知識組織：幾何学の進化

  私たちの2番目のユースケースは、境界の進化をキャプチャすることをサ ポートする。 

管理上の境界ではまれであるが、いわゆる法定書類によって命じられる。  

  法定文書はWeb上で入手でき、URIを介してアクセスして、これらの文書 との境界の進化を関連付けることができる。 

境界の進化を捕捉するために、私たちはPROV-O [13]を新しい証明で拡張 することを選択しました：「境界変更」と呼ばれるアクティビティは、新 しい証明によってエンティティに通知されます。 

4.議論 

このセクションでは、ISWC 2017のリソーストラック論文[10]で要約され た評価基準について議論する。 

  潜在的な影響について。 このリソースは、多くの洞察とシナリオに適用す るのに十分なほど一般的であり、再利用性に関する議論を支持する（「再 利用性について」を参照）。  

このリソースは、他のデータセットに地理空間ディメンションを追加する 際に使用する信頼できるソースを提供する。  

特に、アイルランドの政府機関で進行中または出現している他のLinked  Data initiativesによってリソースを使用することができる。 

したがって、その影響は本質的に社会的である。 

  リソースの開発に使用された設計とアプローチは、最先端の技術と比較さ れています。 同様のイニシアチブを開始した他の行政機関（ベルギー、オ ランダ、フランダースなど）の代表者にも（セミナーで）提示されている。

アイルランドとオランダは、フィーチャとジオメトリの歴史を PROV-O、

そして、時間の経過とともに、得られた洞察をお互いに伝えてくれること を願っています。 

  •  再利用性について 

•  設計と技術的品質について 

•  有用性について 

結論と今後の課題 

結論：  信頼できる境界データセット（CC BY 4.0ライセンス）でリンクオープン データとして利用可能を作成。 

このデータセット用に開発されたPROV-OやGeoSPARQLなどの標準化さ れた語彙を拡張し、相互運用性を促進した。 

  今後の課題： 

2016年の国勢調査に使用された境界線と他の（行政上の）データセットに まだ含まれていない境界。  

私たちは、グラフにおける境界の進化を捕らえ、オランダの他の地域でも

同様の取り組みを行っている。 

Personalizing Actions in Context for Risk 

Management using Semantic Web Technologies  個々の行動コンテキストのための   

セマンティックWebテクノロジを使用した  リスク管理 

Jiewen Wu, Freddy Lecue, Christophe Gueret, Jer Hayes, Sara van de 

Moosdijk, and Gemma Gallagher, Peter McCanney, Eugene Eichelberger 

概要 

クライアントのリスクマネジメントのプロセスはマニュアルとリソース を消費する。例えば、アクセンチュアは毎年80,000の契約を査定する。 

どの契約も、違うタイプのデータであり、多くのソースやリスク層の計 算や統合をする。リスクの高い階層契約では、リスクを軽減または防止 するためにQuality Assurance Director（QAD）が割り当てられてい る。QADは、定期的なポートフォリオレビューミーティング中に、推奨 行動の収集や選択をして、適切なリーダーシップをとれるようにする。 

この論文では、個々の問題や文脈の行動を、自動化により効果的に改善 することを提案する。 

提案手法として、企業のナレッジグラフの中の外部データ、およびこの 知識グラフ上の意味論的推論を通してQADのプロファイルに基づく行動 を解釈する。 

ユーザー評価によると、QADは既存のアプローチよりもリスクをより緩

和する行動を選択することができる。 

導入と関連研究 

リスクはどのビジネスにもあり、リスク特定後、リスクの排除ではなく、

リスクの軽減をするための適切な措置を取る必要がある。 

品質保証がある大企業にはリスク管理は不可欠である。 

  適切なリスク管理は、企業の財務変動の予測可能性、市場競争力を高め、

約束以上のものを提供し顧客満足度を向上させる。 

リスク管理は、半世紀以上研究されてきた。例えば、リスクの識別、推定、

応答、およびモニタリングなどの様々な焦点、制御など。 

  このような問題に対し、人工知能や機械学習に大量のプロジェクト監視 データを与えることを提案する。例えば、ソフトウェア関連のプロジェク トリスクは、ニューラルネットワークやサポートベクターマシンの学習を 使用して予測できる。 

  アクセンチュアは、インテリジェントリスク管理ツール（IRM）を開発し た。IRMは、複数のシステムからのデータを統合し、進行中のアクセン チュアプロジェクトのリスク層を予測する。