Semantische KI (semki)

Inhalte

Knowledge Graphs

• Linked Open Data (LOD), Linked Open Goverment Data (LOGD)
• Abfragesprachen für Semantische Knowledge Graphs wie insbes. SPARQL u.A.

Ontologien

• Grundlagen der Aussagen- und Prädikatenlogik
• Ontology Engineering mit RDF(S) und SKOS (optional: OWL 2 RL)
• RDF(S) inferencing, Inferencing über SKOS
• (optional: OWL 2 RL/RDF rules)

Information Retrieval (IR) from Text

• Parsen von Text mit Bibliotheken wie NLTK, SpaCy, gensim
• Textähnlichkeit, Text-Clustering, Text-Klassifikation, Semantische Inhaltserschließung

Schnittstellen zwischen Semantic Web und Machine Learning

Kompetenzen

Die TN können

• verschiedene LOD-Quellen und Knowlede Graphs abfragen, zusammenführen, RDF(S) oder OWL 2 RL/RDF rules Inferencing ausführen, und das Ergebnis wieder als Knowlede Graph oder nachfolgenden Machine-Leraning Schritten zur Verfügung stellen.
• mit geeigneten Tools Wissen als RDF(S), SKOS und OWL 2 RL-Ontologie modellieren
• einen Korpus von Texten mit NLP-Tools parsen und auf Textähnlichkeit hin untersuchen

Sprachkompetenz:

• Entwicklung unter Python

Veranstaltungsformen

Prüfungsform: Portfolio-Prüfung zu folgenden Veranstaltungs-Elementen:

• Grundlagen: 2 SWS Wissenserwerb (Klausur 60 Min)
• Vertiefung: 2 SWS Seminar (schriftlich ausgearbeitete Präsentation, ca 2k Wörter)
• Anwendung: 2 SWS Projektarbeit (Studienarbeit in Form eines Jupyter Notebooks)

Medien

Die Theorie zu diesen Inhalten deckt sich im Wesentlichen mit

• Winfried Gödert, Jessica Hubrich und Matthias Nagelschmidt: Semantic Knowledge Representation for Information Retrieval. De Gruyter Saur 2014. DOI: https://bibaccess.fh-landshut.de:2188/10.1515/9783110329704

Ergänzende (Buch-) Literatur:

• Valentina Janev, Damien Graux, Hajira Jabeen, Emanuel Sallinger: Knowledge Graphs and Big Data Processing. Springer 2020 https://bibaccess.fh-landshut.de:3081/book/10.1007%2F978-3-030-53199-7
• Weiss, Sholom M.: Fundamentals of Predictive Text Mining. Springer 2nd ed. 2015 https://bibaccess.fh-landshut.de:3081/book/10.1007%2F978-1-4471-6750-1

Online-Literatur wird semesteraktuell in der Veranstaltung ergänzt.

Die Veranstaltung beruht auf einem virtuellen Data Science Laboratory http://jbusse.de/dsci-lab/ , das den Studierenden unter VirtualBox als virtuelle Xubuntu-Maschine zur Verfügung gestellt wird.