Daniel Ramos da Silva, Artur Ziviani e Fabio Porto

Aprendizado de Máquina aplicado a Grafos de Conhecimento

Abstract

The increasing production and availability of massive and heterogeneous data bring forward challenging opportunities. Among them, the development of computing systems capable of learning, reasoning, and inferring facts based on prior knowledge is an important task. In this scenario, knowledge bases are valuable assets for the knowledge representation and automated reasoning of diverse application domains. Especially, inference tasks on knowledge graphs (knowledge bases’ graphical representations) are increasingly important in academia and industry. In this short course, we introduce machine learning methods and techniques employed in knowledge graph inference tasks as well as discuss the technical and scientific challenges and opportunities associated with those tasks.

Resumo

Com o anúncio do Google Knowledge Graph em 2012, o interesse de academia e indústria se voltou de maneira significativa para grafos de conhecimento. Desde então, essa classe de grafos tem se tornado tópico recorrente em diversos cenários de aplicação, muito em virtude de seu potencial tanto na integração de coleções de dados heterogêneas e de larga escala, quanto na representação de conhecimento para sistemas inteligentes. Contudo, desafios tecnológicos e científicos são intrínsecos a tarefas relacionadas a grafos de conhecimento, como sua construção e inferência. Em especial, cada vez mais, esses desafios são enfrentados por meio abordagens baseadas em Aprendizado de Máquina. Nesse contexto, este minicurso apresenta uma introdução aos métodos e técnicas de Aprendizado de Máquina empregadas atualmente em tarefas associadas a grafos de conhecimento, assim como, discute suas oportunidades de pesquisa e desenvolvimento.