This paper reconstructs the Freebase data dumps to understand the underlying ontology behind Google's semantic search feature. The Freebase knowledge base was a major Semantic Web and linked data technology that was acquired by Google in 2010 to support the Google Knowledge Graph, the backend for Google search results that include structured answers to queries instead of a series of links to external resources. After its shutdown in 2016, Freebase is contained in a data dump of 1.9 billion Resource Description Format (RDF) triples. A recomposition of the Freebase ontology will be analyzed in relation to concepts and insights from the literature on classification by Bowker and Star. This paper will explore how the Freebase ontology is shaped by many of the forces that also shape classification systems through a deep dive into the ontology and a small correlational study. These findings will provide a glimpse into the proprietary blackbox Knowledge Graph and what is meant by Google's mission to "organize the world's information and make it universally accessible and useful".


翻译:本文重建了Freebase数据堆放, 以了解Google的语义搜索功能背后的基本本体学。 Freebase知识库是Google2010年为支持Google知识图而获得的主要语义网络和链接数据技术,这是谷歌搜索结果的后端,其中包括对查询的结构性回答,而不是与外部资源的一系列链接。在2016年关闭后, Freebase包含在19亿资源描述格式(RDF)的三重数据堆放中。 Freebase知识库的重新组合将结合Bowker和Star分类文献的概念和洞察力进行分析。 本文将探讨Freebase肿瘤学是如何由许多力量形成的,这些力量也通过深入潜入本体和小型相关研究来塑造分类系统。 这些发现将为专有的黑盒知识图提供一览, 以及谷歌的使命意味着“ 组织世界信息并使其普遍获得和有用 ” 。

6
下载
关闭预览

相关内容

FreeBASIC,BASIC语言界的黑马 学习过QuickBASIC的用户就可以上手的BASIC语言, 完全免费开源,能够产生高品质的机械码,跨平台,
FreeBASIC如同他的名字一样,免费而且基於已建立的BASIC语法,
易学易用是他的优点,但是不光是简单而已,功能十分强大。
几乎支援所有QB的原指令,且有许多追加功能
产生快速高品质的机械码,不依靠VM等虚拟机器
完全免费,包含原始码,编译出的程式无授权问题
支援MS-DOS/Win32/Linux多平台,也可以编译GUI程序
拥有众多第三方函式库支援(Allegro/SDL..以及DirectX/Win32API)
Unicode支援,使用中文十分容易
编译EXE/OBJ/LIB/DLL都很容易,以便和其他语言应用
zh.wikipedia.org/wiki/F
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
Github项目推荐 | 知识图谱文献集合
AI研习社
26+阅读 · 2019年4月12日
【荟萃】知识图谱论文与笔记
专知
71+阅读 · 2019年3月25日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
【推荐】深度学习目标检测全面综述
机器学习研究会
21+阅读 · 2017年9月13日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Arxiv
102+阅读 · 2020年3月4日
Arxiv
11+阅读 · 2018年9月28日
Arxiv
6+阅读 · 2016年1月15日
VIP会员
相关VIP内容
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
相关资讯
Github项目推荐 | 知识图谱文献集合
AI研习社
26+阅读 · 2019年4月12日
【荟萃】知识图谱论文与笔记
专知
71+阅读 · 2019年3月25日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
【推荐】深度学习目标检测全面综述
机器学习研究会
21+阅读 · 2017年9月13日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
相关论文
Top
微信扫码咨询专知VIP会员