作者:彼得·博特(Pieter Bonte)、让·鲍尔·卡尔比蒙特(Jean-Paul Calbimonte)、丹尼尔·德棱(Daniel de Leng)、丹尼尔·阿格利奥(Daniele Dell'Aglio)、伊曼纽尔·德拉·瓦莱(Emanuele Della Valle)、托马斯·艾特(Thomas Eiter)、费德里科·贾尼尼(Federico Giannii)、弗雷德里克·海因茨(Fredrik Heintz)、康斯坦丁·舍科提欣(Konstantin Schekotihin)、丹·
摘要
在过去十年中,人们对应用人工智能技术对数据流进行复杂数据分析的兴趣日益浓厚。为此,各个领域的研究人员每年都会组织一次名为“流推理研讨会”的活动,分享关于这个主题的观点、挑战和经验。在本文中,研讨会的前组织者和其他社区成员总结了前六届会议期间讨论的主要研究成果。这些结果可分为四个主要研究领域:第一个领域涉及与处理大型数据流相关的技术挑战。第二个领域旨在调整现有语义技术并将其扩展到数据流。第三和第四个领域侧重于如何实现推理技术,无论是考虑演绎技术还是归纳技术,以从流中的数据中提取新的有价值的知识。撰写此摘要不仅是为了提供该领域的具体化,而且也是为了指出流推理社区的独特特征。此外,它还通过列举用例和开放挑战列表为未来的研究提供了基础,以激励其他人加入这一令人兴奋的研究领域。
引用为
彼得·博特(Pieter Bonte)、让·鲍尔·卡尔比蒙特(Jean-Paul Calbimonte)、丹尼尔·德棱(Daniel de Leng)、丹尼尔·阿格利奥(Daniele Dell’Aglio)、伊曼纽尔·德拉·瓦莱(Emanuele Della Valle)、托马斯·艾特(Thomas Eiter)、费德里科·贾尼尼(Federico Giannii)、弗雷德里克·海因茨(Fredrik Heintz)、康斯坦丁·舍科提欣(Konstantin Schekotihin)、丹·莱。根基流推理研究。图表数据和知识趋势专题——第2部分。《图形数据与知识汇刊》(TGDK),第2卷,第1期,第2:1-2:47页,达格斯图尔宫-莱布尼兹·泽特鲁姆宫(Leibniz-Zentrum für Informatik)(2024年)
将BibTex复制到剪贴板
@第{bonte_et_al:TGDK.2.1.2条,author={Bonte、Pieter和Calbimonte、Jean-Paul和de Leng、Daniel和Dell'Aglio、Daniele和Della Valle、Emanuele和Eiter、Thomas和Giannii、Federico和Heintz、Fredrik和Schekotihin、Konstantin和Le-Phuoc、Danh和Mileo、Alessandra和Schneider、Patrik和Tommasini、Riccardo和Urbani、Jacopo和Ziffer、Giacomo},title={{基础流推理研究}},journal={图形数据和知识交易},页数={2:1--2:47},ISSN={2942-7517},年份={2024},体积={2},数字={1},publisher={Schloss Dagstuhl--Leibniz Zentrum f{\“u}r Informatik},地址={Dagstuhl,德国},URL={https://drops.dagstuhl.de/entities/document/10.4230/TGDK.2.1.2},URN={URN:nbn:de:0030-drops-198597},doi={10.4230/TGDK.2.1.2},annote={关键词:流推理、流处理、RDF流、流链接数据、连续查询处理、时态逻辑、高性能计算、数据库}}