没有合适的资源?快使用搜索试试~ 我知道了~
博士课程WWW 2018,2018年4月23日至27日,法国里昂849以用户为中心的结构化数据发现LauraKoesten*南安普敦大学;英国南安普敦/伦敦开放数据theodi.org摘要结构化数据在每个领域都变得至关重要,并且其在Web上的可用性正在迅速增加尽管它的应用丰富多样,但我们对人们如何找到数据,理解数据并使用数据知之甚少 这项工作旨在从以用户为中心的角度为数据发现工具和技术的设计提供信息。 我们的目标是更好地理解什么类型的信息支持人们寻找和选择与他们各自任务相关的数据。我们进行了一项混合方法研究,研究数据从业者在搜索数据时的工作流程。从这一点上,我们确定了文本摘要作为一个关键因素,支持决策过程中的信息寻求活动的数据。基于这些结果,我们进行了混合方法研究,以确定人们在总结数据集时选择的属性。我们发现,文本摘要是根据常见的结构布局的,包含四种主要的信息类型,并涵盖了一组数据集特征。 我们描述了后续研究,计划验证这些结果,并评估其适用性的数据集搜索的情况。关键词数据搜索,人工数据交互,数据发现,数据门户ACM参考格式:劳拉·科斯坦2018年。以用户为中心的结构化数据分发视角在WWW'18同伴:The 2018 Web Conference Companion,2018年4月23日至27日,法国里昂。ACM,New York,NY,USA,5页。https://doi.org/10.1145/3184558.31865741问题随着数据驱动技术的使用以及基于数据的服务的经济价值的增长[7,22],在网络上发布的数据源的可用性正在增加。截至2013年,全球政府提供了超过100万个数据集[7]。在欧洲,区域和国家当局发布了超过75万个数据集,由欧洲数据门户网站1于2017年 9月索引。数据星球2网 站列出了不少于4个。90亿个统计数据集,其中许多是公开的。这项工作的重点是结构化数据:数据是由ElenaSimperl和JeniTennison提供1https://www.europeandataportal.eu/data/en/dataset2https://www.data-planet.com/本文在知识共享署名4.0国际(CC BY 4.0)许可下发布作者保留在其个人和公司网站上以适当的归属方式传播作品的权利。WWW©2018 IW3C2(国际万维网会议委员会),在知识共享CC BY 4.0许可下发布。ACM ISBN 978-1-4503-5640-4/18/04。https://doi.org/10.1145/3184558.3186574组织明确-如电子表格,网络表格,数据库或地图-无论其格式。我们关注的场景是当用户试图查找和使用与信息需求相匹配的 这可能是有人试图找到一个需要数据的问题的答案,或者有人正在搜索一个完整的数据集进行分析。 这项工作的目的是了解如何发现新的数据源,可以通过支持用户在评估他们的健身使用时,从搜索结果池中选择数据源进行改进。让我们以一位数据记者为例,他写了一篇关于英国伦敦主要机场跑道扩建的例如,可以在卫报的数据博客上找到这样的故事的例子。记者将寻找一个...以报告、类似主题的新闻以及关于项目的经济、社会和环境影响的数据的形式,支持或反对扩张计划。相关数据的很大一部分已经可以在网上获得,由政府机构、研究人员和其他记者发布。然而,找到它并不总是简单的。记者可以使用常规搜索引擎、事实核查服务4、5和其他渠道,就像她在寻找结构性较弱的信息时所做的那样。她还可能知道存在特定的数据目录,该目录提供对由一个或多个组织发布的数据资源集合的访问她甚至可能查询受信任的数据提供者的API(应用程序编程接口),或者在Web上搜索定制的数据片段。一旦她确定了几个匹配项,她的下一步将是探索其中最有希望的,并收集一组与她的文章叙述最相关的数据集。根据用于发现数据的工具,此步骤可能涉及下载数据文件;使用不同的格式(例如,CSV、XML、HTML、RDF、关系表);在数据集的几个版本之间进行选择;以及意义构建任务,例如确定数据集确切涵盖的内容(其“属性”或“模式”),以及数据的准确性、完整性或最新性。该示例从用户的角度示出了与文本文档相反的结构化数据的信息查找过程因此,这项工作的高层次研究问题如下:我们如何能够帮助人们选择与其任务相关且有用数据本文提出了两项研究。 第一个重点是数据专业人员在Web上搜索结构化数据的信息搜索过程,以更好地理解数据集搜索中的搜索策略、任务和选择标准。 第二个探讨了文本摘要的数据和它们的有用性的数据集选择方案的charac- teristics。3https://www.theguardian.com/data4http://factcheck.org/5https://fullfact.org/博士课程WWW 2018,2018年4月23日至27日,法国里昂8502现有技术2.1结构化数据的信息搜索虽然文献描述了以用户为中心的网络搜索中的信息搜索模型,但很少有研究明确关注数据作为信息源。信息检索(Information Retrieval),植根于计算机科学,涉及支持信息查找和呈现的技术[3],传统上关注系统是否可以检索相关文档。信息检索作为一门植根于图书馆学的学科,将人和信息的发现或检索活动置于关注的中心[3]。交互式信息检索(IIR)研究用户与系统和信息的交互,这里的重点是人们是否可以使用系统来检索信息[15]。这项工作是基于IIR和信息寻求,旨在了解人们如何检索结构化数据的信息源,而不是其他来源,如文本文档或网页的具体文献[16]中不经常讨论以(结构化)数据为中心的信息搜索用户的目标和信息需求可能会有所不同,因为当能够在数据级别进行搜索时,可用信息的类型会有所社会科学家的一项研究[17]发现,用户愿意在数据集的搜索和选择过程投入比文献搜索更高的精力,并且数据集搜索中元数据的数量和质量比文献搜索更重要,后者的便利性是最重要的。作为为数不多的明确关注结构化数据的模型之一,[ 25 ]提出了数据科学过程,它描述了收集相关数据的活动,探索数据以使其有意义,最后构建分析模型以从中得出结论更接近这一领域的是与数据库交互的文献[6,13,28]。这里的焦点主要集中在用户如何组成查询以及这些查询可以转换为SQL或类似查询的程度上[6]。我们的场景在它所针对的数据源的范围内更加开放2.2数据与文件有几个方面增加了数据搜索任务的复杂性。 Web数据是异构的,来自不同的来源,它需要在其上下文中理解-比传统文档更多[30]。这提出了独特的交互挑战,需要考虑用户,以及底层系统和界面设计。与文件搜索不同,用户需要具备以下技能:访问和下载数据;解释数据可能采用的不同或有限格式;了解相关许可证和元数据。此外,数据需要上下文来创造意义[8],使其有意义。意义建构被定义为从信息中构建意义的过程[3,23]。Rieh等人将意义建构过程描述为在通过信息寻求任务获得的信息之间创建知识结构[27]。虽然这通常适用于信息搜索活动,但我们认为,当信息源是结构化数据时,此过程具有独特的特征。Marchioniniet al.强调人们需要上下文以及揭示数字背后故事的手段[21]。这随着用户在技术方面的专业知识水平而变化。技能、先验知识和数据素养。 寻找数据答案的人有时不仅需要指向可能包含他们所需信息的正确数据库、电子表格或列表,还需要指向回答他们问题的记录。这对如何实现数据搜索有影响,因为专注于元数据的算法(在现有门户中是事实上的标准除了技术上的限制,很少有研究从用户的角度来研究数据搜索。这项研究,以及数据搜索和数据意义构建的相关工作,都是基于这样一个假设:为了提供最佳的用户体验,我们不能简单地重用或重新使用为结构化程度较低的信息源提出的原则、模型和工具。2.3数据集总结在搜索场景中,我们习惯于看到一个片段,即搜索引擎返回的简短摘要文本组件。 这有助于用户在搜索文本文档时对搜索结果的相关性做出决定[1]。 我们能够创建根据查询调整其内容的片段,这已被证明是更有效的[1]。 然而,我们离能够为数据搜索提供相同的用户体验还很远。约翰逊将摘要定义为一个简短的陈述,它浓缩了信息,反映了话语的中心思想或本质[12]。一个好的总结应该能够代表核心思想,并有效地传达来源的含义[32]。数据集的有意义的摘要可以通过使用户能够理解数据集的内容并跳过不相关的搜索结果来支持发现过程[ 24 ]。我们知道,即使数据不确定[11],数据的文本表示也比相应的图形表示更有效,更易于理解,更有助于决策。数据集的文本摘要可以自动生成数据共享的社区指南,如W3C数据的中文可读性数据集描述包含在他们的建议中,尽管通常没有详细说明应该包含什么。 这可以在元数据标准中看到,例如DCAT,用于描述目录8中的数据集的词汇表,或schema.org9,用于网页上的结构化数据标记的一组模式。我们知道,当元数据描述可用时,数据集变得更加有用,数据可能变得更加不可理解[2]。然而,我们对有意义的数据摘要应该是什么样子知之甚少。Gambhir et al.指出任务的主观性以及总结中缺乏重要内容的标准[10]这反映在目前的元数据标准普遍缺乏指导6 https://www.example.comw3.org/TR/dwbp/7 https://www.example.comw3.org/2013/share-psi/bp/8https:w3.org/TR/v或cab-dcat/9http://schema.org/Dataset博士课程WWW 2018,2018年4月23日至27日,法国里昂8513该方法我们将我们的高级研究问题分解为以下子问题进行初步研究:(RQ1)人们目前如何(RQ2)数据的信息搜索任务的特征是什么?(RQ3)人们如何评估他们发现的数据?(RQ4)人们用数据做什么类型的任务(RQ5)人们如何探索他们发现的数据?我们相信,这些方面为我们提供了必要的背景知识,以了解我们如何支持人们在搜索场景中选择和评估数据。用户-系统交互受不易观察或测量的因素影响[15]。出于这个原因,并考虑到我们研究的调查性质,我们将研究重点放在其定性元素上,并使用深入访谈来获取我们正在寻找的有关交互过程和工作流程的丰富数据,并通过数据门户的搜索日志分析来补充结果。基于[25]的数据科学过程,我们从用户的角度讨论了在五个支柱中处理数据的过程:任务,搜索,评估,探索和使用。该模型被用作本工作中初始研究的基础[19]。假设此过程不是线性的,并且涉及许多以数据为中心的任务的支柱之间的多次迭代和向后移动。 这种相当普遍的方法背后的基本原理是缺乏明确关注人们与网络上结构化数据交互的相关文献。基于本研究的发现,我们设计了第二个实验来探索数据集摘要。从用户的角度来看,数据集的摘要目前在发现过程中至关重要;它们为从搜索结果中选择数据集提供了基础。将数据表示为文本可以帮助人们理解它[20,29],但我们对数据搜索环境中的良好摘要应该如何看知之甚少因此,本研究探讨了人们选择描述数据集的属性。 我们为本研究定义了以下关于数据集文本总结的研究问题:(RQ1)在总结数据集时,人们会选择哪些类型的数据属性i)对于同一数据集,这些属性和属性类型是否ii)这些属性和属性类型从一个数据集到另一个数据集是否不同?(RQ2)数据从业者和众包工作者是否以不同的方式总结数据集?4方法这个博士项目是在其第三年的开始在广泛的文献回顾后,我们进行了两项混合方法研究,在第二项研究中,我们进行了一项基于任务的实验室实验,其中30名参与者在写作任务中描述和总结了数据集随后,我们进行了一项众包研究,在该研究中,我们用更多种类的数据集复制了实验室实验;并要求众包工作者根据感知质量对数据集摘要进行评级。这使我们能够更好地了解基础数据集的影响以及参与者和设置的差异对结果摘要的影响。 我们从实验室实验中收集了150个长摘要和150个短摘要,以及250个众包摘要,并对这些摘要进行了定性和定量分析。5结果5.1结构化数据信息搜索初探初步研究的主要发现表明,即使对于数据专业人员来说,查找数据也是一项挑战,并且搜索数据往往是探索性和复杂的。很明显,不同技能和专业背景的人在处理结构化数据时遵循共同的工作流程大多数参与者报告说,他们试图从在各自领域工作的人那里获得推荐,这些人可能知道数据集。我们的大多数参与者报告说,他们经常发现很难找到他们需要的数据。例如,80%的参与者将在线查找数据描述为一个复杂的迭代过程:(By我是一个实验参与者)我会得到一些看起来很有希望但实际上并没有的东西检索方案中数据集的选择标准显示出独特的特征。我们发现,当在网络上选择数据时,人们通常认为他们没有足够的数据集内容信息来做出明智的决定。我们将数据集相关性、可用性和质量确定为数据集检索中选择标准的高级维度,如表1所列。有助于从搜索结果池中选择数据集的关键因素是有关出处以及数据收集和分析方法的信息。 研究结果还表明,数据质量的概念本质上取决于任务,这与文献(例如[31])一致。评估所需信息相关性上下文、覆盖范围、原始目的、粒度、总和-[5]为了这项工作的目的。最初的研究旨在阐明数据从业者如何在线寻找数据,重点是使用深度访谈可用性玛丽,时间框架标签、文档、许可证、访问、机器可读性、使用的语言、格式、模式、共享来自不同背景的20位数据专业人士。吃-在深入访谈的基础上,我们分析了一个大型开放式政府数据门户网站的搜索日志的独特数据集 该样本由总共超过100,000个查询组成,其中超过50,000个是唯一查询。 这为我们提供了一种不那么突兀的方式来了解数据搜索用户的行为[14],我们的受访者是其中的一个子集(20名参与者中有17名提到他们使用这个门户网站搜索数据集)。质量采集方法、来源、一致性-铺垫/标签、完整性、排除的内容表1:数据集选择中的信息需求我们进一步发现,大多数数据的文本摘要被认为是低质量和有限的有用性。博士课程WWW 2018,2018年4月23日至27日,法国里昂852以下引文说明了本研究中的常见反应,这是随访数据集总结研究背后的部分依据:(By(一个实验参与者)当你下载新的数据时,首先要快速了解数据代表什么,快速总结数据是非常困难的。5.2数据集总结研究由于本研究的结果尚未发表,我们保留本节作为概述,目的是描述我们的方法和预期的结果类型本研究的结果表明,文本摘要是根据共同的结构布局 我们能够隔离总结的不同组成部分(四种主要信息类型),以及常见的结构和详细的特征。用户创建的摘要包括对数据集的哪些部分是最重要的判断,并将关键重要性的元素聚合到语义组中。结果表明,一些功能,可以很容易地提取,但在通用元数据模式没有标准的报告形式该研究提出了一系列人们在处理不熟悉的数据集时认为重要其中一些可以自动生成,其他仍然需要手动输入,例如来自数据集创建者或其他(潜在)用户。例如,我们看到所有数据集摘要都如预期的那样显式引用数据集中的内容。 直接从数据集中提取内容特征,并将其表示为文本仍然是研究的主题,特别是在提取数据集摘要[9]或数值数据的语义标记[26]的背景下。我们的研究结果可以通过建议对人类数据参与重要的数据集部分来与此同时,我们的分析表明,大多数摘要还涵盖了超出内容相关方面的信息 虽然存在自动生成摘要的抽象方法,但我们认为,创建有意义的数据文本表示所需的抽象和分组级别尚未实现。我们认为,要真正有用,摘要需要是可提取特征的组合,与上下文信息、人类判断和创造力相结合这适用于选择要考虑的正确内容,以及以有意义的方式表示该内容。数据集摘要模板基于我们的发现,我们提出一个以文本为中心的数据摘要模板,以一组问题的形式,可以在摘要编写过程中用作指导。 每个问题描述了参与者生成的总结中常见的一个属性。关于文本摘要的研究发现,当人们获得一个大纲或一个作为模板的叙述结构时,他们会创建更好的摘要,而不是从头开始创建文本[4,18]。6结论和今后的工作通过与数据从业者进行深入访谈,我们能够更好地了解以数据为中心的任务,以及搜索、评估和探索策略和数据影响这些活动结果的品质 与搜索数字对象(诸如,例如,在数字图书馆中,数据集包含可用于将它们置于上下文环境中并因此支持搜索过程的信息。我们目前依赖于元数据,其质量和可用性各不相同在这项工作中,我们认为,利用原始数据丰富的元数据,可以支持用户在数据发现,而且,潜在地提供相关的可索引的内容,可以使数据搜索更有效。据我们所知,我们的第二项研究首次深入表征了人类生成的数据集摘要。这使我们能够更好地定义数据集的文本摘要的评估标准,并在数据集搜索中提供选择标准的见解。这些结果不仅支持我们对人们如何与数据交互和交流的理解,而且可以进一步为自动摘要生成和未来的元数据标准提供信息。我们已经确定了这项工作的两个潜在方向,一个是关于数据检索中的选择标准的研究,另一个是在检索场景中对数据集总结的评价,见第5.2根据我们最初研究的结果,我们假设选择标准是特定于数据集搜索的。我们认为,为了使一个更强有力的情况下,应向用户提供的信息类型在搜索场景中,我们需要一个更深入的研究,以验证我们的研究结果,侧重于用户定义的选择标准。我们建议采用一种定性的方法,使用日记研究。我们将使用主题分析,以更好地了解在特定任务的背景下选择数据集的过程中的动机和考虑因素这项研究的结果可以用来验证我们以前的发现。更重要的是,它们将有助于更深入地理解数据集搜索中的选择我们进一步建议在下文所述的检索方案中评价第二项研究总结我们的目标是在实验中汇总这项工作的结果,评估在选择场景中表示摘要内容的五种不同模式(1-5):(a)使用模板创建的文本摘要,(b)摘要的非文本表示(表),(c)使用模板创建的文本摘要+摘要的非文本表示(表),(d)使用模板创建的文本摘要+摘要的非文本表示(d) 使用模板创建的文本摘要+数据中时间/地理空间方面的可视化,(e)没有摘要或其他表示的数据的样本预览本实验将重点关注用户从搜索结果列表中选择数据集,并旨在回答以下研究问题:(RQ1)当人们在数据集选择场景中获得摘要时,他们是否更快,更自信,并且选择更相关和有用的结果(RQ2)文本或非文本摘要是否最有效和有用?(RQ3)基于模板创建的摘要是否更有效和有用?基于初步研究的结果,我们假设数据集的文本摘要将更有效,并且在搜索场景中的数据集选择过程中被认为更有用。我们进一步假设基于模板···博士课程WWW 2018,2018年4月23日至27日,法国里昂853与不使用它们创建的摘要相比,将执行得更好。我们还假设,文本摘要将更有效,被认为比非文本摘要更有用 然而,本实验的设计仍在进行中,并留下讨论的空间,它是否是正确的方向,以及如何选择合适的自然任务,进行这样的实验的环境,以及评价指标的选择。本节概述的两项研究将使我们能够验证这项工作的结果例如,这允许迭代用于人类与结构化数据交互的框架,该框架由初始研究产生。 我们计划通过评估模板的有用性及其在数据集选择场景中的个体属性来改进和验证用于数据集摘要创建的模板,该模板来自我们的第二项研究。本研究的结果可以开展更多的工作,改进生成摘要的半自动方法,使用模板,提示众包工作者从数据集中提取这些元素。本研究旨在提出一个新的观点,概念化的数据为中心的搜索任务,在数据搜索和潜在的解决方案,以支持用户在选择过程中的数据集的搜索结果池的选择标准的深入分析,提出了一个更标准化的方法,创建有意义的文本摘要的数据集供人类消费。引用[1] Lorena Leal Bando,Falk Scholer,and Andrew Turpin.2010年。 构建查询偏差汇总:人类和系统生成的代码段的比较。在第三次信息交互在上下文研讨会(IIIX '10)的会议记录ACM,New York,NY,USA,195https://doi.org/10.1145/1840784.1840813[2] Bruce E Bargmeyer和Daniel W Gillman。2000.元数据标准和元数据注册:综述。 在国际会议上建立调查II,布法罗,纽约。[3] 安·布兰德福德和西蒙·阿特菲尔德。2010年。与信息交互以人为中心的信息学综合讲座3,1(2010),1-99。[4] Ria Mae Borromeo 、 Maha Alsaysneh 、 Sihem Amer-Yahia 和 VincentLeroy。2017. 文本创建任务的众包策略在第20届国际扩展数据库技术会议论文集,EDBT 2017,威尼斯,意大利,2017年3月21日至24日450-453 https://doi.org/10.5441/002/edbt.2017.42[5] 艾伦·布莱曼2006.整合定量和定性研究:怎么做?定性研究6,1(2006),97[6] 蒂齐安娜·卡塔西两千当数据库研究人员遇到可用性时发生了什么Information Systems25,3(2000),177[7] Gabriella Cattaneo、Mike Glennon、Rosanna Lifonti、Giorgio Micheletti、Alys Woodward 、 Marianne Kolding 、 Angela Vacca 、 Carla La Croce 和David Osimo。2015. IDC,欧洲数据市场SMART 2013/0063,D 6-第一份中期报告。(162015年10月https://idc-emea.app.box.com/s/k7xv0u3gl6xfvq1rl667xqmw69pzk790.[8] 布兰达·德文。一九九七年。给一个上下文任何其他名称:驯服不守规矩的野兽的方法论工具Information Seeking in Context13(1997),38.[9] RafaelFerreira , Luciano de Souza Cabral , Rafael Dueire Lins , GabrielPereira e Silva,Fred Freitas,George D.C.放大图片创作者:Rinaldo Lima.Simske和Luciano Favaro。2013.评估用于提取文本摘要的句子评分技术。ExpertSystemswithApplications40,14(2013),5755https://doi.org/10.1016/j.eswa.2013.04.023[10] Mahak Gambhir和Vishal Gupta2017年。 最近的自动文本摘要技术:一个调查。第内特尔Rev.47,1(2017),1-66. https://doi.org/10.1007/S10462-016-9475-9[11] 迪米特拉·卡齐亚奥利弗·莱蒙维雷娜·里瑟2016.自然语言生成增强了人类对不 确 定 信 息 的 决 策 在 Proceedings of the 54th Annual Meeting of theAssociation for Computational Linguistics,ACL 2016,August 7-12,2016,Berlin,Germany,Volume2:ShortPapers.http://aclweb.org/anthology/P/P16/P16-2043.pdf[12] 苏珊娜·希迪和瓦莱丽·安德森1986.编写书面摘要:任务要求、认知操作和对教学 的 影 响 。Review of educationalresearch56 , 4 ( 1986 ) , 473-493.https://doi.org/10.3102/00346543056004473[13] JozefH vo rec ky`,MartinDrlík,andMichalMunk. 2010年。 通过选择更合适的界面来提高数据库查询技能。 在IEEE EDUCON 2010会议上。IEEE,1897[14] 伯 纳 德·詹 森 。2006 年 搜 索日 志 分 析 :它 是 什 么 ,做 了 什 么 LibraryInformation Science Research28,3(2006),407[15] 黛安·凯利2009.与用户交互式信息检索系统的评价方法。 Foundations andTrendsinInformationRetrieval3,1-2(2009),1-224.https://doi.org/10.1561/1500000012[16] Dagmar Kern和Brigitte Mathiak 2015.与已知文献检索相比,数据集检索是否存在任何差异数字图书馆的研究和先进技术-第19届数字图书馆理论与实践国际会议,TPDL 2015,波兰波兹南,2015年9月14日至18日。诉讼197-208. https://doi.org/10.1007/978-3-319-24592-8_15[17] Dagmar Kern和Brigitte Mathiak 2015.与已知文献检索相比,数据集检索是否存在任何差异数字图书馆的研究和先进技术-第19届数字图书馆理论与实践国际会议,TPDL 2015,波兰波兹南,2015年9月14日至18日。诉讼197-208. https://doi.org/10.1007/978-3-319-24592-8_15[18] 乔伊·奥Kim和Andrés Monroy-Hernández。2016年。Storia:SummarizingSocial Media Content based on Narrative Theory using Crowdsourcing.在第19届计算机支持的协作工作&社会计算ACM会议的会议记录中,CSCW2016,美国加利福尼亚州旧金山,2016年2月27日至3月2日。1016-1025.https://doi.org/10.1145/2818048.2820072[19] Laura M.放大图片创作者:Jenifer F.A. Tennison和Elena Simperl。2017. 使用结构化数据的考验和磨难:信息寻求行为的研究在2017年CHI计算机系统人为因素会议(CHI '17)的会议记录中ACM,New York,NY,USA,1277https://doi.org/10.1145/3025453.3025838[20] 安娜·S.放大图片作者:Robert H.作者声明:John Quinn 2005年时间序列数据的图形和文本呈现的比较,以支持新生儿重症监护室的医疗决策。Journalof Clinical Monitoring and Computing19 , 3 ( 2005 年 6 月 1 日 ) ,183https://doi.org/10.1007/s10877-005-0879-3[21] 放大图片作者:Gary Marchionini,Stephanie W. Haas,Junliang Zhang,and Jonathan L. 艾 尔 莎 2005. 获 取 政 府 统 计 信 息 。 IEEE Computer 38 , 12(2005),52-61. https://doi.org/10.1109/MC.2005.393[22] 迈克尔·崔彼得·格罗夫斯戴安娜·法雷尔史蒂夫·范奎肯伊丽莎白·阿尔玛西·多西麦肯锡全球研究所詹姆斯·曼尼卡。2013.开放数据:利用流动信息解锁创新和绩效。(2013年)。[23] C Naumer,K Fisher,和Brenda Dervin。2008.意义建构:方法论的观点。在Sensemaking Workshop,CHI[24] T. T. Nguyen,Q.诉H. 阮,M。Weidlich和K.阿伯雷尔2015年。Web表搜索的结 果 选 择 和 摘 要 。 2015年 IEEE 第 31 届 数据 工程 国 际 会 议 。 231-242.https://doi.org/10.1109/ICDE.2015.7113287[25] 汉 斯 佩 特 · 菲 斯 特 和 乔 · 布 利 茨 坦 。 2015 年 。 cs109/2015 , Lectures 01-Introduction.https://github.com/cs109/2015/tree/master/Lectures。(2015年)。[26] 放大图片作者:Minh Pham,Suresh Alse,Craig A.诺布洛克和佩德罗·塞克利2016年。语义标注:一种独立于领域的方法。施普林格国际出版社查姆,446-462。 https://doi.org/10.1007/978-3-319-46523-4_27[27] Soo Young Rieh 、 Kevyn Collins-Thompson 、 Preben Hansen 和 Hye-JungLee。 2016. 将 搜 索 作 为 一 个 学 习 过 程 : 当 前 观 点 和 未 来 方 向 的 回 顾 J.InformationScience42,1(2016),19-34.https://doi.org//0165551515615841[28] Stefano Spaccapietra和Ramesh Jain2013年。可视化数据库系统3:可视化信息管理。斯普林格。[29] M van der Meulen , R H.Logie 、 Y Freer 、 C Sykes 、 N McIntosh 和 JHunter。2010年。当图形少于100个单词时:新生儿重症监护中计算机化自然 语 言 生 成 , 人 类 生 成 的描 述 和 图 形 显 示 的 比 较。 Applied CognitivePsychology24,1(2010),77https://doi.org/10.1002/acp.1545[30] Max L. 作 者 声 明 : Wilson , Bill Kules , m. C. Schraefel 和 BenShneiderman。2010.从关键字搜索到探索:为网络设计未来的搜索界面。FoundationsandTrendsinWebScience2,1(2010),1https://doi.org/10.1561/180000003[31] Amrapali Zaveri , Anisa Rula , Andrea Maurino , Ricardo Pietrobon , JensLehmann,and Sören Auer.2016年。关联数据的质量评估:一项调查。Semantic Web7,1(2016),63-93. https://doi.org/10.3233/SW-150175[32] 海 诸 葛 。 2015. 总 结 的 维 度 。 CoRRabs/1507.00209 ( 2015 ) 。http://arxiv.org/abs/1507.00209
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- zigbee-cluster-library-specification
- JSBSim Reference Manual
- c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf
- 建筑供配电系统相关课件.pptx
- 企业管理规章制度及管理模式.doc
- vb打开摄像头.doc
- 云计算-可信计算中认证协议改进方案.pdf
- [详细完整版]单片机编程4.ppt
- c语言常用算法.pdf
- c++经典程序代码大全.pdf
- 单片机数字时钟资料.doc
- 11项目管理前沿1.0.pptx
- 基于ssm的“魅力”繁峙宣传网站的设计与实现论文.doc
- 智慧交通综合解决方案.pptx
- 建筑防潮设计-PowerPointPresentati.pptx
- SPC统计过程控制程序.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功