia:SoccerPlayer.
Monday, April 14, 14
DBPedia
‣ Dados extraídos da Wikipedia
‣ Com uma grande comunidade
Monday, April 14, 14
DBPedia
Monday, April 14, 14
DBPedia
:Neymar :nacionalidade :brasileiro
@prefix dbpedia: <http://dbpedia.org/resource>
dbpedia:Neymar dbpedia:birthPlace dbpedia:Brazil .
Monday, April 14, 14
DBPedia
Pessoas 763 mil
Lugares 572 mil
Organizações 192 mil
Outros
+2.240
milhões
DBPedia em Inglês - Março/2014
Monday, April 14, 14
Linked Data
‣ Use URI para descrever coisas (things)
‣ Use HTTP URIs para pessoas e computadores
‣ Forneça informações úteis, usando padrões RDF
‣ Inclua links para outras coisas relacionadas
Tim Berners-Lee
Monday, April 14, 14
Linked Data
‣ Use URI para descrever coisas (things)
‣ Use HTTP URIs para pessoas e computadores
‣ Forneça informações úteis, usando padrões RDF, SPARQL
‣ Inclua links para outras coisas relacionadas
Tim Berners-Lee
Monday, April 14, 14
Linked Open Data
Monday, April 14, 14
LOD
‣ Uso geral
‣ DBPedia
‣ FreeBase
‣ Domínios específicos
‣ GeoNames
‣ MusicBrainz
‣ Sites com autoridades sobre o domínio
Monday, April 14, 14
Classes - owl:Class
‣ Conceito mais básico em um domínio
‣ Todo indivíduo pertence a classe owl:Thing
‣ Toda classe é subclasse de owl:Thing
Monday, April 14, 14
db:Athlete rdf:type owl:Class
@prefix db: <http://dbpedia.org/ontology/> .
@prefix owl: <http://www.w3.org/2002/07/owl#> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
db:Athlete rdf:type owl:Class .
Classes - owl:Class
Monday, April 14, 14
db:Athlete rdf:type owl:Class
@prefix db: <http://dbpedia.org/ontology/> .
@prefix owl: <http://www.w3.org/2002/07/owl#> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
db:Athlete a owl:Class .
Classes - owl:Class
Monday, April 14, 14
Propriedades
‣ É a mágica!
‣ É como “linkamos” as coisas
‣ Pode unir URIs ou “dados”
‣ Elas tem rdfs:domain e rdfs:range
Monday, April 14, 14
Object Property
‣ Liga uma URI a outra
‣ Seja um indivíduo, uma classe ou outra propriedade
Monday, April 14, 14
db:nationalteam rdf:type owl:ObjectProperty
@prefix db: <http://dbpedia.org/ontology/> .
@prefix owl: <http://www.w3.org/2002/07/owl#> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
db:nationalteam a owl:ObjectProperty .
Object Property
Monday, April 14, 14
DataType Property
‣ Liga uma URI a um dado
‣ O dado pode ser um label, uma data, uma hora, etc.
Monday, April 14, 14
Tipos de dados
‣ xsd:string
‣ xsd:decimal
‣ xsd:long
‣ xsd:boolean
‣ xsd:float
‣ xsd:int
‣ xsd:double
‣ xsd:short
‣ xsd:byte
‣ xsd:nonNegativeInteger
‣ xsd:nonPositiveInteger
‣ xsd:negativeInteger
‣ xsd: positiveInteger
etc...
Monday, April 14, 14
db:height rdf:type owl:DatatypeProperty
@prefix db: <http://dbpedia.org/ontology/> .
@prefix owl: <http://www.w3.org/2002/07/owl#> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
db:height a owl:DatatypeProperty .
DataType Property
Monday, April 14, 14
Outros tipos de propriedades
‣ Transitivas, owl:TransitiveProperty
‣ Simétricas, owl:SymmetricProperty
‣ Funcionais, owl:FunctionalProperty
‣ Inversas, owl:InverseOf
Monday, April 14, 14
Se A é igual a B e B é igual a C,
logo A é igual a C.
Transitivas
:Brasil :contem :RJ
:RJ :contem :Rio
Monday, April 14, 14
Transitivas
P(x,y) e P(y,z) logo P(x,z)
:contem a owl:ObjectProperty, owl:TransitiveProperty ;
rdfs:domain :Lugar ;
rdfs:range :Lugar .
Monday, April 14, 14
Simétricas
Se A é igual a B logo B é igual a A.
:Joao :e_amigo :Maria
:Maria :e_amiga :Joao
Monday, April 14, 14
Simétricas
P(x,y) iff P(y,x)
:e_amigo a owl:ObjectProperty, owl:SymmetricProperty ;
rdfs:domain :Human ;
rdfs:range :Human .
Monday, April 14, 14
Namoro monogâmico :)
Namora é uma relação funcional, logo Edson e
Pelé são a mesma pessoa.
Funcionais
:Xuxa :namora :Edson
:Xuxa :namora :Pelé
Monday, April 14, 14
Funcionais
P(x,y) e P(x,z) implica y=z
:namora a owl:ObjectProperty, owl:FunctionalProperty ;
rdfs:domain :Human ;
rdfs:range :Human .
Monday, April 14, 14
Inversas
:e_pai e :e_filho são relações inversas,
consegue navegar nas 2 direções
:Zeca :e_pai :Chico
:Chico :e_filho :Zeca
Monday, April 14, 14
Inversas
P1(x,y) iff P2(y,x)
:e_pai a owl:ObjectProperty;
owl:InverseOf :e_filho .
Monday, April 14, 14
Indivíduos
‣ São as instâncias de uma classe
Monday, April 14, 14
db:Neymar rdf:type db:Athlete
@prefix db: <http://dbpedia.org/ontology/> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
db:Neymar a db:Athlete .
Indivíduos
Monday, April 14, 14
Restrições
‣ Aplicadas ao contexto
‣ allValuesFrom ou someValuesFrom
‣ Cardinalidade
Monday, April 14, 14
<owl:Restriction>
<owl:onProperty rdf:resource="#hasParent" />
<owl:allValuesFrom rdf:resource="#Human" />
</owl:Restriction>
AllValues From
Todos os Pais são instâncias da
classe Humano
Monday, April 14, 14
SomeValues From
<owl:Restriction>
<owl:onProperty rdf:resource="#hasParent" />
<owl:someValuesFrom rdf:resource="#Physician" />
</owl:Restriction>
Para a classe Pai existir deve
existir um valor hasParent(x,y),
onde pelo menos um valor deY
tem que ser instância de
Physician
Monday, April 14, 14
Cardinalidade - Max
<owl:Restriction>
<owl:onProperty rdf:resource="#hasParent" />
<owl:maxCardinality
rdf:datatype="&xsd;nonNegativeInteger">2</
owl:maxCardinality>
</owl:Restriction>
Todos pessoas tem no máximo 2
pais (biológicos)
Monday, April 14, 14
Cardinalidade - Min
<owl:Restriction>
<owl:onProperty rdf:resource="#hasParent" />
<owl:minCardinality
rdf:datatype="&xsd;nonNegativeInteger">1</
owl:minCardinality>
</owl:Restriction>
Todos pessoas tem no mínimo 1
pai (biológico)
Monday, April 14, 14
Equivalência - owl:equivalentClass
‣ 2 ou + classes possuem os mesmo indivíduos
‣ Une ontologias, ótimo meio
Monday, April 14, 14
@prefix glb: <http://www.globo.com/> .
@prefix db: <http://dbpedia.org/ontology/> .
@prefix owl: <http://www.w3.org/2002/07/owl#> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
glb:Atleta owl:equivalentClass db:Athlete .
Equivalência - owl:equivalentClass
glb:Atleta owl:equivalentClasss db:Athlete
Monday, April 14, 14
Classes complexas
‣ Intersecção, owl:intersectioOf
‣ União, owl:unionOf
‣ Complemento, owl:complementOf
‣ Enumeradas, owl:OneOf
‣ Disjuntas, owl:disjointWith
Monday, April 14, 14
Indivíduos iguais - owl:sameAs
‣ Indivíduos são iguais em ontologias diferentes
‣ URIs que representam o mesmo conceito no mundo
real
Monday, April 14, 14
db:Neymar owl:sameAs freebase:Neymar
@prefix db: <http://dbpedia.org/ontology/> .
@prefix owl: <http://www.w3.org/2002/07/owl#> .
@prefix freebase: <http://rdf.freebase.com/ns/> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
db:Neymar owl:sameAs freebase:Neymar .
Indivíduos iguais - owl:sameAs
Monday, April 14, 14
Indivíduos diferentes
‣ Muito usado para definir oposição
‣ Individualmente é usado o owl:differentFrom
‣ Em um conjunto é usado owl:distinctMembers
Monday, April 14, 14
:VinhoSeco owl:differentFrom :VinhoSuave
@prefix owl: <http://www.w3.org/2002/07/owl#> .
:VinhoSeco owl:differentFrom :VinhoSuave .
Indivíduos diferentes
Monday, April 14, 14
<owl:AllDifferent>
        <owl:distinctMembers rdf:parseType="Collection">
            <vin:WineColor rdf:about="#Red" />
            <vin:WineColor rdf:about="#White" />
            <vin:WineColor rdf:about="#Rose" />
        </owl:distinctMembers>
    </owl:AllDifferent>
Membros diferentes
Monday, April 14, 14
Vocabulários
‣ Dublin Core Metadata Initiative (DCMI)
‣ Friend of a Friend (FOAF)
‣ Core Ontology for Multimedia (COMM)
‣ Good Relations (Best Buy)
‣ RNews (Media)
Monday, April 14, 14
SCHEMA.ORG
‣ É uma ontologia simples de usar
‣ Coleção de esquemas, html tags
‣ Muito melhor para o SEO
‣ Cria rich snippets
‣ Aproveita de definições de outras ontologias
‣ Iniciativa: Google, Bing, Yahoo eYandex
Monday, April 14, 14
SCHEMA.ORG - Rich Snippets
Monday, April 14, 14
SCHEMA.ORG
Monday, April 14, 14
Classes
‣ Thing
‣ Action
‣ BroadcastService
‣ Class
‣ CreativeWork
‣ Event
‣ Intangible
‣ MedicalEntity
‣ Organization
‣ Person
‣ Place
‣ Product
‣ Property
+ de 100 tipos/classes
Monday, April 14, 14
SPARQL
- consulta em triplas -
Monday, April 14, 14
SPARQL
‣ Definido pelo W3C
‣ Consulta padrão nos maiores repositórios da WS
‣ Consulta em múltiplas ontologias e repositórios
Monday, April 14, 14
Estrutura da Query
# prefix declarations
PREFIX foo: <http://example.com/resources/> ...
# result clause
SELECT ...
# dataset definition
FROM ...
# query pattern
WHERE { ...
}
# query modifiers
ORDER BY ...
Monday, April 14, 14
Estrutura da Query
‣ Declaração de prefixo: abreviação das URIs
‣ Cláusula de resultado: informações que devem ser
retornadas da consulta
‣ Definição de datasets: grafos RDF que estão sendo
consultados
‣ Padrão da consulta: o que consultar (matching)
‣ Modificadores de query: ordenamento e qualquer
processamento a ser feito nos resultados
Monday, April 14, 14
dbpedia.org/sparql
Monday, April 14, 14
Exemplo de consulta
Selecionar todos os predicados e objetos da classe
dbpedia:SoccerPlayer
PREFIX dbpedia: <http://dbpedia.org/ontology/>
SELECT *
FROM <http://dbpedia.org>
WHERE {
dbpedia:SoccerPlayer ?p ?o
}
LIMIT 100
Monday, April 14, 14
Resultado
Monday, April 14, 14
Exemplo de consulta
Selecionar todos indivíduos do tipo dbpedia:SoccerPlayer e
retornar com os seus nomes
PREFIX dbpedia: <http://dbpedia.org/ontology/>
SELECT ?soccerPlayer ?name
FROM <http://dbpedia.org>
WHERE {
?soccerPlayer rdf:type dbpedia:SoccerPlayer;
rdfs:label ?name.
}
LIMIT 100
Monday, April 14, 14
Resultado
Monday, April 14, 14
Insert
Inserir o tipo globo:Celebridade no globo:Neymar
PREFIX globo: <http://s.globo.com>
INSERT data INTO <http://s.globo.com/> {
globo:Neymar rdf:type globo:Celebridade .
}
Monday, April 14, 14
Delete
Excluir o tipo globo:Celebridade no globo:Neymar
PREFIX globo: <http://s.globo.com>
DELETE from <http://s.globo.com/> {
globo:Neymar rdf:type globo:Celebridade .
} WHERE {
globo:Neymar rdf:type globo:Celebridade .
}
Monday, April 14, 14
Personalização
- machine learning -
Monday, April 14, 14
Recapitulação
‣ Melhor SEO
‣ Conteúdo interligado de forma inteligente
‣ Unificação dos dados
‣ Páginas automatizadas
‣ Categorização e classificação
‣ Long Tail
Monday, April 14, 14
Obrigado!
renanoliveira.net
me@renanoliveira.net
Monday, April 14, 14
Referências
‣ http://www.slideshare.net/sergiocrespo/web-semntica-conceitos-e-tecnologias
‣ http://www.slideshare.net/Yasodara/web-semntica-uma-introduo
‣ http://www.slideshare.net/elymatos/introducao-a-web-semantica-2012439
‣ http://www.slideshare.net/icaromedeiros/schemaorg-html-semntico-front-in-macei-2012
‣ http://www.slideshare.net/icaromedeiros/engenharia-de-ontologias
‣ http://www.slideshare.net/renangpa/introduo-a-web-semntica-e-o-case-da-globocom
‣ http://www.ted.com/talks/tim_berners_lee_on_the_next_web
Monday, April 14, 14

Mais conteúdo relacionado

Mais procurados

Linked Data and Knowledge Graphs -- Constructing and Understanding Knowledge ...
Linked Data and Knowledge Graphs -- Constructing and Understanding Knowledge ...Linked Data and Knowledge Graphs -- Constructing and Understanding Knowledge ...
Linked Data and Knowledge Graphs -- Constructing and Understanding Knowledge ...
Jeff Z. Pan
 
[Causal Inference KR] 스타트업에서의 인과추론
[Causal Inference KR] 스타트업에서의 인과추론[Causal Inference KR] 스타트업에서의 인과추론
[Causal Inference KR] 스타트업에서의 인과추론
Bokyung Choi
 
지식그래프 개념과 활용방안 (Knowledge Graph - Introduction and Use Cases)
지식그래프 개념과 활용방안 (Knowledge Graph - Introduction and Use Cases)지식그래프 개념과 활용방안 (Knowledge Graph - Introduction and Use Cases)
지식그래프 개념과 활용방안 (Knowledge Graph - Introduction and Use Cases)
Myungjin Lee
 
Rdf
RdfRdf
Enterprise Knowledge Graph
Enterprise Knowledge GraphEnterprise Knowledge Graph
Enterprise Knowledge Graph
Lukas Masuch
 
ML Infra for Netflix Recommendations - AI NEXTCon talk
ML Infra for Netflix Recommendations - AI NEXTCon talkML Infra for Netflix Recommendations - AI NEXTCon talk
ML Infra for Netflix Recommendations - AI NEXTCon talk
Faisal Siddiqi
 
A Primer on Entity Resolution
A Primer on Entity ResolutionA Primer on Entity Resolution
A Primer on Entity Resolution
Benjamin Bengfort
 
Managing and Versioning Machine Learning Models in Python
Managing and Versioning Machine Learning Models in PythonManaging and Versioning Machine Learning Models in Python
Managing and Versioning Machine Learning Models in Python
Simon Frid
 
Knowledge Graphs - The Power of Graph-Based Search
Knowledge Graphs - The Power of Graph-Based SearchKnowledge Graphs - The Power of Graph-Based Search
Knowledge Graphs - The Power of Graph-Based Search
Neo4j
 
Power BI Desktop | Power BI Tutorial | Power BI Training | Edureka
Power BI Desktop | Power BI Tutorial | Power BI Training | EdurekaPower BI Desktop | Power BI Tutorial | Power BI Training | Edureka
Power BI Desktop | Power BI Tutorial | Power BI Training | Edureka
Edureka!
 
What to learn during the 21 days Lockdown | Edureka
What to learn during the 21 days Lockdown | EdurekaWhat to learn during the 21 days Lockdown | Edureka
What to learn during the 21 days Lockdown | Edureka
Edureka!
 
Introduction to Knowledge Graphs and Semantic AI
Introduction to Knowledge Graphs and Semantic AIIntroduction to Knowledge Graphs and Semantic AI
Introduction to Knowledge Graphs and Semantic AI
Semantic Web Company
 
Designing and Building a Graph Database Application – Architectural Choices, ...
Designing and Building a Graph Database Application – Architectural Choices, ...Designing and Building a Graph Database Application – Architectural Choices, ...
Designing and Building a Graph Database Application – Architectural Choices, ...
Neo4j
 
Knowledge Graphs as a Pillar to AI
Knowledge Graphs as a Pillar to AIKnowledge Graphs as a Pillar to AI
Knowledge Graphs as a Pillar to AI
Enterprise Knowledge
 
Artwork Personalization at Netflix
Artwork Personalization at NetflixArtwork Personalization at Netflix
Artwork Personalization at Netflix
Justin Basilico
 
Training Week: Create a Knowledge Graph: A Simple ML Approach
Training Week: Create a Knowledge Graph: A Simple ML Approach Training Week: Create a Knowledge Graph: A Simple ML Approach
Training Week: Create a Knowledge Graph: A Simple ML Approach
Neo4j
 
Haystack 2019 - Natural Language Search with Knowledge Graphs - Trey Grainger
Haystack 2019 - Natural Language Search with Knowledge Graphs - Trey GraingerHaystack 2019 - Natural Language Search with Knowledge Graphs - Trey Grainger
Haystack 2019 - Natural Language Search with Knowledge Graphs - Trey Grainger
OpenSource Connections
 
Data mining 2 - Data warehouse (cheat sheet - printable)
Data mining 2 - Data warehouse (cheat sheet - printable)Data mining 2 - Data warehouse (cheat sheet - printable)
Data mining 2 - Data warehouse (cheat sheet - printable)
yesheeka
 
How do OpenAI GPT Models Work - Misconceptions and Tips for Developers
How do OpenAI GPT Models Work - Misconceptions and Tips for DevelopersHow do OpenAI GPT Models Work - Misconceptions and Tips for Developers
How do OpenAI GPT Models Work - Misconceptions and Tips for Developers
Ivo Andreev
 
Talent Search and Recommendation Systems at LinkedIn: Practical Challenges an...
Talent Search and Recommendation Systems at LinkedIn: Practical Challenges an...Talent Search and Recommendation Systems at LinkedIn: Practical Challenges an...
Talent Search and Recommendation Systems at LinkedIn: Practical Challenges an...
Qi Guo
 

Mais procurados (20)

Linked Data and Knowledge Graphs -- Constructing and Understanding Knowledge ...
Linked Data and Knowledge Graphs -- Constructing and Understanding Knowledge ...Linked Data and Knowledge Graphs -- Constructing and Understanding Knowledge ...
Linked Data and Knowledge Graphs -- Constructing and Understanding Knowledge ...
 
[Causal Inference KR] 스타트업에서의 인과추론
[Causal Inference KR] 스타트업에서의 인과추론[Causal Inference KR] 스타트업에서의 인과추론
[Causal Inference KR] 스타트업에서의 인과추론
 
지식그래프 개념과 활용방안 (Knowledge Graph - Introduction and Use Cases)
지식그래프 개념과 활용방안 (Knowledge Graph - Introduction and Use Cases)지식그래프 개념과 활용방안 (Knowledge Graph - Introduction and Use Cases)
지식그래프 개념과 활용방안 (Knowledge Graph - Introduction and Use Cases)
 
Rdf
RdfRdf
Rdf
 
Enterprise Knowledge Graph
Enterprise Knowledge GraphEnterprise Knowledge Graph
Enterprise Knowledge Graph
 
ML Infra for Netflix Recommendations - AI NEXTCon talk
ML Infra for Netflix Recommendations - AI NEXTCon talkML Infra for Netflix Recommendations - AI NEXTCon talk
ML Infra for Netflix Recommendations - AI NEXTCon talk
 
A Primer on Entity Resolution
A Primer on Entity ResolutionA Primer on Entity Resolution
A Primer on Entity Resolution
 
Managing and Versioning Machine Learning Models in Python
Managing and Versioning Machine Learning Models in PythonManaging and Versioning Machine Learning Models in Python
Managing and Versioning Machine Learning Models in Python
 
Knowledge Graphs - The Power of Graph-Based Search
Knowledge Graphs - The Power of Graph-Based SearchKnowledge Graphs - The Power of Graph-Based Search
Knowledge Graphs - The Power of Graph-Based Search
 
Power BI Desktop | Power BI Tutorial | Power BI Training | Edureka
Power BI Desktop | Power BI Tutorial | Power BI Training | EdurekaPower BI Desktop | Power BI Tutorial | Power BI Training | Edureka
Power BI Desktop | Power BI Tutorial | Power BI Training | Edureka
 
What to learn during the 21 days Lockdown | Edureka
What to learn during the 21 days Lockdown | EdurekaWhat to learn during the 21 days Lockdown | Edureka
What to learn during the 21 days Lockdown | Edureka
 
Introduction to Knowledge Graphs and Semantic AI
Introduction to Knowledge Graphs and Semantic AIIntroduction to Knowledge Graphs and Semantic AI
Introduction to Knowledge Graphs and Semantic AI
 
Designing and Building a Graph Database Application – Architectural Choices, ...
Designing and Building a Graph Database Application – Architectural Choices, ...Designing and Building a Graph Database Application – Architectural Choices, ...
Designing and Building a Graph Database Application – Architectural Choices, ...
 
Knowledge Graphs as a Pillar to AI
Knowledge Graphs as a Pillar to AIKnowledge Graphs as a Pillar to AI
Knowledge Graphs as a Pillar to AI
 
Artwork Personalization at Netflix
Artwork Personalization at NetflixArtwork Personalization at Netflix
Artwork Personalization at Netflix
 
Training Week: Create a Knowledge Graph: A Simple ML Approach
Training Week: Create a Knowledge Graph: A Simple ML Approach Training Week: Create a Knowledge Graph: A Simple ML Approach
Training Week: Create a Knowledge Graph: A Simple ML Approach
 
Haystack 2019 - Natural Language Search with Knowledge Graphs - Trey Grainger
Haystack 2019 - Natural Language Search with Knowledge Graphs - Trey GraingerHaystack 2019 - Natural Language Search with Knowledge Graphs - Trey Grainger
Haystack 2019 - Natural Language Search with Knowledge Graphs - Trey Grainger
 
Data mining 2 - Data warehouse (cheat sheet - printable)
Data mining 2 - Data warehouse (cheat sheet - printable)Data mining 2 - Data warehouse (cheat sheet - printable)
Data mining 2 - Data warehouse (cheat sheet - printable)
 
How do OpenAI GPT Models Work - Misconceptions and Tips for Developers
How do OpenAI GPT Models Work - Misconceptions and Tips for DevelopersHow do OpenAI GPT Models Work - Misconceptions and Tips for Developers
How do OpenAI GPT Models Work - Misconceptions and Tips for Developers
 
Talent Search and Recommendation Systems at LinkedIn: Practical Challenges an...
Talent Search and Recommendation Systems at LinkedIn: Practical Challenges an...Talent Search and Recommendation Systems at LinkedIn: Practical Challenges an...
Talent Search and Recommendation Systems at LinkedIn: Practical Challenges an...
 

Mais de Renan Moreira de Oliveira

PicPay - GenAI Finance Assistant - ChatGPT for Customer Service
PicPay - GenAI Finance Assistant - ChatGPT for Customer ServicePicPay - GenAI Finance Assistant - ChatGPT for Customer Service
PicPay - GenAI Finance Assistant - ChatGPT for Customer Service
Renan Moreira de Oliveira
 
AI & Big Data - Personalização da Jornada - PicPay - TDC
AI & Big Data - Personalização da Jornada - PicPay - TDCAI & Big Data - Personalização da Jornada - PicPay - TDC
AI & Big Data - Personalização da Jornada - PicPay - TDC
Renan Moreira de Oliveira
 
AI na jornada do usuário de ecommerce
AI na jornada do usuário de ecommerceAI na jornada do usuário de ecommerce
AI na jornada do usuário de ecommerce
Renan Moreira de Oliveira
 
RecSys 2020 - iFood recommendation
RecSys 2020 - iFood recommendationRecSys 2020 - iFood recommendation
RecSys 2020 - iFood recommendation
Renan Moreira de Oliveira
 
Data science Framework
Data science FrameworkData science Framework
Data science Framework
Renan Moreira de Oliveira
 
iFood Recommendations
iFood RecommendationsiFood Recommendations
iFood Recommendations
Renan Moreira de Oliveira
 
Sistemas de Recomendação
Sistemas de RecomendaçãoSistemas de Recomendação
Sistemas de Recomendação
Renan Moreira de Oliveira
 
What is AB, MVT and MAB?
What is AB, MVT and MAB?What is AB, MVT and MAB?
What is AB, MVT and MAB?
Renan Moreira de Oliveira
 
Dados importam, seja data-driven!
Dados importam, seja data-driven!Dados importam, seja data-driven!
Dados importam, seja data-driven!
Renan Moreira de Oliveira
 
Machine Learning na globo-com
Machine Learning na globo-comMachine Learning na globo-com
Machine Learning na globo-com
Renan Moreira de Oliveira
 
Big Data to Machine Learning
Big Data to Machine LearningBig Data to Machine Learning
Big Data to Machine Learning
Renan Moreira de Oliveira
 
Dev para Engenheiro de Dados (From Dev to Data Engineer)
Dev para Engenheiro de Dados (From Dev to Data Engineer)Dev para Engenheiro de Dados (From Dev to Data Engineer)
Dev para Engenheiro de Dados (From Dev to Data Engineer)
Renan Moreira de Oliveira
 
Big data e globo.com - Uma visão sobre a cultura de dados
Big data e globo.com - Uma visão sobre a cultura de dadosBig data e globo.com - Uma visão sobre a cultura de dados
Big data e globo.com - Uma visão sobre a cultura de dados
Renan Moreira de Oliveira
 
Big data e a globo.com - 2017
Big data e a globo.com - 2017Big data e a globo.com - 2017
Big data e a globo.com - 2017
Renan Moreira de Oliveira
 
Big Data e seu fiel companheiro Spark
Big Data e seu fiel companheiro SparkBig Data e seu fiel companheiro Spark
Big Data e seu fiel companheiro Spark
Renan Moreira de Oliveira
 
Big Data na Globo.com - Dev Version - 2016
Big Data na Globo.com - Dev Version - 2016Big Data na Globo.com - Dev Version - 2016
Big Data na Globo.com - Dev Version - 2016
Renan Moreira de Oliveira
 
Big Data na globo.com
Big Data na globo.comBig Data na globo.com
Big Data na globo.com
Renan Moreira de Oliveira
 
Excelsior - Perfil usando Big Data e Web Semântica
Excelsior - Perfil usando Big Data e Web SemânticaExcelsior - Perfil usando Big Data e Web Semântica
Excelsior - Perfil usando Big Data e Web Semântica
Renan Moreira de Oliveira
 
Transição do desenvolvimento web para apps - o caminho suave
Transição do desenvolvimento web para apps - o caminho suaveTransição do desenvolvimento web para apps - o caminho suave
Transição do desenvolvimento web para apps - o caminho suave
Renan Moreira de Oliveira
 
Introdução a web semântica e o case da globo.com
Introdução a web semântica e o case da globo.comIntrodução a web semântica e o case da globo.com
Introdução a web semântica e o case da globo.com
Renan Moreira de Oliveira
 

Mais de Renan Moreira de Oliveira (20)

PicPay - GenAI Finance Assistant - ChatGPT for Customer Service
PicPay - GenAI Finance Assistant - ChatGPT for Customer ServicePicPay - GenAI Finance Assistant - ChatGPT for Customer Service
PicPay - GenAI Finance Assistant - ChatGPT for Customer Service
 
AI & Big Data - Personalização da Jornada - PicPay - TDC
AI & Big Data - Personalização da Jornada - PicPay - TDCAI & Big Data - Personalização da Jornada - PicPay - TDC
AI & Big Data - Personalização da Jornada - PicPay - TDC
 
AI na jornada do usuário de ecommerce
AI na jornada do usuário de ecommerceAI na jornada do usuário de ecommerce
AI na jornada do usuário de ecommerce
 
RecSys 2020 - iFood recommendation
RecSys 2020 - iFood recommendationRecSys 2020 - iFood recommendation
RecSys 2020 - iFood recommendation
 
Data science Framework
Data science FrameworkData science Framework
Data science Framework
 
iFood Recommendations
iFood RecommendationsiFood Recommendations
iFood Recommendations
 
Sistemas de Recomendação
Sistemas de RecomendaçãoSistemas de Recomendação
Sistemas de Recomendação
 
What is AB, MVT and MAB?
What is AB, MVT and MAB?What is AB, MVT and MAB?
What is AB, MVT and MAB?
 
Dados importam, seja data-driven!
Dados importam, seja data-driven!Dados importam, seja data-driven!
Dados importam, seja data-driven!
 
Machine Learning na globo-com
Machine Learning na globo-comMachine Learning na globo-com
Machine Learning na globo-com
 
Big Data to Machine Learning
Big Data to Machine LearningBig Data to Machine Learning
Big Data to Machine Learning
 
Dev para Engenheiro de Dados (From Dev to Data Engineer)
Dev para Engenheiro de Dados (From Dev to Data Engineer)Dev para Engenheiro de Dados (From Dev to Data Engineer)
Dev para Engenheiro de Dados (From Dev to Data Engineer)
 
Big data e globo.com - Uma visão sobre a cultura de dados
Big data e globo.com - Uma visão sobre a cultura de dadosBig data e globo.com - Uma visão sobre a cultura de dados
Big data e globo.com - Uma visão sobre a cultura de dados
 
Big data e a globo.com - 2017
Big data e a globo.com - 2017Big data e a globo.com - 2017
Big data e a globo.com - 2017
 
Big Data e seu fiel companheiro Spark
Big Data e seu fiel companheiro SparkBig Data e seu fiel companheiro Spark
Big Data e seu fiel companheiro Spark
 
Big Data na Globo.com - Dev Version - 2016
Big Data na Globo.com - Dev Version - 2016Big Data na Globo.com - Dev Version - 2016
Big Data na Globo.com - Dev Version - 2016
 
Big Data na globo.com
Big Data na globo.comBig Data na globo.com
Big Data na globo.com
 
Excelsior - Perfil usando Big Data e Web Semântica
Excelsior - Perfil usando Big Data e Web SemânticaExcelsior - Perfil usando Big Data e Web Semântica
Excelsior - Perfil usando Big Data e Web Semântica
 
Transição do desenvolvimento web para apps - o caminho suave
Transição do desenvolvimento web para apps - o caminho suaveTransição do desenvolvimento web para apps - o caminho suave
Transição do desenvolvimento web para apps - o caminho suave
 
Introdução a web semântica e o case da globo.com
Introdução a web semântica e o case da globo.comIntrodução a web semântica e o case da globo.com
Introdução a web semântica e o case da globo.com
 

Ontologias e sua utilização em aplicações semânticas - UFF - CASI - 2014