Servicio de creación, gestión y utilización de modelos predictivos basados en grafos de conocimiento

Fernández Rico, Víctor (2017). Servicio de creación, gestión y utilización de modelos predictivos basados en grafos de conocimiento. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S. de Ingenieros Informáticos (UPM), Madrid, España.

Descripción

Título: Servicio de creación, gestión y utilización de modelos predictivos basados en grafos de conocimiento
Autor/es:
  • Fernández Rico, Víctor
Director/es:
  • Corcho, Óscar
Tipo de Documento: Proyecto Fin de Carrera/Grado
Grado: Grado en Ingeniería Informática
Fecha: Junio 2017
Materias:
Palabras Clave Informales: Grafos de conocimiento; Embeddings; Web Semántica; Modelos de factores latentes; Aprendizaje automático; Servicio web; API REST; Knowledge Graph; Semantic Web; Latent factor models; Machine learning; Web service; REST API.
Escuela: E.T.S. de Ingenieros Informáticos (UPM)
Departamento: Inteligencia Artificial
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (566kB) | Vista Previa

Resumen

Con el auge de las bases de conocimiento colaborativas como Wikidata o DBPedia, se hace necesario crear modelos que sean capaces de explotar la información que almacenan de forma rápida y eficiente. Pese al gran tamaño y complejidad que tienen, es posible representar las entidades y relaciones presentes en estas bases de conocimiento con modelos de factores latentes. Estos modelos de factores latentes permiten codificar de una manera compacta las interacciones y propiedades del grafo de conocimiento y por tanto reducen en varios órdenes de magnitud el tamaño de esta estructura de datos en memoria. Dado que estas bases de conocimiento están pensadas para ser comprendidas tanto por seres humanos como por sistemas automatizados, es frecuente que estén expresadas utilizando estándares que siguen la filosofía de la web semántica. En este trabajo se expondrá la solución creada, KGE-Server, que permite aplicar las técnicas de aprendizaje automático basadas en modelos de factores latentes sobre grafos de conocimiento creados automáticamente a partir de bases de conocimiento colaborativas, utilizando las herramientas que proporcionan los estándares de la web semántica. Esto permite generar modelos predictivos para encontrar similitud entre entidades o predecir la relación entre dos entidades. Dicha solución está orientada a ser fácil de utilizar y de desplegar en un entorno real. Provee una API REST, que habilita a cualquier dispositivo capaz de realizar una petición HTTP utilizar dichos modelos predictivos, y ha sido construido de forma modular utilizando contenedores Docker, facilitando la labor de puesta en funcionamiento.---ABSTRACT---In the last years, with the groing collaborative knowledge datasets like Wikidata or DBPedia, it is necessary to create artificial intelligence models in order to take advantage of the information stored in a fast and efficient way. Although this knowledge datasets are complex and really big, it is possible to represent the entities and relationships stored with latent factor models. Those models allows us to code in a compact way the interactions and properties present on the knowledge graph, and therefore the size this graph occupies in memory is reduced on several magnitude orders. Due to those knowledge datasets are created to be used by both human and autonomous systems, they are usually represented using standards from the SemanticWeb philosophy. In this work I will show the created solution, called KGE-Server, which allows to apply all machine learning techiques based on latent factor models over knowledge graphs automatically created from collaborative knowledge datasets using the tools that SemanticWeb standards provides. On the end, we can create predictive models in order to find entity similarity or predict links between entities. This solution is also oriented to be easy to use and easy to deploy on a real environment. It provides a REST API which allows any device able to build HTTP requests to use those predictive models, and it has been constructed in a modular way using Docker containers, easing the deployment labour.

Más información

ID de Registro: 47160
Identificador DC: http://oa.upm.es/47160/
Identificador OAI: oai:oa.upm.es:47160
Depositado por: Biblioteca Facultad de Informatica
Depositado el: 11 Jul 2017 08:08
Ultima Modificación: 11 Jul 2017 08:10
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM