論文の概要: A Novel Approach for Generating SPARQL Queries from RDF Graphs
- arxiv url: http://arxiv.org/abs/2006.02862v1
- Date: Sat, 30 May 2020 18:28:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-26 18:09:06.933144
- Title: A Novel Approach for Generating SPARQL Queries from RDF Graphs
- Title(参考訳): RDFグラフからSPARQLクエリを生成する新しいアプローチ
- Authors: Emna Jabri
- Abstract要約: この研究は、研究マスターの論文プロジェクトの一部として行われている。
目標は、RDFグラフをクエリするために、ユーザが提供するキーワードに基づいてSPARQLクエリを生成することだ。
- 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: This work is done as part of a research master's thesis project. The goal is
to generate SPARQL queries based on user-supplied keywords to query RDF graphs.
To do this, we first transformed the input ontology into an RDF graph that
reflects the semantics represented in the ontology. Subsequently, we stored
this RDF graph in the Neo4j graphical database to ensure efficient and
persistent management of RDF data. At the time of the interrogation, we studied
the different possible and desired interpretations of the request originally
made by the user. We have also proposed to carry out a sort of transformation
between the two query languages SPARQL and Cypher, which is specific to Neo4j.
This allows us to implement the architecture of our system over a wide variety
of BD-RDFs providing their query languages, without changing any of the other
components of the system. Finally, we tested and evaluated our tool using
different test bases, and it turned out that our tool is comprehensive,
effective, and powerful enough.
- Abstract(参考訳): この作業は研究マスターの論文プロジェクトの一環として行われます。
目標は、RDFグラフをクエリするために、ユーザが提供するキーワードに基づいてSPARQLクエリを生成することだ。
そこで我々はまず,入力オントロジーを,オントロジーで表される意味を反映したRDFグラフに変換する。
その後、このRDFグラフをNeo4jグラフィカルデータベースに保存し、RDFデータの効率的かつ永続的な管理を保証する。
取調べの際には,当初ユーザによってなされた要求に対する,異なる可能な解釈と望ましい解釈について検討した。
また、neo4jに特有の2つのクエリ言語であるsparqlとcypherの変換も提案しました。
これにより、システムの他のコンポーネントを変更することなく、クエリ言語を提供するさまざまなBD-RDFに対して、システムのアーキテクチャを実装することができます。
最後に、異なるテストベースを使用してツールをテストし、評価しました。
関連論文リスト
- RAGGED: Towards Informed Design of Retrieval Augmented Generation Systems [51.171355532527365]
本稿では,RAGシステムの解析と最適化を行うRAGGEDフレームワークを紹介する。
エンコーダデコーダとデコーダのみのアーキテクチャにおいて,2つの古典的スパースと高密度検索器,および4つのトップパフォーマンスLMについて検討した。
論文 参考訳(メタデータ) (2024-03-14T02:26:31Z) - Improving Text-to-SQL Semantic Parsing with Fine-grained Query
Understanding [84.04706075621013]
トークンレベルのきめ細かいクエリ理解に基づく汎用的モジュール型ニューラルネットワーク解析フレームワークを提案する。
我々のフレームワークは、名前付きエンティティ認識(NER)、ニューラルエンティティリンカ(NEL)、ニューラルエンティティリンカ(NSP)の3つのモジュールから構成されている。
論文 参考訳(メタデータ) (2022-09-28T21:00:30Z) - Generate rather than Retrieve: Large Language Models are Strong Context
Generators [74.87021992611672]
本稿では,文書検索を大規模言語モデル生成器に置き換えることで,知識集約型タスクを解く新しい視点を提案する。
我々は,提案手法をgenRead (genRead) と呼び,まず大きな言語モデルに対して,与えられた質問に基づいて文脈文書を生成し,次に生成された文書を読み出して最終回答を生成する。
論文 参考訳(メタデータ) (2022-09-21T01:30:59Z) - Expressive Reasoning Graph Store: A Unified Framework for Managing RDF
and Property Graph Databases [9.021529689292985]
ERGS(Expressive Reasoning Graph Store)について紹介する。
ERGSはJanusGraph上に構築されたグラフストアで、RDFデータセットの保存とクエリを可能にする。
本稿では、RDFデータをProperty Graph表現に変換し、SPARQLクエリを一連のGremlinに変換するクエリ変換モジュールを記述する。
論文 参考訳(メタデータ) (2022-09-13T09:07:50Z) - VGStore: A Multimodal Extension to SPARQL for Querying RDF Scene Graph [26.239835473804366]
SPARQLは、セマンティックな類似性や空間的な関係など、暗黙のマルチモーダルな関係をほとんど探求しません。
RDFグラフデータベースに大規模なシーングラフデータセット、すなわちVisual Genomeを組み込むことで、この問題を最初に検討した。
提案したRDFストア型マルチモーダルシーングラフに基づいてSPARQLクエリを拡張した。
論文 参考訳(メタデータ) (2022-09-07T08:05:00Z) - UnifieR: A Unified Retriever for Large-Scale Retrieval [84.61239936314597]
大規模な検索は、クエリを与えられた巨大なコレクションから関連ドキュメントをリコールすることである。
事前学習型言語モデル(PLM)に基づく最近の検索手法は,高密度ベクターあるいはレキシコンに基づくパラダイムに大別することができる。
本論文では,高密度ベクトルとレキシコンに基づく検索を2つの表現能力を持つ1つのモデルで統合する学習フレームワークUnifieRを提案する。
論文 参考訳(メタデータ) (2022-05-23T11:01:59Z) - Modern Baselines for SPARQL Semantic Parsing [28.088516108293653]
我々は、自然言語の質問からSPARQLクエリを生成するタスクに焦点を当て、知識グラフ上で実行できる。
T5 は特別な入力トークン化を必要とするが,LC-QuAD 1.0 および LC-QuAD 2.0 データセット上でのアートパフォーマンスの状態を生成する。
この方法では、入力の一部を出力クエリにコピーする必要がある問題に対するセマンティック解析が可能となり、KGセマンティック解析における新しいパラダイムが実現される。
論文 参考訳(メタデータ) (2022-04-27T09:26:59Z) - Autoregressive Search Engines: Generating Substrings as Document
Identifiers [53.0729058170278]
自動回帰言語モデルは、回答を生成するデファクト標準として現れています。
これまでの研究は、探索空間を階層構造に分割する方法を探究してきた。
本研究では,検索空間の任意の構造を強制しない代替として,経路内のすべてのngramを識別子として使用することを提案する。
論文 参考訳(メタデータ) (2022-04-22T10:45:01Z) - Exploring Sequence-to-Sequence Models for SPARQL Pattern Composition [0.5639451539396457]
構造化され、構造化されていないデータとして、インターネットに爆発的な情報が追加され、DBpediaやWikidataのような知識ベースが供給される。
質問回答システムの目的は、正規のクエリを書くことなく、自然言語でそのようなデータにアクセスできるようにすることである。
我々は、長い発話を複雑なSPARQLクエリに変換するための、シーケンス・ツー・シーケンス・モデルが実現可能で有望な選択肢であることを示す。
論文 参考訳(メタデータ) (2020-10-21T11:12:01Z) - DART: Open-Domain Structured Data Record to Text Generation [91.23798751437835]
82k以上のインスタンス(DART)を持つオープンドメイン構造化DAta Record to Text生成データセットであるDARTを提案する。
本稿では,テーブルヘッダとテーブルタイトル間の意味的依存関係を利用して,その構造を符号化するテーブルから意味的三重項を抽出する手法を提案する。
我々のデータセット構築フレームワークは、オープンドメイン意味解析と対話行動に基づく意味表現タスクからヘテロジニアスソースを効果的に統合する。
論文 参考訳(メタデータ) (2020-07-06T16:35:30Z) - RDFFrames: Knowledge Graph Access for Machine Learning Tools [6.50725902438059]
ナレッジグラフのための機械学習ツールは、データベースシステムを使用することの明らかな利点にもかかわらず、SPARQLを使用しない。
これは、データモデルとプログラミングスタイルの点で、SPARQLと機械学習ツールのミスマッチのためです。
本稿では,機械学習ソフトウェアスタックからの知識グラフのインターフェースを提供するフレームワークであるRDFFramesを提案する。
論文 参考訳(メタデータ) (2020-02-10T09:39:25Z)
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。