MPŠ
MPŠ MP&Scaron MP&Scaron MP&Scaron Avtorji

Mednarodna
podiplomska šola
Jožefa Stefana

Jamova 39
SI-1000 Ljubljana
Slovenija

Tel: (01) 477 31 00
Faks: (01) 477 31 10
E-pošta: info@mps.si

Išči

Opis predmeta

Tehnologije semantičnega spleta

Programi:

Informacijske in komunikacijske tehnologije, 2. stopnja

Sodelavci:

prof. dr. Dunja Mladenić

Cilji:

Osnovni cilj predmeta je usposobiti študenta, da bo znal uporabiti teoretične osnove s področja tehnologij semantičnega spleta in analize spletnih podatkov, ki jih pridobi pri tem predmetu za reševanje praktičnih problemov s tega področja. Uvodoma so predstavljene osnovne tehnologije, standardi in predstavitev podatkov. Posebno pozornost posvetimo ontologijam, definiciji, gradnji, evalvaciji in evoluciji le teh. V drugem delu so predstavljene napredne tehnologije semntičnega spleta s poudarkom na uporabi metod strojnega učenja in odkrivanja zakonitosti v podatkih za potrebe semantičnega spleta. Predstavimo tehnike za analizo spletnih podaktov s poudarkom na vlogi ontologij in semanitčnega spleta.

Vsebina:

1) Osnove tehnologij semantičnega spleta Standardne predstavitve podatkov. Definicija ontologije pri semantičnem spletu. Primer ontologije – Cyc.

2) Tehnike gradnje in analize ontologij
Vizualizacija podatkov; (pol)avtomatska gradnja ontologij; evalvacija ontologij. Napovedovanje strukturnih sprememb pri evoluciji ontologij.

3) Analiza spletnih podatkov
Predstavitev podatkov. Tehnike za analizo vsebine, strukture in dostopov do spletnih podatkov. Gradnja ontologij iz spletnih podatkov.

Temeljna literatura in viri:

• DAVIES, J., STUDER, Rudi, WARREN, Paul (eds.) Semantic Web Technologies: Trends and Research in Ontology-based Systems. Chichester: John Wiley & Sons, 2006.
• Antoniou, Grigoris, van Harmelen Frank. A Semantic Web Primer (Cooperative Information Systems), MIT Press, Cambridge, MA, 2005.
• Berendt, B., Hotho, A., Mladenić, D., Someren, M.W. Van, Stumme, G., (eds.), Web Mining : From Web to Semantic Web, Lecture notes in artificial inteligence, Lecture notes in computer science, vol. 3209, Berlin; Heidelberg; New York: Springer, 2004.
• Berendt, B., Semeraro, G., Hotho, A., Mladenić, D. (eds.), From Web to Social Web: Discovering and deploying user and content profiles. WebMine 2006. Lecture notes in artificial inteligence, Lecture notes in computer science, Berlin; Heidelberg; New York: Springer, 2007.

Dodatna literatura

• Manning, C.D., Schutze, H. (2001). Foundations of Statistical Natural Language Processing, The MIT Press, Cambridge, MA.
• Mitchell, T.M. (1997). Machine Learning. The McGraw-Hill Companies, Inc.
• Hastie, T., Tibshirani, R. and Friedman, J. H. (2001). The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer Series in Statistics, Springer Verlag.

Izbrane reference nosilca:

• NOVALIJA, Inna, MLADENIĆ, Dunja. Applying semantic technology to business news analysis. Applied artificial intelligence, ISSN 0883-9514, 2013, vol. 27, no. 6, str. 520-550, doi: 10.1080/08839514.2013.805600.
• MORARU, Alexandra, MLADENIĆ, Dunja. A framework for semantic enrichment of sensor data. V: LUŽAR - STIFFLER, Vesna (ur.), JAREC, Iva (ur.), BEKIĆ, Zoran (ur.). Proceedings of the ITI 2012, (CIT = Jounal of computing and information technology, ISSN 1330-1136). Zagreb: University of Zagreb: University Computing Centre, cop. 2012, vol. 20, no. 3, str. 167-173, doi: 10.2498/cit.1002093.
• GROBELNIK, Marko, MLADENIĆ, Dunja, FORTUNA, Blaž. Semantic technology for capturing communication inside an organisation. IEEE internet computing, ISSN 1089-7801, 2009, vol. 13, no. 4, str. 59-66. [COBISS.SI-ID 22843175]
• TOMAŠEV, Nenad, BUZA, Krisztian, MLADENIĆ, Dunja. Correcting the hub occurrence prediction bias in many dimensions. Computer science and information systems, ISSN 1820-0214. [Print ed.], 2016, vol. 13, no. 1, str. 1-21, doi: 10.2298/CSIS140929039T.
• KARLOVČEC, Mario, MLADENIĆ, Dunja, GROBELNIK, Marko, JERMOL, Mitja. Conceptualization of science using collaboration and competences. Electronic library, ISSN 0264-0473, 2016, vol. 34, no. 1, str. 2-23, doi: 10.1108/EL-01-2014-0015.

Načini preverjanja znanja:

Seminar in ustni izpit (100%)

Obveznosti študentov:

Seminar in ustni izpit

Zunanje povezave: