Scarica l'app Kindle gratuita e inizia a leggere immediatamente i libri Kindle sul tuo smartphone, tablet o computer, senza bisogno di un dispositivo Kindle.
Leggi immediatamente sul browser con Kindle per il Web.
Con la fotocamera del cellulare scansiona il codice di seguito e scarica l'app Kindle.
Spiacenti, si è verificato un problema durante il caricamento di questa pagina. Riprova.
The management of uncertainty in the Semantic Web is of foremost importance given the nature and origin of the available data. This book presents a probabilistic semantics for knowledge bases, DISPONTE, which is inspired by the distribution semantics of Probabilistic Logic Programming. The book also describes approaches for inference and learning. In particular, it discusses 3 reasoners and 2 learning algorithms. BUNDLE and TRILL are able to find explanations for queries and compute their probability with regard to DISPONTE KBs while TRILLP compactly represents explanations using a Boolean formula and computes the probability of queries. The system EDGE learns the parameters of axioms of DISPONTE KBs. To reduce the computational cost, EDGEMR performs distributed parameter learning. LEAP learns both the structure and parameters of KBs, with LEAPMR using EDGEMR for reducing the computational cost. The algorithms provide effective techniques for dealing with uncertain KBs and have been widely tested on various datasets and compared with state of the art systems.
Le recensioni dei clienti, comprese le valutazioni a stelle dei prodotti, aiutano i clienti ad avere maggiori informazioni sul prodotto e a decidere se è il prodotto giusto per loro.
Per calcolare la valutazione complessiva e la ripartizione percentuale per stella, non usiamo una media semplice. Piuttosto, il nostro sistema considera cose come quanto è recente una recensione e se il recensore ha acquistato l'articolo su Amazon. Ha inoltre analizzato le recensioni per verificarne l'affidabilità.