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
- 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) - TopoSemiSeg: Enforcing Topological Consistency for Semi-Supervised
Segmentation of Histopathology Images [12.641464265100385]
ラベルのないデータからトポロジカル表現を学習する最初の半教師付き手法であるTopoSemiSegを提案する。
特に,教師と学生のネットワークが共有したトポロジ表現を学習するトポロジ対応型教師学生アプローチを提案する。
論文 参考訳(メタデータ) (2023-11-28T03:04:35Z) - 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) - Hierarchical Graph Neural Networks for Causal Discovery and Root Cause
Localization [52.72490784720227]
REASONはTopological Causal DiscoveryとPersonal Causal Discoveryで構成されている。
Topological Causal Discoveryコンポーネントは、根本原因を辿るために断層伝播をモデル化することを目的としている。
個々の因果発見コンポーネントは、単一のシステムエンティティの突然の変化パターンのキャプチャに重点を置いている。
論文 参考訳(メタデータ) (2023-02-03T20:17:45Z) - Nested Named Entity Recognition from Medical Texts: An Adaptive Shared
Network Architecture with Attentive CRF [53.55504611255664]
ネスト現象によるジレンマを解決するために,ASACと呼ばれる新しい手法を提案する。
提案手法は,適応共有(AS)部と注意条件付きランダムフィールド(ACRF)モジュールの2つの鍵モジュールを含む。
我々のモデルは、異なるカテゴリのエンティティ間の暗黙の区別と関係をキャプチャすることで、より良いエンティティ表現を学ぶことができる。
論文 参考訳(メタデータ) (2022-11-09T09:23:56Z) - 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) - Descriptive vs. inferential community detection in networks: pitfalls,
myths, and half-truths [0.0]
推論手法は、より明確な科学的問題と整合し、より堅牢な結果をもたらすのが一般的であり、多くの場合好まれるべきである、と我々は主張する。
我々は,コミュニティ検出が実際に行われている場合によく信じられる神話や半真実を,そのような手法の使用と結果の解釈の両方を改善するために,取り除こうと試みている。
論文 参考訳(メタデータ) (2021-11-30T23:57:51Z) - Vertebrae segmentation, identification and localization using a graph
optimization and a synergistic cycle [20.4929202936935]
本稿では,CT画像における椎骨の分画,識別,局在について考察する。
これらの3つのタスクは関連していますが、それらが一緒に対処されたときに増加する特定の問題に直面します。
本稿では,3つのタスク間のコヒーレンスを強制する活発なサイクルを提案する。
このようなサイクルの中で、タスクは相互運用され、グローバルな一貫性基準を満たすまで反復される。
論文 参考訳(メタデータ) (2021-10-23T09:21:35Z) - 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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。