論文の概要: Knowledge Graph semantic enhancement of input data for improving AI

• arxiv url: http://arxiv.org/abs/2005.04726v1
• Date: Sun, 10 May 2020 17:37:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-05 01:20:19.293604
• Title: Knowledge Graph semantic enhancement of input data for improving AI
• Title（参考訳）: 知識グラフによるAI改善のための入力データのセマンティックエンハンスメント
• Authors: Shreyansh Bhatt, Amit Sheth, Valerie Shalin, Jinjin Zhao
• Abstract要約: 機械学習アルゴリズムを用いて設計されたインテリジェントシステムは、大量のラベル付きデータを必要とする。 背景知識は、限定ラベル付きデータを拡張して機械学習アルゴリズムを訓練する、補完的で現実的な事実情報を提供する。 知識グラフ(KG)は、多くの実践的な応用において、グラフの形でこれらの背景知識を整理するのに便利で有用である。
• 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: Intelligent systems designed using machine learning algorithms require a large number of labeled data. Background knowledge provides complementary, real world factual information that can augment the limited labeled data to train a machine learning algorithm. The term Knowledge Graph (KG) is in vogue as for many practical applications, it is convenient and useful to organize this background knowledge in the form of a graph. Recent academic research and implemented industrial intelligent systems have shown promising performance for machine learning algorithms that combine training data with a knowledge graph. In this article, we discuss the use of relevant KGs to enhance input data for two applications that use machine learning -- recommendation and community detection. The KG improves both accuracy and explainability.
• Abstract（参考訳）: 機械学習アルゴリズムを用いて設計されたインテリジェントシステムは、大量のラベル付きデータを必要とする。 背景知識は、限定ラベル付きデータを拡張して機械学習アルゴリズムを訓練する、補完的で現実的な事実情報を提供する。 知識グラフ(KG)という用語は、多くの実践的な応用において、グラフの形でこれらの背景知識を整理するのに便利で有用である。 近年の学術研究と産業知能システムの実装により、学習データと知識グラフを組み合わせた機械学習アルゴリズムの性能が期待できる。 本稿では,機械学習を利用する2つのアプリケーション -レコメンデーションとコミュニティ検出 - の入力データを強化するための,関連するkgsの利用について論じる。 KGは精度と説明性の両方を改善する。

関連論文リスト

• A Survey on Knowledge Graph-based Methods for Automated Driving [0.0]
  知識グラフ(KG)は、構造化データ、動的データ、およびリレーショナルデータを活用することで恩恵を受けるアプリケーションに対して、業界と学術の両方から大きな注目を集めている。 我々は、現在研究課題を議論し、自動運転のためのKGベースのソリューションについて、将来的な研究方向性を提案する。
  論文  参考訳（メタデータ） (2022-09-30T15:47:19Z)
• Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
  マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。 本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
  論文  参考訳（メタデータ） (2022-09-05T16:48:34Z)
• Hardware-agnostic Computation for Large-scale Knowledge Graph Embeddings [1.1650381752104297]
  ハードウェアに依存しない大規模知識グラフの埋め込みを計算するためのフレームワークを開発する。 当社のフレームワークのオープンソースバージョンと,11.4B以上のパラメータを持つ事前トレーニング済みモデルのハブを提供しています。
  論文  参考訳（メタデータ） (2022-07-18T12:10:27Z)
• Computing Rule-Based Explanations of Machine Learning Classifiers using Knowledge Graphs [62.997667081978825]
  我々は、機械学習分類器の動作を説明する用語を提供する基盤となるフレームワークとして知識グラフを使用している。 特に,知識グラフの用語で表される一階述語論理規則の形で,ブラックボックスの説明を抽出し,表現するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-02-08T16:21:49Z)
• Automated Graph Machine Learning: Approaches, Libraries, Benchmarks and Directions [58.220137936626315]
  本稿では,グラフ機械学習の自動手法について論じる。 当社の専用かつ世界初のグラフ機械学習のためのオープンソースライブラリであるAutoGLを紹介します。 また、統一的で再現性があり、効率的な評価をサポートする調整されたベンチマークについて述べる。
  論文  参考訳（メタデータ） (2022-01-04T18:31:31Z)
• 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)
• Efficient Learning of Pinball TWSVM using Privileged Information and its applications [0.0]
  特権情報に基づくTwin Pinball Support Vector Machine分類器(Pin-TWSVMPI)を提案する。 提案したPin-TWSVMPIは2つの非並列決定超平面を得るために補正関数を用いて特権情報を組み込む。 UCIデータセットに対して、まず、Pin-TWSVMPIによりさらに活用されるデータセットの特徴から特権情報を抽出するプロシージャを実装する。
  論文  参考訳（メタデータ） (2021-07-14T14:42:07Z)
• Knowledge Modelling and Active Learning in Manufacturing [0.6299766708197884]
  オントロジとナレッジグラフは、幅広い概念、問題、設定をモデル化し、関連付ける手段を提供する。 どちらも、推論を導出し、行方不明の知識を識別することで、新しい知識を生成するために使用することができる。 アクティブラーニングは、ユーザのフィードバックを取得し、摩擦を減らし、知識獲得を最大化する最も有益なデータインスタンスを特定するために使用できる。
  論文  参考訳（メタデータ） (2021-07-05T22:07:21Z)
• KGTK: A Toolkit for Large Knowledge Graph Manipulation and Analysis [9.141014703209494]
  KGTKは、KGを表現、生成、変換、拡張、分析するために設計されたデータサイエンス中心のツールキットである。 我々はKGTKを使ってWikidataやDBpedia、ConceptNetといった大規模なKGを統合・操作する現実世界のシナリオでこのフレームワークを説明します。
  論文  参考訳（メタデータ） (2020-05-29T21:29:14Z)
• Mining Implicit Entity Preference from User-Item Interaction Data for Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
  本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。 我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。 利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-03-28T05:47:33Z)
• Data-Driven Factor Graphs for Deep Symbol Detection [107.63351413549992]
  本稿では,因子グラフ法をデータ駆動方式で実装することを提案する。 特に,機械学習(ML)ツールを用いて因子グラフの学習を提案する。 我々は,BCJRNetと呼ばれる提案システムにおいて,BCJRアルゴリズムを小さなトレーニングセットから実装することを実証した。
  論文  参考訳（メタデータ） (2020-01-31T09:23:52Z)

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。

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。