Zināšanu grafu fragmentu izgūšana

Abstract

Maģistra darbā izstrādātas un salīdzinātas metodes un rīki saturīgu fragmentu iegūšanai no zināšanu grafu shēmām. Zināšanu grafi un to shēmas bieži vien ir pārāk apjomīgas, lai tās varētu vizualizēt vai efektīvi apstrādāt. Šādos gadījumos ir lietderīgi iegūt mazāku shēmas daļu, kas satur tieši ar interesējošo tematu saistīto informāciju. Darba ietvaros realizēti 4 algoritmi, kas ļauj iegūt ar lietotāja norādītajām klasēm saistītus shēmas fragmentus. Izstrādātā fragmentu iegūšanas funkcionalitāte ir gan integrēta ViziQuer rīkā, gan arī pieejama kā neatkarīga programma, kas shēmu fragmentus iegūst no zināšanu grafa datiem, kas pieejami caur SPARQL piekļuves punktu.

The master's thesis presents and compares methods and tools for extracting meaningful fragments from knowledge graph schemas. Knowledge graphs and their schemas are often too large to be fully visualized or efficiently processed. In such cases, it is useful to extract a smaller portion of the schema that contains information specifically related to the topic of interest. The thesis introduces four algorithms that enable the extraction of schema fragments related to user-specified classes. The implemented functionality is available both as an integrated part of the ViziQuer tool and as a standalone script that retrieves schema fragments from knowledge graph data via a SPARQL endpoint.