計算出的分數透過圖形使用者介面顯示

Nurrmohammad

是最小重要性程度，1 是最大程度。 圖 驗證器的螢幕截圖 [Huaman 等人，2021]。 最後，（見圖 5）。它允許使用者選擇要驗證的多個屬性（例如地址、姓名和/或電話號碼），使用者可以分配/更改外部來源的權重。 有關該方法、實施和評估的完整詳細資訊請參閱 [Huaman et al., 2021]。 你可以在哪裡使用它？ 用戶可以檢查 Google Places、Yandex Places 和其他來源提供的有關其酒店或其他企業的資訊是否正確且是最新的。 使用者可能希望根據不同的知識來源驗證所提供的資訊是否正確。 此方法可用於將使用者的 KG與 Google Places、Yandex Places 等連結。 工具和技術 該驗證器是由三名因斯布魯克大學的學生在歐洲之星共同資助的專案 WordLift Next Generation 的背景下開發的。 概括 新的 KG 驗證方法的概念化及其第一個原型實現。 展示可以使用它的用例。 驗證 KG 可確保主要搜尋引擎顯示有關您業務的正確資訊。  作為自動化結構化資料的工具，這無疑是一個有吸引力的集群。


在這裡我們第一眼可以看到以下： 概念： 關聯數據 上下文卡（使用 丹麥 電話號碼結構化資料的產品功能） WordPress 搜尋引擎優化 自然語言處理 谷歌搜尋 JSON-LD 影響測量 …… 影響者： Bill Slawski（感謝您參與我們的圖表） 理查德·沃利斯（Richard Wallis）（對於那些可能不知道的人來說，理查德是最偉大的模式傳播者之一） 展示： 薩爾斯堡土地旅遊局的成功故事 使用螢幕右側的滑桿，我們可以捕捉最相關的連接。 我正在使用歐氏距離分析節點的語意相似度；這是多維空間中每個向量之間計算的距離。這絕對更有價值，因為它提供了一個結構並幫助我們清楚地了解我們可以在內容中心使用哪些資產。在我們的小語意宇宙中，我們可以看到結構化資料的概念如何與連結資料、知識圖譜和維基資料緊密相關。 Projector 使用不同的降維演算法（UMAP、T-SNE、PCA）將嵌入的高維度空間（在我們的例子中為 150 維）轉換為 2 或 3D 空間。



我們還可以使用螢幕左下角的自訂設定來建立自訂地圖，該地圖將圍繞結構化資料佈局概念，這樣我們就可以在左側看到與電子商務相關的所有內容作為範例右邊是與網路發布有關的所有內容。我們只需添加術語，投影機就會相應地重新組織地圖。 透過這種方式，我們可以看到電子商務的「結構化資料」應如何包含與 WooCommerce 和 GS1 相關的內容，而發布商的內容可以涵蓋更廣泛的主題，例如內容行銷、語音搜尋和 Google 新聞。 主題聚類 我們現在可以在 2D 空間上視覺化嵌入並將它們聚集在原始空間中。使用 Colab Notebook 中的程式碼，我們將使用 PCA（主成分分析）作為降低嵌入維度和 K 均值進行聚類的方法。 我們可以看到五個群集：核心概念（語意 SEO、SEO、AI、WordLift 等）、SEO 上的實體和貼文（包括展示）、連結實體（例如事件，也包括人）、主要以產品和內容為中心的部落格文章與 人工智慧和機器學習相關