facetas
Tipo de contenido

Recursos > Bases de datos semánticas

    sortFiltrar Ordenar
    42 resultados

    Artículo

    /

    Publicado el 1.8.2018 por Equipo GNOSS

    YAGO es una gran base de conocimiento semántico, derivada de Wikipedia, WordNet, WikiData, GeoNames y otras fuentes de datos. Actualmente, YAGO identifica más de 17 millones de entidades (como personas, organizaciones, ciudades, etc.) y contiene más de 150 millones de datos sobre estas entidades.

    YAGO tiene una serie de propiedades de interés:

    •     La precisión de YAGO se ha evaluado manualmente, lo que demuestra una precisión confirmada del 95% (*). Cada relación está anotada con su valor de confianza.
    •     YAGO combina la taxonomía limpia de WordNet con la riqueza del sistema de categorías de Wikipedia, asignando las entidades a más de 350,000 clases.
    •     YAGO está anclado en el tiempo y el espacio. YAGO concede una dimensión temporal y una dimensión espacial a muchos de sus hechos y entidades.
    •     Además de la taxonomía, YAGO tiene dominios temáticos como "música" o "ciencia" de WordNet Domains.
    •     YAGO extrae y combina entidades y hechos de 10 Wikipedias en diferentes idiomas.

    YAGO se desarrolla conjuntamente en el grupo DBWeb en la Universidad Télécom ParisTech, el grupo de Bases de Datos y Sistemas de Información en el Instituto Max Planck de Informática y Ambiverse.

    https://en.wikipedia.org/wiki/YAGO_(database)

    https://github.com/yago-naga/yago3

     

    ...

    Página Web

    /

    Publicado el 29.10.2015 por Ricardo Alonso Maturana

    Choosing Between Graph Databases and RDF Engines for Consuming and Mining Linked Data (Universidad Simon Bolívar, Caracas, Venezuela)

    Abstract.

    Graphs naturally represent Linked Data and implementations of graph-based tasks are required not only for data consumption, but also for mining patterns among links. Despite efficient graph-based algorithms and engines have been implemented, there is no clear understanding of how these solutions may behave on Linked Data

    ...

    Página Web

    /

    Publicado el 29.10.2015 por Ricardo Alonso Maturana

    The Graph Database and the RDF Database

    In a twist that has inevitable written all over it, the database industry has at last begun to take heed of the power of consumerization. The once mighty RDBMS is now obliged to make room for an emerging and increasingly important partner in the data center: the graph database. Twitter’s doing it, Facebook’s doing it, even online dating sites are doing it; what they are doing is tracing relationship graphs. After all, social is social, and ultimately it’s all about relationships.

    ...

    Página Web

    /

    Publicado el 29.10.2015 por Ricardo Alonso Maturana

    What is the difference between triplestores and graph databases? - Stack Overflow

    There are triplestores (semantic databases), and there are general-purpose graph databases.

    Both are based on the similar concepts of linking one "item" to another via a relationship. Triplestores support RDF and are queried by SPARQL, but such add-ons can be (and are) implemented ontop of general-purpose graph databases as well.

    What is the fundamental difference that would make you prefer a semantic db / triplestore to a general purpose graph database like neo4j?

    ...

    Página Web

    /

    Publicado el 29.10.2015 por Ricardo Alonso Maturana

    What are the differences between a Graph database and a Triple store? (by Matt Allen in Quora)

    Graph Databases vs. RDF Triple Stores
    To summarize, both graph databases and triple stores are designed to store linked data. RDF is a specific kind of linked data that is queried using SPARQL, so it is fair to say that RDF triple stores are a kind of graph database. But, there are some subtle but important differences that are described below.
    How They Are Similar
    ·       Graph databases and rdf triple stores focus on the relationships between the data, often referred to as “linked data.” Data points are called nodes, and the relationship between one data point and another is called an edge.
    ·       A web of nodes and edges can be put together into interesting visualizations—a defining characteristic of graph databases.
    How They Are Different
    ·       Graph databases are more versatile with query languages:  Neo4J can run an RDF triple store and use SPARQL but generally focuses on its own proprietary language, Cypher. Other graph databases support G, GraphLog, GOOD, SoSQL, BiQL, SNQL, and more. RDF triple stores only use SPARQL as the query language.
    ·       Graph databases can store various types of graphs, including undirected graphs, weighted graphs, hypergraphs, etc. RDF triple stores focus solely on storing rows of RDF triples.
    ·       Graph databases are node, or property, centric whereas RDF triple stores are edge-centric. RDF triple stores are really just a list of graph edges, many of which are 'properties'  of a node and not critical to the graph structure itself.
    ·       Graph databases are better optimized for graph traversals (degrees of separation or shortest path algorithms). With RDF triple stores, the cost of traversing an edge tends to be logarithmic.
    ·       RDF triple stores also provide inferences on data but graph databases do not (e.g., if humans are a subclass of mammals and man is a subclass of humans, then it can be inferred that man is a subclass of mammals).
    ·       RDF triple stores are more synonymous with the “semantic web” and the standardized universe of knowledge being stored as RDF triples on DBpedia and other sources whereas graph databases are seen as more pragmatic rather than academic.

    ...

    Presentación

    /

    Publicado el 29.10.2015 por Ricardo Alonso Maturana

    A comparison of two graph data models - RDF and Property Graphs.

    ...

    Etiquetas:

    Página Web

    /

    Publicado el 29.4.2015 por Equipo GNOSS

    Triple Stores vs Relational Databases

    Interesante reflexión sobre las diferencias entre bases de datos basadas en tripletas y bases de datos relacionales.

    ...

    Página Web

    /

    Publicado el 8.8.2014 por Equipo GNOSS

    Big Structure: At The Nexus of Knowledge Bases, the Semantic Web and Artificial Intelligence

    En este post Mike Bergman,  CEO of Structured Dynamics LLC nos habla de la evolución de las bases de datos en los últimos años. En especial señala como ha influido la web semántica en su evolución.

    ...

    Vídeo

    /

    Publicado el 5.10.2012 por Equipo GNOSS

    Big Data y base de datos semántica

    Ante el problema por el volumen y la complejidad de la información en la Web, ¿qué hacer? Javier Solís, Gerente de Desarrollo de Nuevos Productos y Servicios de INFOTEC, respondió a esto en SG Conference+Expo 2012 de la revista Software Gurú que se llevó a cabo en junio del 2012 en la Ciudad de México.

    ...

    Página Web

    /

    Publicado el 11.7.2012 por Equipo GNOSS

    Knowledge Management in Health Care Using Semantic Web Technology

    Este post explica como el uso de bases de datos semánticas facilita la estructuración y consulta de información sobre medicamentos y salud.

    ...