@phdthesis{8632330,
  abstract     = {{Meer en meer data wordt gegeneerd door een steeds groter aantal agenten (applicaties en apparaten) die met het Internet verboden zijn en allemaal bijdragen tot de data die beschikbaar is op het Web. Wanneer deze data geanalyseerd, gecombineerd, en gedeeld wordt, dan kunnen krachtige en nieuwe technieken ontworpen en uitgerold worden, zoals artificiële intelligentie toegepast door persoonlijke assistenten, verbeterde zoekmachines, en gedecentraliseerde dataopslag. Door deze toename aan data zijn methoden die origineel gebruikt werden om data te modelleren inefficiënt: ze isoleren de data, welke zich in verschillende databronnen bevindt, en maken het moeilijk voor agenten om data uit te wisselen op het Web. De data kan niet gemakkelijk uitgewisseld worden tussen agenten, omdat elke agent een verschillend data model gebruikt om de concepten en relaties te beschrijven van de data die het genereert en gebruikt. Het Semantische Web biedt een oplossing voor dit probleem: kennisgrafen, welke gerichte grafen zijn die semantische beschrijvingen voorzien voor entiteiten en relaties. Een gebruikelijke manier om deze kennisgrafen te genereren is via regels. In dit proefschrift bekijken we hoe de effectiviteit kan verbeterd worden van de creatie en uitvoering van deze regels en bespreken we onze bijdragen: MapVOWL, de RMLEditor, Resglass, en de RML testen.}},
  author       = {{Heyvaert, Pieter}},
  isbn         = {{9789463552899}},
  language     = {{eng}},
  pages        = {{V, 158}},
  publisher    = {{Ghent University. Faculty of Engineering and Architecture}},
  school       = {{Ghent University}},
  title        = {{Improving effectiveness of knowledge graph generation rule creation and execution}},
  year         = {{2019}},
}