論文の概要: Expressiveness and machine processability of Knowledge Organization
Systems (KOS): An analysis of concepts and relations
- arxiv url: http://arxiv.org/abs/2003.05258v1
- Date: Wed, 11 Mar 2020 12:35:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-24 13:27:33.254094
- Title: Expressiveness and machine processability of Knowledge Organization
Systems (KOS): An analysis of concepts and relations
- Title（参考訳）: 知識組織システム(KOS)の表現性と機械処理性:概念と関係の分析
- Authors: Manolis Peponakis, Anna Mastora, Sarantos Kapidakis, Martin Doerr
- Abstract要約: 各知識組織システムの表現性と機械処理性の両方の可能性は、その構造規則によって広範囲に規制されている。
オントロジーは多種多様な関係を明示的に定義し、その性質上機械処理可能である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This study considers the expressiveness (that is the expressive power or
expressivity) of different types of Knowledge Organization Systems (KOS) and
discusses its potential to be machine-processable in the context of the
Semantic Web. For this purpose, the theoretical foundations of KOS are reviewed
based on conceptualizations introduced by the Functional Requirements for
Subject Authority Data (FRSAD) and the Simple Knowledge Organization System
(SKOS); natural language processing techniques are also implemented. Applying a
comparative analysis, the dataset comprises a thesaurus (Eurovoc), a subject
headings system (LCSH) and a classification scheme (DDC). These are compared
with an ontology (CIDOC-CRM) by focusing on how they define and handle concepts
and relations. It was observed that LCSH and DDC focus on the formalism of
character strings (nomens) rather than on the modelling of semantics; their
definition of what constitutes a concept is quite fuzzy, and they comprise a
large number of complex concepts. By contrast, thesauri have a coherent
definition of what constitutes a concept, and apply a systematic approach to
the modelling of relations. Ontologies explicitly define diverse types of
relations, and are by their nature machine-processable. The paper concludes
that the potential of both the expressiveness and machine processability of
each KOS is extensively regulated by its structural rules. It is harder to
represent subject headings and classification schemes as semantic networks with
nodes and arcs, while thesauri are more suitable for such a representation. In
addition, a paradigm shift is revealed which focuses on the modelling of
relations between concepts, rather than the concepts themselves.
- Abstract（参考訳）: 本研究では,異なるタイプの知識組織システム(KOS)の表現性(表現力または表現力)を考察し,セマンティックウェブの文脈で機械処理可能である可能性について考察する。
この目的のために、KOSの理論的基礎は、Functional Requirements for Subject Authority Data(FRSAD)とSimple Knowledge Organization System(SKOS)によって導入された概念化に基づいてレビューされ、自然言語処理技術も実装されている。
比較分析を適用したデータセットは、シソーラス(Eurovoc)、主観誘導システム(LCSH)、分類スキーム(DDC)から構成される。
これらは概念と関係をどのように定義し扱うかに焦点を当てたオントロジー(CIDOC-CRM)と比較される。
lcsh と ddc は、意味論のモデリングよりも文字列(名詞)の形式化に焦点を当てているのが観察された。
対照的に、thesauriは概念を構成するものに関する一貫性のある定義を持ち、関係のモデリングに体系的なアプローチを適用する。
オントロジーは多種多様な関係を明示的に定義し、その性質上機械処理可能である。
本稿は,各KOSの表現性および機械処理性の両方のポテンシャルが,その構造規則により広範囲に規制されていることを結論付けている。
対象の見出しや分類スキームをノードや弧のセマンティックネットワークとして表現することは困難であり、その表現にシサウリの方が適している。
さらに、概念そのものではなく、概念間の関係のモデル化に焦点を当てたパラダイムシフトが明らかにされる。
関連論文リスト
- Learning Discrete Concepts in Latent Hierarchical Models [73.01229236386148]
自然の高次元データから学習する概念は、ヒューマンアライメントと解釈可能な機械学習モデルの構築の可能性を秘めている。
我々は概念を階層的因果モデルを通して関連付けられた離散潜在因果変数として定式化する。
我々は、理論的な主張を合成データ実験で裏付ける。
論文 参考訳（メタデータ） (2024-06-01T18:01:03Z) - Hierarchical Invariance for Robust and Interpretable Vision Tasks at Larger Scales [54.78115855552886]
本稿では、畳み込みニューラルネットワーク(CNN)のような階層型アーキテクチャを用いて、オーバーコンプリート不変量を構築する方法を示す。
オーバーコンプリート性により、そのタスクはニューラルアーキテクチャサーチ(NAS)のような方法で適応的に形成される。
大規模で頑健で解釈可能な視覚タスクの場合、階層的不変表現は伝統的なCNNや不変量に対する効果的な代替物とみなすことができる。
論文 参考訳（メタデータ） (2024-02-23T16:50:07Z) - Discrete, compositional, and symbolic representations through attractor dynamics [51.20712945239422]
我々は,思考の確率的言語(PLoT)に似た認知過程をモデル化するために,アトラクタダイナミクスを記号表現と統合した新しいニューラルシステムモデルを導入する。
我々のモデルは、連続表現空間を、事前定義されたプリミティブに頼るのではなく、教師なし学習を通じて、記号系の意味性と構成性の特徴を反映する、記号列に対応する引き付け状態を持つ離散盆地に分割する。
このアプローチは、認知操作の複雑な双対性を反映したより包括的なモデルを提供する、AIにおける表現力の証明された神経弁別可能な基質であるニューラルダイナミクスを通じて、シンボル処理とサブシンボル処理の両方を統合する統一的なフレームワークを確立する。
論文 参考訳（メタデータ） (2023-10-03T05:40:56Z) - A Recursive Bateson-Inspired Model for the Generation of Semantic Formal
Concepts from Spatial Sensory Data [77.34726150561087]
本稿では,複雑な感覚データから階層構造を生成するための記号のみの手法を提案する。
このアプローチは、概念や概念の創始の鍵としてのバテソンの差異の概念に基づいている。
このモデルは、トレーニングなしでかなりリッチだが人間に読まれる概念表現を生成することができる。
論文 参考訳（メタデータ） (2023-07-16T15:59:13Z) - A Probabilistic-Logic based Commonsense Representation Framework for
Modelling Inferences with Multiple Antecedents and Varying Likelihoods [5.87677276882675]
コモンセンス・ナレッジグラフ(英: Commonsense knowledge-graphs、CKG)は、テキストや環境入力で「推論」でき、知覚を超えた推論ができる機械を構築するための重要なリソースである。
本研究は,コモンセンス知識の表現方法として, (i) 複合的推論知識をモデル化し,様々な可能性で概念的信念を表現するための確率論的論理表現スキーム, (ii) 健全な概念関連関係を同定し,異なる概念レベルで信念を整理する階層的概念オントロジーを取り入れることにより, コモンセンス知識をより良く表現することができるかを検討する。
論文 参考訳（メタデータ） (2022-11-30T08:44:30Z) - Investigating the Role of Centering Theory in the Context of Neural
Coreference Resolution Systems [71.57556446474486]
中心化理論と現代のコア参照分解システムとの関係について検討する。
高品質なニューラルコア参照リゾルバは、中心となるアイデアを明示的にモデル化することの恩恵を受けない可能性がある。
また, 再発をモデルとしたCTのバージョンを定式化し, バニラCTよりも良質なコア参照情報を取得することを示した。
論文 参考訳（メタデータ） (2022-10-26T12:55:26Z) - Acquiring and Modelling Abstract Commonsense Knowledge via Conceptualization [49.00409552570441]
本研究では,コモンセンス推論における概念化の役割について検討し,人間の概念化を再現する枠組みを定式化する。
ATOMIC は大規模な人為的注釈付き CKG であり,この枠組みを分類プロベースで支援している。
論文 参考訳（メタデータ） (2022-06-03T12:24:49Z) - GlanceNets: Interpretabile, Leak-proof Concept-based Models [23.7625973884849]
概念ベースモデル(CBM)は、高レベルの概念の語彙の獲得と推論によって、ハイパフォーマンスと解釈可能性を組み合わせる。
我々は、モデル表現と基礎となるデータ生成プロセスとの整合性の観点から、解釈可能性を明確に定義する。
GlanceNetsは不整合表現学習とオープンセット認識の技法を利用してアライメントを実現する新しいCBMである。
論文 参考訳（メタデータ） (2022-05-31T08:53:53Z) - Document Structure aware Relational Graph Convolutional Networks for
Ontology Population [1.076210145983805]
文書コーパスにおける概念間の存在論的関係の学習における文書構造の役割を考察する。
超音速発見と説明可能性から着想を得た本手法は,RCNモデルのスタンドアロンモデルよりも約15ポイント精度が高い。
論文 参考訳（メタデータ） (2021-04-27T02:50:39Z) - Is Disentanglement all you need? Comparing Concept-based &
Disentanglement Approaches [24.786152654589067]
概念に基づく説明と非絡み合いのアプローチの概要を述べる。
両クラスからの最先端のアプローチは、データ非効率、分類/回帰タスクの特定の性質に敏感、あるいは採用した概念表現に敏感であることを示す。
論文 参考訳（メタデータ） (2021-04-14T15:06:34Z) - Plausible Reasoning about EL-Ontologies using Concept Interpolation [27.314325986689752]
本稿では,モデル理論の明確な意味論に基づく帰納的機構を提案する。
我々は、カテゴリーベース誘導の認知モデルと密接に関連している強力なコモンセンス推論機構である推論に焦点を当てた。
論文 参考訳（メタデータ） (2020-06-25T14:19:41Z)
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。