Fugu-MT 論文翻訳(概要): Merging of Ontologies Through Merging of Their Rules

論文の概要: Merging of Ontologies Through Merging of Their Rules

arxiv url: http://arxiv.org/abs/2001.04326v1
Date: Mon, 13 Jan 2020 15:08:10 GMT
ステータス: 処理完了
システム内更新日: 2023-01-11 23:31:55.605554
Title: Merging of Ontologies Through Merging of Their Rules
Title（参考訳）: 規則の融合によるオントロジーの融合
Authors: Olegs Verhodubs
Abstract要約: オントロジーの融合は重要だが、必ずしも効果的とは限らない。主な理由は、マージがゴールを考慮せずには効果がないからです。この論文は、これらのルールから生成されるより多くのルールによってマージされる様子を描いている。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Ontology merging is important, but not always effective. The main reason, why ontology merging is not effective, is that ontology merging is performed without considering goals. Goals define the way, in which ontologies to be merged more effectively. The paper illustrates ontology merging by means of rules, which are generated from these ontologies. This is necessary for further use in expert systems.
Abstract（参考訳）: オントロジーの融合は重要だが、必ずしも効果的ではない。オントロジマージが効果的でない主な理由は、オントロジマージが目標を考慮せずに行われるためである。ゴールは、オントロジーをより効果的にマージする方法を定義する。本論文は,これらのオントロジーから生成される規則によるオントロジーの融合について述べる。これは専門家システムでの使用に必要です。

関連論文リスト

End-to-End Ontology Learning with Large Language Models [11.755755139228219]
大規模言語モデル(LLM)は、オントロジー学習の様々なサブタスクを解決するために応用されている。我々は、オントロジーの分類学的バックボーンをスクラッチから構築する汎用的でスケーラブルな方法であるOLLMによって、このギャップに対処する。標準的なメトリクスとは対照的に、私たちのメトリクスは、グラフ間のより堅牢な構造的距離測定を定義するためにディープラーニング技術を使用します。私たちのモデルは、arXivのような新しいドメインに効果的に適用できます。
論文参考訳（メタデータ） (2024-10-31T02:52:39Z)
Data-driven Coreference-based Ontology Building [48.995395445597225]
参照解決は、伝統的に個々の文書理解のコンポーネントとして使用される。よりグローバルな視点で、すべてのドキュメントレベルのコア参照関係から、ドメインについて何が学べるかを探求します。コードとともに、クリエイティブ・コモンズライセンスの下でコア参照チェーンをリリースします。
論文参考訳（メタデータ） (2024-10-22T14:30:40Z)
GraphMatcher: A Graph Representation Learning Approach for Ontology Matching [0.0]
オントロジーマッチングは、2つ以上のエンティティ間の関係や対応を見つけるものとして定義される。 GraphMatcherはグラフアテンションアプローチであり、その周辺用語とともに高レベルの表現を計算する。
論文参考訳（メタデータ） (2024-04-20T18:30:17Z)
Matching Weak Informative Ontologies [4.214064911004321]
本稿では,アライメントの発見に構造情報を活用することで,WIOをマッチングする実用的な手法を提案する。 WIOをマッチングするための新しい類似性伝搬モデルが設計されている。このWIOのマッチング方法は、最先端のLilyマッチングシステムで実装されている。
論文参考訳（メタデータ） (2023-12-01T03:56:29Z)
Logic-induced Diagnostic Reasoning for Semi-supervised Semantic Segmentation [85.12429517510311]
LogicDiagは、セマンティックセグメンテーションのためのニューラルネットワークによる半教師付き学習フレームワークである。私たちの重要な洞察は、記号的知識によって識別される擬似ラベル内の衝突は、強いが一般的に無視される学習信号として機能する、ということです。本稿では,論理規則の集合として意味論的概念の構造的抽象化を定式化するデータ・ハングリーセグメンテーションシナリオにおけるLogicDiagの実践的応用について紹介する。
論文参考訳（メタデータ） (2023-08-24T06:50:07Z)
Lattice-preserving $\mathcal{ALC}$ ontology embeddings with saturation [50.05281461410368]
OWL表現の埋め込みを生成するため,順序保存型埋め込み法を提案する。本手法は,いくつかの知識ベース完了タスクにおいて,最先端の組込み手法よりも優れていることを示す。
論文参考訳（メタデータ） (2023-05-11T22:27:51Z)
Deep Architecture Connectivity Matters for Its Convergence: A Fine-Grained Analysis [94.64007376939735]
我々は、勾配降下訓練におけるディープニューラルネットワーク(DNN)の収束に対する接続パターンの影響を理論的に特徴づける。接続パターンの単純なフィルタリングによって、評価対象のモデルの数を削減できることが示される。
論文参考訳（メタデータ） (2022-05-11T17:43:54Z)
Pairwise Learning for Name Disambiguation in Large-Scale Heterogeneous Academic Networks [81.00481125272098]
本稿では,MA-PairRNN(Multi-view Attention-based Pairwise Recurrent Neural Network)を提案する。 MA-PairRNNは、不均一グラフ埋め込み学習とペアワイズ類似学習をフレームワークに統合する。実世界の2つのデータセットの結果から、我々のフレームワークは名前の曖昧さに対するパフォーマンスを著しく一貫した改善をしていることがわかる。
論文参考訳（メタデータ） (2020-08-30T06:08:20Z)
Attentive WaveBlock: Complementarity-enhanced Mutual Networks for Unsupervised Domain Adaptation in Person Re-identification and Beyond [97.25179345878443]
本稿では,新しい軽量モジュールであるAttentive WaveBlock (AWB)を提案する。 AWBは相互学習の二重ネットワークに統合され、相互学習の相補性を高め、擬似ラベルのノイズをさらに抑えることができる。実験により, 提案手法は, 複数のUDA人物再識別タスクを大幅に改善し, 最先端の性能を達成できることが実証された。
論文参考訳（メタデータ） (2020-06-11T15:40:40Z)
Towards Building Knowledge by Merging Multiple Ontologies with CoMerger: A Partitioning-based Approach [0.0]
オンロジは、Webでデータを整理する一番の方法です。既存のオノロジーのマージアプローチは、主にバイナリマージを実装している。スケーラブルな多重マージ手法であるCoMergeを提案する。
論文参考訳（メタデータ） (2020-05-06T08:45:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。