1 |
Avelino, J., Cordeiro, K., and Cavalcanti, M. C. (2020). An RDF Based Approach for Integrating Data at Different Levels of Abstraction. WebMedia’20, page 81–88.
|
|
2 |
Devlin, J., Chang, M.-W., Lee, K., and Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. In Proceedings of the NAACL, pages 4171–4186. Association for Computational Linguistics.
|
|
3 |
Géron, A. (2019). Mãos à Obra: Aprendizado de Máquina com Scikit-Learn TensorFlow.
|
|
4 |
Guarino, N. (1995). The Ontological Level, pages 443–456. Holder-Pivhler-Tempsky.
|
|
5 |
Miwa, M. and Bansal, M. (2016). End-to-end relation extraction using LSTMs on sequences and tree structures. In Proceedings of the 54th Annual Meeting of the Association for Computational Linguistics, pages 1105–1116.
|
|
6 |
Sherif, M. A., Ngomo, A.-C. N., et al. (2015). Automating rdf dataset transformation and enrichment. In The Semantic Web. Latest Advances and New Domains, pages 371–387.
|
|
7 |
Silveira, R. and Cavalcanti, M. (2020). Método para rotular ligações semânticas na web de dados. In Anais do XXXV Simpósio Brasileiro de Bancos de Dados, pages 49–60.
|
|
8 |
Silveira, R. and Cavalcanti, M. (2021). Método para Rotular Ligações Semânticas na Web de Dados. Mestrado em Sistemas e Computação, IME.
|
|
9 |
Teixeira, K. T., Campos, M. L. M., et al. (2018). Extração de dados de fontes textuais: Uma abordagem para enriquecimento de dados abertos interligados. In SEMISH. SBC.
|
|
10 |
Vaswani, A., Shazeer, N., Parmar, N., et al. (2017). Attention is All you Need. In Advances in Neural Information Processing Systems, pages 5998–6008.
|
|