Graph comparison
Documents semantic representations built from open Knowledge Graphs (KGs) have proven to be beneficial in tasks such as recommendation, user profiling, and document retrieval. Broadly speaking, a semantic representation of a document can be defined as a graph whose nodes represent concepts and whose...
- Autores:
-
Cueto Ramírez, Felipe
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2018
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- eng
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/40301
- Acceso en línea:
- http://hdl.handle.net/1992/40301
- Palabra clave:
- Algoritmos de grafos
Administración del conocimiento
Datos enlazados
Ingeniería
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/4.0/
id |
UNIANDES2_d5df6a6842245ea571f08b1ac2559fd9 |
---|---|
oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/40301 |
network_acronym_str |
UNIANDES2 |
network_name_str |
Séneca: repositorio Uniandes |
repository_id_str |
|
dc.title.es_CO.fl_str_mv |
Graph comparison |
title |
Graph comparison |
spellingShingle |
Graph comparison Algoritmos de grafos Administración del conocimiento Datos enlazados Ingeniería |
title_short |
Graph comparison |
title_full |
Graph comparison |
title_fullStr |
Graph comparison |
title_full_unstemmed |
Graph comparison |
title_sort |
Graph comparison |
dc.creator.fl_str_mv |
Cueto Ramírez, Felipe |
dc.contributor.advisor.none.fl_str_mv |
Mariño Drews, Olga Manrique Piramanrique, Rubén Francisco |
dc.contributor.author.none.fl_str_mv |
Cueto Ramírez, Felipe |
dc.contributor.jury.none.fl_str_mv |
Cardozo Álvarez, Nicolás |
dc.subject.keyword.es_CO.fl_str_mv |
Algoritmos de grafos Administración del conocimiento Datos enlazados |
topic |
Algoritmos de grafos Administración del conocimiento Datos enlazados Ingeniería |
dc.subject.themes.none.fl_str_mv |
Ingeniería |
description |
Documents semantic representations built from open Knowledge Graphs (KGs) have proven to be beneficial in tasks such as recommendation, user profiling, and document retrieval. Broadly speaking, a semantic representation of a document can be defined as a graph whose nodes represent concepts and whose edges represent semantic relationships between them. Fine-grained information about the concepts found in the KGs (e.g. DBpedia, YAGO, BabelNet) can be exploited to enrich and refine the representation. Although this kind of semantic representation is a graph, most applications that compare semantic representations reduce this graph to a "flattened" concept-weight representation and use existing well-known vector similarity measures. As a consequence, relevant information related to the graph structure is not exploited. In this project, different graph-based similarity measures are adapted to semantic representation graphs and are implemented and evaluated. Experiments performed on two data sets reveal better results when using our graph similarity measures than when using vector similarity measures. This report presents the conceptual background, the adapted measures, their development, implementation, and evaluation, and ends with some conclusions |
publishDate |
2018 |
dc.date.issued.none.fl_str_mv |
2018 |
dc.date.accessioned.none.fl_str_mv |
2020-06-10T17:03:58Z |
dc.date.available.none.fl_str_mv |
2020-06-10T17:03:58Z |
dc.type.spa.fl_str_mv |
Trabajo de grado - Pregrado |
dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
dc.type.content.spa.fl_str_mv |
Text |
dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
format |
http://purl.org/coar/resource_type/c_7a1f |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/40301 |
dc.identifier.pdf.none.fl_str_mv |
u808149.pdf |
dc.identifier.instname.spa.fl_str_mv |
instname:Universidad de los Andes |
dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Séneca |
dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
url |
http://hdl.handle.net/1992/40301 |
identifier_str_mv |
u808149.pdf instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
dc.language.iso.es_CO.fl_str_mv |
eng |
language |
eng |
dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.extent.es_CO.fl_str_mv |
35 hojas |
dc.format.mimetype.es_CO.fl_str_mv |
application/pdf |
dc.publisher.es_CO.fl_str_mv |
Uniandes |
dc.publisher.program.es_CO.fl_str_mv |
Ingeniería de Sistemas y Computación |
dc.publisher.faculty.es_CO.fl_str_mv |
Facultad de Ingeniería |
dc.publisher.department.es_CO.fl_str_mv |
Departamento de Ingeniería de Sistemas y Computación |
dc.source.es_CO.fl_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca |
instname_str |
Universidad de los Andes |
institution |
Universidad de los Andes |
reponame_str |
Repositorio Institucional Séneca |
collection |
Repositorio Institucional Séneca |
bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/5ff050ce-8d3e-46e9-b233-d95722f686ce/download https://repositorio.uniandes.edu.co/bitstreams/5eeb3934-d725-4ada-8977-2acae2efc380/download https://repositorio.uniandes.edu.co/bitstreams/f437461a-243d-474d-843b-0d786cc00495/download |
bitstream.checksum.fl_str_mv |
ea982f153da9fac1cd99508b4bb537b9 dd06995c3e3f4ba56874f912fcf51fdd 0e38e308dfca50cf7af317b143680d54 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio institucional Séneca |
repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
_version_ |
1812134009370574848 |
spelling |
Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Mariño Drews, Olgavirtual::13200-1Manrique Piramanrique, Rubén Franciscovirtual::13201-1Cueto Ramírez, Felipe61e0b4b5-e371-4b74-9692-5cd6d57d899f400Cardozo Álvarez, Nicolás2020-06-10T17:03:58Z2020-06-10T17:03:58Z2018http://hdl.handle.net/1992/40301u808149.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/Documents semantic representations built from open Knowledge Graphs (KGs) have proven to be beneficial in tasks such as recommendation, user profiling, and document retrieval. Broadly speaking, a semantic representation of a document can be defined as a graph whose nodes represent concepts and whose edges represent semantic relationships between them. Fine-grained information about the concepts found in the KGs (e.g. DBpedia, YAGO, BabelNet) can be exploited to enrich and refine the representation. Although this kind of semantic representation is a graph, most applications that compare semantic representations reduce this graph to a "flattened" concept-weight representation and use existing well-known vector similarity measures. As a consequence, relevant information related to the graph structure is not exploited. In this project, different graph-based similarity measures are adapted to semantic representation graphs and are implemented and evaluated. Experiments performed on two data sets reveal better results when using our graph similarity measures than when using vector similarity measures. This report presents the conceptual background, the adapted measures, their development, implementation, and evaluation, and ends with some conclusionsLa representación semántica de documentos construidos a partir de grafos de conocimiento (Knowledge graphs) ha probado ser una herramienta útil para tareas de recomendación, perfilación de usuarios, y extracción de documentos. En términos generales, la representación semántica de un documento puede ser definido con un grafo donde los nodos representan conceptos, y los ejes representan una relación semántica entre ellos. Información detallada sobre conceptos encontrados en grafos de conocimientos (DBpedia, YAGO, BabelNet) pueden ser aprovechados para enriquecer y refinar la representación. Aunque este tipo de representación semántica es un grafo, la mayoría de las aplicaciones que comparan representación semantica reducen la estructura de datos a una versión "aplanada" de conceptos y pesos y utilizan medidas de similitud de vectores conocidas. Como consecuencia, mucha información relevante sobre la estructura del grafo no se aprovecha. En este proyecto, diferentes medidas de similitud de grafos son adaptadas a grafos de representación semántica, son implementados, y son evaluados. Los experimentos realizados sobre 2 bases de datos revelan mejores resultados utilizando nuestras medidas comparado con los resultados obtenidos con medidas de similitud de vectores. Este reporte habla del marco teórico, las medidas adaptadas, su desarrollo, su implementación, su evaluación, y nuestras conclusionesIngeniero de Sistemas y ComputaciónPregrado35 hojasapplication/pdfengUniandesIngeniería de Sistemas y ComputaciónFacultad de IngenieríaDepartamento de Ingeniería de Sistemas y Computacióninstname:Universidad de los Andesreponame:Repositorio Institucional SénecaGraph comparisonTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TPAlgoritmos de grafosAdministración del conocimientoDatos enlazadosIngenieríaPublicatione7ce8418-ddbe-41a3-abbf-c91ab61fb265virtual::13200-19f6e12e0-098e-4548-ab81-75552e8385e7virtual::13201-1e7ce8418-ddbe-41a3-abbf-c91ab61fb265virtual::13200-19f6e12e0-098e-4548-ab81-75552e8385e7virtual::13201-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000051608virtual::13200-1THUMBNAILu808149.pdf.jpgu808149.pdf.jpgIM Thumbnailimage/jpeg3970https://repositorio.uniandes.edu.co/bitstreams/5ff050ce-8d3e-46e9-b233-d95722f686ce/downloadea982f153da9fac1cd99508b4bb537b9MD55TEXTu808149.pdf.txtu808149.pdf.txtExtracted texttext/plain50687https://repositorio.uniandes.edu.co/bitstreams/5eeb3934-d725-4ada-8977-2acae2efc380/downloaddd06995c3e3f4ba56874f912fcf51fddMD54ORIGINALu808149.pdfapplication/pdf202670https://repositorio.uniandes.edu.co/bitstreams/f437461a-243d-474d-843b-0d786cc00495/download0e38e308dfca50cf7af317b143680d54MD511992/40301oai:repositorio.uniandes.edu.co:1992/403012024-03-13 14:52:45.366http://creativecommons.org/licenses/by-nc-nd/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co |