論文の概要: Coupling semantic and statistical techniques for dynamically enriching
web ontologies
- arxiv url: http://arxiv.org/abs/2004.11081v1
- Date: Thu, 23 Apr 2020 11:21:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-10 09:55:12.620947
- Title: Coupling semantic and statistical techniques for dynamically enriching
web ontologies
- Title（参考訳）: webオントロジーの動的エンリッチ化のための結合意味論と統計的手法
- Authors: Mohammed Maree, Mohammed Belkhatir
- Abstract要約: 本稿では,World Wide Web から大規模ジェネリックを動的に強化するための,自動結合型統計・セマンティックフレームワークを提案する。
このアプローチの利点は, (i) 背景知識の欠如による大規模セマンティック・パターンのダイナミック・エンリッチメントを提案し, このような知識の再利用を可能にすることである。
- 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: With the development of the Semantic Web technology, the use of ontologies to
store and retrieve information covering several domains has increased. However,
very few ontologies are able to cope with the ever-growing need of frequently
updated semantic information or specific user requirements in specialized
domains. As a result, a critical issue is related to the unavailability of
relational information between concepts, also coined missing background
knowledge. One solution to address this issue relies on the manual enrichment
of ontologies by domain experts which is however a time consuming and costly
process, hence the need for dynamic ontology enrichment. In this paper we
present an automatic coupled statistical/semantic framework for dynamically
enriching large-scale generic ontologies from the World Wide Web. Using the
massive amount of information encoded in texts on the Web as a corpus, missing
background knowledge can therefore be discovered through a combination of
semantic relatedness measures and pattern acquisition techniques and
subsequently exploited. The benefits of our approach are: (i) proposing the
dynamic enrichment of large-scale generic ontologies with missing background
knowledge, and thus, enabling the reuse of such knowledge, (ii) dealing with
the issue of costly ontological manual enrichment by domain experts.
Experimental results in a precision-based evaluation setting demonstrate the
effectiveness of the proposed techniques.
- Abstract（参考訳）: セマンティックWeb技術の発展に伴い,複数のドメインをカバーする情報を格納・取得するためのオントロジーの利用が増加している。
しかし、高度に更新されるセマンティック情報や特定のドメインにおける特定のユーザー要求に対処できるオントロジーはごくわずかである。
その結果,背景知識の欠如による概念間の関係情報の有効性の欠如が重要な問題となっている。
この問題に対処する1つの解決策は、ドメインエキスパートによるオントロジーの手動による強化に依存しているが、それは時間とコストのかかるプロセスであり、そのため動的なオントロジーの強化が必要である。
本稿では,world wide web から大規模汎用オントロジーを動的に拡張する自動結合統計・理論フレームワークを提案する。
ウェブ上のテキストに符号化された膨大な量の情報をコーパスとして利用することにより、意味的関連性尺度とパターン獲得手法の組み合わせにより、背景知識の欠如が発見され、その後活用される。
私たちのアプローチの利点は
(i)背景知識を欠いた大規模総合的オントロジーのダイナミックエンリッチメントを提案することで、そのような知識の再利用を可能にする。
(ii)ドメインエキスパートによる費用のかかるオントロジなマニュアルエンリッチメントの問題を扱う。
精度に基づく評価設定における実験結果は,提案手法の有効性を示す。
関連論文リスト
- Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オントロジはドメイン知識とメタデータを表現するために広く使われている。
1つの簡単な解決策は、統計分析と機械学習を統合することである。
埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
論文 参考訳（メタデータ） (2024-06-16T14:49:19Z) - Stepping out of Flatland: Discovering Behavior Patterns as Topological Structures in Cyber Hypergraphs [0.7835894511242797]
本稿では,ハイパーグラフとトポロジ理論に基づく新しいフレームワークを提案する。
大規模なサイバーネットワークデータセットで具体例を示す。
論文 参考訳（メタデータ） (2023-11-08T00:00:33Z) - Synergistic information supports modality integration and flexible
learning in neural networks solving multiple tasks [107.8565143456161]
本稿では,様々な認知タスクを行う単純な人工ニューラルネットワークが採用する情報処理戦略について検討する。
結果は、ニューラルネットワークが複数の多様なタスクを学習するにつれて、シナジーが増加することを示している。
トレーニング中に無作為にニューロンを停止させると、ネットワークの冗長性が増加し、ロバスト性の増加に対応する。
論文 参考訳（メタデータ） (2022-10-06T15:36:27Z) - Neuro-Symbolic Artificial Intelligence (AI) for Intent based Semantic
Communication [85.06664206117088]
6Gネットワークはデータ転送のセマンティクスと有効性(エンドユーザ)を考慮する必要がある。
観測データの背後にある因果構造を学習するための柱としてNeSy AIが提案されている。
GFlowNetは、無線システムにおいて初めて活用され、データを生成する確率構造を学ぶ。
論文 参考訳（メタデータ） (2022-05-22T07:11:57Z) - Incorporation of Deep Neural Network & Reinforcement Learning with
Domain Knowledge [0.0]
本稿では,ニューラルネットワークを用いたモデル構築において,ドメイン情報を組み込んだ手法について述べる。
空間データの統合は、知識理解モデルの開発や、ヒューマン・マシン・インタフェースと強化学習を活用することで情報理解を支援する他の分野において、一意に重要である。
論文 参考訳（メタデータ） (2021-07-29T17:29:02Z) - Meta-learning using privileged information for dynamics [66.32254395574994]
Neural ODE Processモデルを拡張して、Learning Using Privileged Information設定内の追加情報を使用します。
シミュレーション動的タスクの精度とキャリブレーションを向上した実験により拡張性を検証する。
論文 参考訳（メタデータ） (2021-04-29T12:18:02Z) - Knowledge Graph Anchored Information-Extraction for Domain-Specific
Insights [1.6308268213252761]
新しいドメイン内で特定の情報ニーズを満たすためにタスクベースのアプローチを使用します。
美術NLP技術の状態を構成したパイプラインを使用して、インスタンスレベルのセマンティック構造を自動的に抽出する。
論文 参考訳（メタデータ） (2021-04-18T19:28:10Z) - Context Decoupling Augmentation for Weakly Supervised Semantic
Segmentation [53.49821324597837]
微調整されたセマンティックセグメンテーションは、近年深く研究されている困難な問題です。
本稿では、オブジェクトが現れる固有のコンテキストを変更する Context Decoupling Augmentation (CDA) メソッドを紹介します。
提案手法の有効性を検証するため, PASCAL VOC 2012データセットにいくつかの代替ネットワークアーキテクチャを用いた広範な実験を行い, CDAが様々なWSSS手法を新たな最先端技術に拡張できることを実証した。
論文 参考訳（メタデータ） (2021-03-02T15:05:09Z) - Extracting Semantic Concepts and Relations from Scientific Publications
by Using Deep Learning [0.0]
本研究の目的は,学術出版物から意味概念と関係を自動的に抽出する提案を行うことである。
本稿では,意味関係の新たなタイプを提案するとともに,意味関係抽出に深層学習(DL)モデルを用いる点を指摘する。
論文 参考訳（メタデータ） (2020-09-01T10:19:18Z) - Learning Connectivity of Neural Networks from a Topological Perspective [80.35103711638548]
本稿では,ネットワークを解析のための完全なグラフに表現するためのトポロジ的視点を提案する。
接続の規模を反映したエッジに学習可能なパラメータを割り当てることにより、学習プロセスを異なる方法で行うことができる。
この学習プロセスは既存のネットワークと互換性があり、より大きな検索空間と異なるタスクへの適応性を持っている。
論文 参考訳（メタデータ） (2020-08-19T04:53:31Z) - Natural language technology and query expansion: issues,
state-of-the-art and perspectives [0.0]
クエリのあいまいさや誤解釈を引き起こす言語特性と、追加の要因は、ユーザの情報ニーズを正確に表現する能力に影響を与える。
汎用言語に基づく問合せ拡張フレームワークの解剖学を概説し,モジュールに基づく分解を提案する。
それぞれのモジュールについて、文献における最先端のソリューションをレビューし、使用するテクニックの光の下で分類する。
論文 参考訳（メタデータ） (2020-04-23T11:39:07Z)
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。