論文の概要: Knowledge Graphs for Innovation Ecosystems
- arxiv url: http://arxiv.org/abs/2001.08615v1
- Date: Thu, 9 Jan 2020 08:02:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-13 04:49:45.757740
- Title: Knowledge Graphs for Innovation Ecosystems
- Title(参考訳): イノベーションエコシステムのための知識グラフ
- Authors: Alberto Tejero, Victor Rodriguez-Doncel and Ivan Pau
- Abstract要約: 知識グラフとして生まれ変わったイノベーションエコシステムの表現は、新たな洞察を持つレポートの生成を可能にします。
本論では,本質的な実体と関係を捉えるオントロジーと,データソースの記述について述べる。
マドリード大学ポリテツニツァの応用事例と将来の応用についての洞察が提示されている。
- 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: Innovation ecosystems can be naturally described as a collection of networked
entities, such as experts, institutions, projects, technologies and products.
Representing in a machine-readable form these entities and their relations is
not entirely attainable, due to the existence of abstract concepts such as
knowledge and due to the confidential, non-public nature of this information,
but even its partial depiction is of strong interest. The representation of
innovation ecosystems incarnated as knowledge graphs would enable the
generation of reports with new insights, the execution of advanced data
analysis tasks. An ontology to capture the essential entities and relations is
presented, as well as the description of data sources, which can be used to
populate innovation knowledge graphs. Finally, the application case of the
Universidad Politecnica de Madrid is presented, as well as an insight of future
applications.
- Abstract(参考訳): イノベーションのエコシステムは、専門家、機関、プロジェクト、技術、製品といったネットワーク化されたエンティティの集まりとして自然に説明できる。
これらの実体とそれらの関係は、知識のような抽象概念の存在や、この情報の秘密的で非公的な性質のため、機械可読な形で表現されるが、その部分的な描写でさえも強い関心を持つ。
知識グラフとして機能するイノベーションエコシステムの表現は、新たな洞察と高度なデータ分析タスクの実行によるレポートの生成を可能にする。
イノベーションのナレッジグラフを投入するために使用できるデータソースの記述と同様に、本質的なエンティティと関係をキャプチャするオントロジーが提示される。
最後に、マドリード大学ポリテクニツァの応用事例と将来の応用についての洞察を紹介する。
関連論文リスト
- Neural-Symbolic Reasoning over Knowledge Graphs: A Survey from a Query Perspective [55.79507207292647]
知識グラフ推論は、データマイニング、人工知能、Web、社会科学など、さまざまな分野において重要である。
ニューラルAIの台頭は、深層学習の頑健さと象徴的推論の精度を融合させることで、大きな進歩を見せている。
大規模言語モデル(LLM)の出現により、知識グラフ推論の新しいフロンティアが開かれた。
論文 参考訳(メタデータ) (2024-11-30T18:54:08Z) - Resilience in Knowledge Graph Embeddings [1.90894751866253]
我々は、一般化、性能の整合性、分散適応、堅牢性といったいくつかの要因を含む、レジリエンスを一元的に定義する。
調査の結果,既存の研究のほとんどはレジリエンス,すなわち堅牢性に重点を置いていることがわかった。
論文 参考訳(メタデータ) (2024-10-28T16:04:22Z) - Knowledge Graph Extension by Entity Type Recognition [2.8231106019727195]
本稿では,エンティティ型認識に基づく知識グラフ拡張フレームワークを提案する。
このフレームワークは、異なる知識グラフ間でスキーマとエンティティを整列させることにより、高品質な知識抽出を実現することを目的としている。
論文 参考訳(メタデータ) (2024-05-03T19:55:03Z) - Visual Knowledge in the Big Model Era: Retrospect and Prospect [63.282425615863]
視覚知識は、視覚概念とその関係を簡潔で包括的で解釈可能な方法でカプセル化できる新しい知識表現である。
視覚世界に関する知識は、人間の認知と知性にとって欠かせない要素として認識されているため、視覚知識は、機械知性を確立する上で重要な役割を担っていると考えられる。
論文 参考訳(メタデータ) (2024-04-05T07:31:24Z) - AceMap: Knowledge Discovery through Academic Graph [90.12694363549483]
AceMapは学術グラフによる知識発見のために設計された学術システムである。
本稿では,AceMapデータベースを構築するための高度なデータベース構築手法を提案する。
AceMapは、学術的アイデアの進化をトレースするなど、高度な分析機能を提供する。
論文 参考訳(メタデータ) (2024-03-05T01:17:56Z) - AI-Generated Images as Data Source: The Dawn of Synthetic Era [61.879821573066216]
生成AIは、現実世界の写真によく似た合成画像を作成する可能性を解き放った。
本稿では、これらのAI生成画像を新しいデータソースとして活用するという革新的な概念を探求する。
実際のデータとは対照的に、AI生成データには、未整合のアブリダンスやスケーラビリティなど、大きなメリットがある。
論文 参考訳(メタデータ) (2023-10-03T06:55:19Z) - Iterative Zero-Shot LLM Prompting for Knowledge Graph Construction [104.29108668347727]
本稿では,最新の生成型大規模言語モデルの可能性を活用する,革新的な知識グラフ生成手法を提案する。
このアプローチは、新しい反復的なゼロショットと外部知識に依存しない戦略を含むパイプラインで伝達される。
我々は、我々の提案がスケーラブルで多目的な知識グラフ構築に適したソリューションであり、異なる新しい文脈に適用できると主張している。
論文 参考訳(メタデータ) (2023-07-03T16:01:45Z) - The Path to Autonomous Learners [0.0]
知的システムによるドメイン知識の獲得を可能にするための新しい理論的アプローチを提案する。
本稿では,知識グラフデータベースを通じて概念,記憶,理由の上位オントロジーという形で,最小限の入力知識から始まるハイブリッドモデルを紹介し,論理ニューラルネットワークを用いて新しい情報を学ぶ。
論文 参考訳(メタデータ) (2022-11-04T12:18:58Z) - A Survey of Knowledge Graph Embedding and Their Applications [0.17205106391379024]
知識グラフの埋め込みにより、現実世界のアプリケーションが情報を消費してパフォーマンスを向上させることができる。
本稿では、単純な翻訳モデルからリッチメントモデルへのKG埋め込みの分野の成長について紹介する。
論文 参考訳(メタデータ) (2021-07-16T12:07:53Z) - ENT-DESC: Entity Description Generation by Exploring Knowledge Graph [53.03778194567752]
実際には、出力記述が最も重要な知識のみをカバーするため、入力知識は十分以上である可能性がある。
我々は、KG-to-textにおけるこのような実践的なシナリオの研究を容易にするために、大規模で挑戦的なデータセットを導入する。
本稿では,元のグラフ情報をより包括的に表現できるマルチグラフ構造を提案する。
論文 参考訳(メタデータ) (2020-04-30T14:16:19Z)
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。