論文の概要: Knowledge Graphs
- arxiv url: http://arxiv.org/abs/2003.02320v6
- Date: Sat, 11 Sep 2021 21:36:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-26 12:41:14.685703
- Title: Knowledge Graphs
- Title(参考訳): 知識グラフ
- Authors: Aidan Hogan, Eva Blomqvist, Michael Cochez, Claudia d'Amato, Gerard de
Melo, Claudio Gutierrez, Jos\'e Emilio Labra Gayo, Sabrina Kirrane, Sebastian
Neumaier, Axel Polleres, Roberto Navigli, Axel-Cyrille Ngonga Ngomo, Sabbir
M. Rashid, Anisa Rula, Lukas Schmelzeisen, Juan Sequeda, Steffen Staab,
Antoine Zimmermann
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 43.06435841693428
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper we provide a comprehensive introduction to knowledge graphs,
which have recently garnered significant attention from both industry and
academia in scenarios that require exploiting diverse, dynamic, large-scale
collections of data. After some opening remarks, we motivate and contrast
various graph-based data models and query languages that are used for knowledge
graphs. We discuss the roles of schema, identity, and context in knowledge
graphs. We explain how knowledge can be represented and extracted using a
combination of deductive and inductive techniques. We summarise methods for the
creation, enrichment, quality assessment, refinement, and publication of
knowledge graphs. We provide an overview of prominent open knowledge graphs and
enterprise knowledge graphs, their applications, and how they use the
aforementioned techniques. We conclude with high-level future research
directions for knowledge graphs.
- Abstract(参考訳): 本稿では知識グラフの包括的紹介を行い,近年,多様で動的,大規模データ集合の活用を要求されるシナリオにおいて,産学界と学界の両方から大きな注目を集めている。
オープンコメントの後、様々なグラフベースのデータモデルとナレッジグラフに使用されるクエリ言語を動機付け、対比します。
知識グラフにおけるスキーマ,アイデンティティ,コンテキストの役割について議論する。
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作成,エンリッチメント,品質評価,改良,公開のための手法を要約する。
オープンナレッジグラフとエンタープライズナレッジグラフ、その応用、そして上記のテクニックの使い方について概観する。
我々は、知識グラフの高レベルな将来の研究方向で結論づける。
関連論文リスト
- Knowledge Graphs: Opportunities and Challenges [3.868053839556011]
膨大な量の知識を適切に整理し、表現することが重要になっている。
グラフデータとして、知識グラフは現実世界の知識を蓄積し伝達する。
本稿では知識グラフの機会と課題に焦点を当てる。
論文 参考訳(メタデータ) (2023-03-24T12:10:42Z) - 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) - 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) - 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) - Graph Learning: A Survey [38.245120261668816]
本稿では,グラフ学習の現状について概観する。
グラフ信号処理,行列分解,ランダムウォーク,ディープラーニングなど,既存のグラフ学習手法の4つのカテゴリに特に注目されている。
テキスト,画像,科学,知識グラフ,最適化といった分野におけるグラフ学習アプリケーションについて検討する。
論文 参考訳(メタデータ) (2021-05-03T09:06:01Z) - 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) - KompaRe: A Knowledge Graph Comparative Reasoning System [85.72488258453926]
本稿では,複数の手がかりに対する共通点と矛盾点の推測を目的とした知識グラフの比較推論を提案する。
我々は,大規模な知識グラフに対して比較推論機能を提供する,最初のプロトタイプシステムであるKompaReを開発した。
論文 参考訳(メタデータ) (2020-11-06T04:57:37Z) - A Heterogeneous Graph with Factual, Temporal and Logical Knowledge for
Question Answering Over Dynamic Contexts [81.4757750425247]
動的テキスト環境における質問応答について検討する。
構築したグラフ上にグラフニューラルネットワークを構築し,エンドツーエンドでモデルをトレーニングする。
論文 参考訳(メタデータ) (2020-04-25T04:53:54Z) - 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)
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。