Fugu-MT 論文翻訳(概要): Knowledge Graphs on the Web -- an Overview

論文の概要: Knowledge Graphs on the Web -- an Overview

arxiv url: http://arxiv.org/abs/2003.00719v3
Date: Thu, 12 Mar 2020 10:31:25 GMT
ステータス: 処理完了
システム内更新日: 2022-12-27 05:31:22.658908
Title: Knowledge Graphs on the Web -- an Overview
Title（参考訳）: Web上の知識グラフ - 概要
Authors: Nicolas Heist, Sven Hertling, Daniel Ringler and Heiko Paulheim
Abstract要約: GoogleはまずKnowledge Graphという用語を作り、検索結果を改善する手段として宣伝した。知識グラフでは、現実世界のエンティティと/またはビジネスドメインはノードとして表現され、エッジによって接続される。また、DBpediaやWikidataなど、公開可能な知識グラフも多数存在する。
参考スコア（独自算出の注目度）: 1.7778609937758327
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Knowledge Graphs are an emerging form of knowledge representation. While Google coined the term Knowledge Graph first and promoted it as a means to improve their search results, they are used in many applications today. In a knowledge graph, entities in the real world and/or a business domain (e.g., people, places, or events) are represented as nodes, which are connected by edges representing the relations between those entities. While companies such as Google, Microsoft, and Facebook have their own, non-public knowledge graphs, there is also a larger body of publicly available knowledge graphs, such as DBpedia or Wikidata. In this chapter, we provide an overview and comparison of those publicly available knowledge graphs, and give insights into their contents, size, coverage, and overlap.
Abstract（参考訳）: 知識グラフは知識表現の新たな形態である。 GoogleはまずKnowledge Graphという用語を作り、検索結果を改善する手段として宣伝したが、今日では多くのアプリケーションで使われている。ナレッジグラフでは、実世界のエンティティおよび/またはビジネスドメイン(例えば、人、場所、イベント)はノードとして表現され、それらのエンティティ間の関係を表すエッジによって接続される。 Google、Microsoft、Facebookなどの企業は独自の公開知識グラフを持っているが、DBpediaやWikidataのような公開知識グラフも多数存在する。本章では、これらの公開知識グラフの概要と比較を行い、それらの内容、サイズ、カバレッジ、重複に関する洞察を提供する。

関連論文リスト

Assisted Knowledge Graph Authoring: Human-Supervised Knowledge Graph Construction from Natural Language [11.554941963601088]
WAKAは、ドメインの専門家が最も親しみやすいメディアを通して知識グラフを作成することができるWebアプリケーションである。歴史、物理学、医学などの分野からのドメイン固有の知識は、知識グラフにおいて著しく不足している。
論文参考訳（メタデータ） (2024-01-15T13:51:00Z)
Universal Knowledge Graph Embeddings [4.322134229203427]
本稿では,大規模知識源からユニバーサル知識グラフの埋め込みを学習することを提案する。私たちはDBpediaとWikidataをベースとした普遍的な埋め込みを、約1億5000万のエンティティ、1500万のリレーション、120億のトリプルで計算することで、私たちのアイデアをインスタンス化します。
論文参考訳（メタデータ） (2023-10-23T13:07:46Z)
A Study on Knowledge Graph Embeddings and Graph Neural Networks for Web Of Things [0.0]
将来的には、Web Of Things(WoT)の領域における知識グラフは、物理世界のデジタル表現を提供することである。本稿では,グラフエンティティの数値表現を学習するために,最先端知識グラフ埋め込み(KGE)法について検討する。また、KGEとともにグラフニューラルネットワーク(GNN)を調査し、同じ下流タスクでの性能を比較する。
論文参考訳（メタデータ） (2023-10-23T12:36:33Z)
State of the Art and Potentialities of Graph-level Learning [54.68482109186052]
グラフレベルの学習は、比較、回帰、分類など、多くのタスクに適用されている。グラフの集合を学習する伝統的なアプローチは、サブストラクチャのような手作りの特徴に依存している。ディープラーニングは、機能を自動的に抽出し、グラフを低次元表現に符号化することで、グラフレベルの学習をグラフの規模に適応させるのに役立っている。
論文参考訳（メタデータ） (2023-01-14T09:15:49Z)
Semi-Supervised Hierarchical Graph Classification [54.25165160435073]
ノードがグラフのインスタンスである階層グラフにおけるノード分類問題について検討する。本稿では階層グラフ相互情報(HGMI)を提案し,理論的保証をもってHGMIを計算する方法を提案する。本稿では,この階層グラフモデリングとSEAL-CI法がテキストおよびソーシャルネットワークデータに与える影響を実証する。
論文参考訳（メタデータ） (2022-06-11T04:05:29Z)
One-shot Scene Graph Generation [130.57405850346836]
ワンショットシーングラフ生成タスクに対して,複数の構造化知識(関係知識知識)を提案する。提案手法は既存の最先端手法よりも大きなマージンで優れる。
論文参考訳（メタデータ） (2022-02-22T11:32:59Z)
Conditional Attention Networks for Distilling Knowledge Graphs in Recommendation [74.14009444678031]
本稿では,知識グラフをレコメンデーションシステムに組み込むために,知識対応コンディショナルアテンションネットワーク(KCAN)を提案する。本研究では,まず,ユーザ・イテムネットワークとナレッジグラフのグローバルな意味的類似性を捉えるノード表現を得る。そして,そのサブグラフに条件付きアテンションアグリゲーションを適用することで,その知識グラフを改良し,目標固有ノード表現を得る。
論文参考訳（メタデータ） (2021-11-03T09:40:43Z)
Edge: Enriching Knowledge Graph Embeddings with External Text [32.01476220906261]
We propose a knowledge graph enrichment and embedded framework named Edge。元の知識グラフが与えられたら、まず、セマンティックおよび構造レベルで外部テキストを使用してリッチだがノイズの多い拡張グラフを生成する。関連する知識を抽出し,導入した雑音を抑制するため,元のグラフと拡張グラフとの共有埋め込み空間におけるグラフアライメント項を設計する。
論文参考訳（メタデータ） (2021-04-11T03:47:06Z)
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)
A Survey on Knowledge Graphs: Representation, Acquisition and Applications [89.78089494738002]
我々は,1)知識グラフ表現学習,2)知識獲得と完成,3)時間的知識グラフ,および4)知識認識アプリケーションに関する研究トピックをレビューする。知識獲得、特に知識グラフの完成、埋め込み方法、経路推論、論理ルール推論について概観する。メタラーニング、コモンセンス推論、時間的知識グラフなど、いくつかの新しいトピックを探求する。
論文参考訳（メタデータ） (2020-02-02T13:17:31Z)
Bridging Knowledge Graphs to Generate Scene Graphs [49.69377653925448]
本稿では,2つのグラフ間の情報伝達を反復的に行う新しいグラフベースニューラルネットワークを提案する。我々のグラフブリッジネットワークであるGB-Netは、エッジとノードを連続的に推論し、相互接続されたシーンとコモンセンスグラフのリッチでヘテロジニアスな構造を同時に活用し、洗練する。
論文参考訳（メタデータ） (2020-01-07T23:35:52Z)

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。