2007
Imprecise Empirical Ontology Refinement: Application to Taxonomy Acquisition
NOVÁČEK, VítZákladní údaje
Originální název
Imprecise Empirical Ontology Refinement: Application to Taxonomy Acquisition
Název česky
Neurcite Empiricke Tribeni Ontologii
Autoři
NOVÁČEK, Vít (203 Česká republika, garant, domácí)
Vydání
Portugal, Proceedings of ICEIS 2007, vol. Artificial Intelligence and Decision Support Systems, od s. 31-38, 8 s. 2007
Nakladatel
INSTICC
Další údaje
Jazyk
angličtina
Typ výsledku
Stať ve sborníku
Obor
10201 Computer sciences, information science, bioinformatics
Stát vydavatele
Česká republika
Utajení
není předmětem státního či obchodního tajemství
Kód RIV
RIV/00216224:14330/07:00040314
Organizační jednotka
Fakulta informatiky
ISBN
978-972-8865-89-4
Klíčová slova anglicky
ontology engineering; ontology learning; taxonomy acquisiton; uncertainty
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 26. 4. 2011 21:04, doc. Mgr. Bc. Vít Nováček, PhD
V originále
The significance of uncertainty representation has become obvious in the Semantic Web community recently. This paper presents new results of our research on uncertainty incorporation into ontologies created automatically by means of Human Language Technologies. The research is related to OLE (Ontology LEarning)\footnote{The project's web page can be found at URL: \url{http://nlp.fi.muni.cz/projects/ole/}.} -- a project aimed at bottom-up generation and merging of ontologies. It utilises a proposal of expressive fuzzy knowledge representation framework called {\sf ANUIC} (Adaptive Net of Universally Interrelated Concepts). We discuss our recent achievements in taxonomy acquisition and show how even simple application of the principles of {\sf ANUIC} can improve the results of initial knowledge extraction methods.
Česky
Clanek se zabyva predstaveni modelu pro reprezentaci neurcite znalosti a extrakci taxonomii z volneho textu.
Návaznosti
| 1ET100300419, projekt VaV |
|