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
- AceMap: Knowledge Discovery through Academic Graph [91.08846259873286]
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はまた、学術機関間の関連や論理的関係を探求するために、革新的な可視化、定量化、分析手法も採用している。
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) - An energy-based model for neuro-symbolic reasoning on knowledge graphs [0.0]
産業自動化システムを特徴付けるためのエネルギーベースのグラフ埋め込みアルゴリズムを提案する。
複数のドメインからの知識を組み合わせることで、学習モデルはコンテキスト対応の予測を行うことができる。
提示されたモデルは、生物学的にインスパイアされたニューラルアーキテクチャにマッピング可能であり、グラフ埋め込み法とニューロモルフィックコンピューティングの間の最初のブリッジとして機能する。
論文 参考訳(メタデータ) (2021-10-04T18:02:36Z) - 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) - Generating Knowledge Graphs by Employing Natural Language Processing and
Machine Learning Techniques within the Scholarly Domain [1.9004296236396943]
本稿では、自然言語処理と機械学習を利用して研究論文から実体や関係を抽出する新しいアーキテクチャを提案する。
本研究では,現在最先端の自然言語処理ツールとテキストマイニングツールを用いて,知識抽出の課題に取り組む。
セマンティックWebドメイン内の論文26,827件から抽出した109,105件のトリプルを含む科学知識グラフを作成した。
論文 参考訳(メタデータ) (2020-10-28T08:31:40Z) - JAKET: Joint Pre-training of Knowledge Graph and Language Understanding [73.43768772121985]
本稿では,知識グラフと言語の両方をモデル化する新しい事前学習フレームワークであるJAKETを提案する。
知識モジュールと言語モジュールは相互に支援するための重要な情報を提供する。
我々の設計により、事前学習されたモデルは、新しいドメインの見知らぬ知識グラフに容易に適応できる。
論文 参考訳(メタデータ) (2020-10-02T05:53:36Z) - 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) - Knowledge Graphs [43.06435841693428]
我々は、知識グラフに使用される様々なグラフベースのデータモデルとクエリ言語を動機付け、対比する。
本稿では,帰納的手法と帰納的手法を組み合わせた知識の表現と抽出について説明する。
我々は知識グラフの高レベルな今後の研究方向性を結論づける。
論文 参考訳(メタデータ) (2020-03-04T20:20:32Z) - Generative Adversarial Zero-Shot Relational Learning for Knowledge
Graphs [96.73259297063619]
我々は、この厄介なキュレーションを解放するために、新しい定式化、ゼロショット学習を考える。
新たに追加された関係について,テキスト記述から意味的特徴を学習しようと試みる。
我々は,GAN(Generative Adrial Networks)を活用し,テキストと知識グラフ領域の接続を確立する。
論文 参考訳(メタデータ) (2020-01-08T01:19:08Z)
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。