論文の概要: KGTK: A Toolkit for Large Knowledge Graph Manipulation and Analysis
- arxiv url: http://arxiv.org/abs/2006.00088v3
- Date: Wed, 26 May 2021 15:22:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-26 23:40:00.082364
- Title: KGTK: A Toolkit for Large Knowledge Graph Manipulation and Analysis
- Title（参考訳）: KGTK: 大規模知識グラフ操作と解析のためのツールキット
- Authors: Filip Ilievski and Daniel Garijo and Hans Chalupsky and Naren Teja
Divvala and Yixiang Yao and Craig Rogers and Rongpeng Li and Jun Liu and
Amandeep Singh and Daniel Schwabe and Pedro Szekely
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 9.141014703209494
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Knowledge graphs (KGs) have become the preferred technology for representing,
sharing and adding knowledge to modern AI applications. While KGs have become a
mainstream technology, the RDF/SPARQL-centric toolset for operating with them
at scale is heterogeneous, difficult to integrate and only covers a subset of
the operations that are commonly needed in data science applications. In this
paper we present KGTK, a data science-centric toolkit designed to represent,
create, transform, enhance and analyze KGs. KGTK represents graphs in tables
and leverages popular libraries developed for data science applications,
enabling a wide audience of developers to easily construct knowledge graph
pipelines for their applications. We illustrate the framework with real-world
scenarios where we have used KGTK to integrate and manipulate large KGs, such
as Wikidata, DBpedia and ConceptNet.
- Abstract（参考訳）: 知識グラフ(KG)は、現代のAIアプリケーションに知識を表現、共有、付加する技術として好まれている。
KGは主流技術になっているが、RDF/SPARQL中心の大規模運用ツールセットは異種であり、統合が困難であり、データサイエンスアプリケーションで一般的に必要とされる操作のサブセットのみをカバーする。
本稿では,kgsの表現,生成,変換,拡張,解析を行うデータサイエンス中心のツールキットであるkgtkについて述べる。
kgtkはテーブル内のグラフを表し、データサイエンスアプリケーション用に開発された一般的なライブラリを活用することで、アプリケーション用のナレッジグラフパイプラインを簡単に構築できる。
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フレームワークを説明する。
関連論文リスト
- Distill-SynthKG: Distilling Knowledge Graph Synthesis Workflow for Improved Coverage and Efficiency [59.6772484292295]
大規模言語モデル(LLM)によって生成される知識グラフ(KG)は、検索・拡張生成(RAG)アプリケーションにとってますます価値が増している。
既存のKG抽出法は、大規模コーパスの処理に非効率なプロンプトベースのアプローチに依存している。
LLMに基づく多段階文書レベルのKGワークフローであるSynthKGを提案する。
我々はまた、RAGのための新しいグラフベースの検索フレームワークを設計する。
論文 参考訳（メタデータ） (2024-10-22T00:47:54Z) - iText2KG: Incremental Knowledge Graphs Construction Using Large Language Models [0.7165255458140439]
iText2KGは、後処理なしで漸進的にトピックに依存しない知識グラフを構築する方法である。
提案手法は,3つのシナリオにまたがるベースライン手法と比較して,優れた性能を示す。
論文 参考訳（メタデータ） (2024-09-05T06:49:14Z) - LLM-assisted Knowledge Graph Engineering: Experiments with ChatGPT [0.2107969466194361]
ChatGPTは知識グラフの開発と管理を支援する。
知識グラフエンジニアリング(KGE)は、グラフ構造、Web技術、既存のモデルと語彙、ルールセット、ロジック、ベストプラクティスの詳細な経験を必要とする。
論文 参考訳（メタデータ） (2023-07-13T17:31:41Z) - An Open-Source Knowledge Graph Ecosystem for the Life Sciences [5.665519167428707]
PheKnowLatorは、存在論的基盤を持つ知識グラフの構築を自動化するセマンティックエコシステムである。
エコシステムには、KG構築リソース、分析ツール、ベンチマークが含まれている。
PheKnowLatorは、パフォーマンスやユーザビリティを損なうことなく、完全にカスタマイズ可能なKGを可能にする。
論文 参考訳（メタデータ） (2023-07-11T18:55:09Z) - KG-Hub -- Building and Exchanging Biological Knowledge Graphs [0.5369297590461578]
KG-Hubは知識グラフの標準化された構築、交換、再利用を可能にするプラットフォームである。
現在のKG-Hubプロジェクトは、新型コロナウイルス研究、薬物再精製、微生物-環境相互作用、希少疾患研究などのユースケースにまたがっている。
論文 参考訳（メタデータ） (2023-01-31T21:29:35Z) - A Survey of Knowledge Graph Reasoning on Graph Types: Static, Dynamic,
and Multimodal [57.8455911689554]
知識グラフ推論(KGR)は、知識グラフに基づくマイニング論理則に基づいて、既存の事実から新しい事実を推論することを目的としている。
質問応答やレコメンデーションシステムなど、多くのAIアプリケーションでKGを使うことに大きなメリットがあることが証明されている。
論文 参考訳（メタデータ） (2022-12-12T08:40:04Z) - KGxBoard: Explainable and Interactive Leaderboard for Evaluation of
Knowledge Graph Completion Models [76.01814380927507]
KGxBoardは、データの意味のあるサブセットを詳細に評価するためのインタラクティブなフレームワークである。
実験では,KGxBoardを用いることで,標準平均シングルスコアメトリクスでは検出が不可能であったことを強調した。
論文 参考訳（メタデータ） (2022-08-23T15:11:45Z) - Scientific Language Models for Biomedical Knowledge Base Completion: An
Empirical Study [62.376800537374024]
我々は,KG の完成に向けた科学的 LM の研究を行い,生物医学的リンク予測を強化するために,その潜在知識を活用できるかどうかを探る。
LMモデルとKG埋め込みモデルを統合し,各入力例をいずれかのモデルに割り当てることを学ぶルータ法を用いて,性能を大幅に向上させる。
論文 参考訳（メタデータ） (2021-06-17T17:55:33Z) - Relational Learning Analysis of Social Politics using Knowledge Graph
Embedding [11.978556412301975]
本稿では,新しい信頼性ドメインベースのKG埋め込みフレームワークを提案する。
ヘテロジニアスリソースから得られたデータの融合を、ドメインによって表現された正式なKG表現にキャプチャする。
このフレームワークは、データ品質と信頼性を保証するための信頼性モジュールも具体化している。
論文 参考訳（メタデータ） (2020-06-02T14:10:28Z) - ENT-DESC: Entity Description Generation by Exploring Knowledge Graph [53.03778194567752]
実際には、出力記述が最も重要な知識のみをカバーするため、入力知識は十分以上である可能性がある。
我々は、KG-to-textにおけるこのような実践的なシナリオの研究を容易にするために、大規模で挑戦的なデータセットを導入する。
本稿では,元のグラフ情報をより包括的に表現できるマルチグラフ構造を提案する。
論文 参考訳（メタデータ） (2020-04-30T14:16:19Z) - KACC: A Multi-task Benchmark for Knowledge Abstraction, Concretization
and Completion [99.47414073164656]
包括的知識グラフ(KG)は、インスタンスレベルのエンティティグラフとオントロジーレベルの概念グラフを含む。
2ビューのKGは、知識の抽象化、包括化、完成に関する人間の能力を「シミュレーション」するためのモデルのためのテストベッドを提供する。
我々は,データセットのスケール,タスクカバレッジ,難易度の観点から,既存のベンチマークを改善した統一KGベンチマークを提案する。
論文 参考訳（メタデータ） (2020-04-28T16:21:57Z)
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。