論文の概要: Unveiling Relations in the Industry 4.0 Standards Landscape based on
Knowledge Graph Embeddings
- arxiv url: http://arxiv.org/abs/2006.04556v1
- Date: Wed, 3 Jun 2020 17:37:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-25 17:35:51.104397
- Title: Unveiling Relations in the Industry 4.0 Standards Landscape based on
Knowledge Graph Embeddings
- Title(参考訳): ナレッジグラフ埋め込みに基づく業界4.0標準の展望
- Authors: Ariam Rivas, Irl\'an Grangel-Gonz\'alez, Diego Collarana, Jens
Lehmann, Maria-Esther Vidal
- Abstract要約: 産業4.0(I4.0)標準と標準化フレームワークは、スマートファクトリの相互運用性を推進すべく提案されている。
本研究では,コミュニティ分析に基づく標準とフレームワークの関連性について検討し,標準間の相互運用性の対立に対処するための知識を明らかにする。
- 参考スコア(独自算出の注目度): 10.098126048053384
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Industry~4.0 (I4.0) standards and standardization frameworks have been
proposed with the goal of \emph{empowering interoperability} in smart
factories. These standards enable the description and interaction of the main
components, systems, and processes inside of a smart factory. Due to the
growing number of frameworks and standards, there is an increasing need for
approaches that automatically analyze the landscape of I4.0 standards.
Standardization frameworks classify standards according to their functions into
layers and dimensions. However, similar standards can be classified differently
across the frameworks, producing, thus, interoperability conflicts among them.
Semantic-based approaches that rely on ontologies and knowledge graphs, have
been proposed to represent standards, known relations among them, as well as
their classification according to existing frameworks. Albeit informative, the
structured modeling of the I4.0 landscape only provides the foundations for
detecting interoperability issues. Thus, graph-based analytical methods able to
exploit knowledge encoded by these approaches, are required to uncover
alignments among standards. We study the relatedness among standards and
frameworks based on community analysis to discover knowledge that helps to cope
with interoperability conflicts between standards. We use knowledge graph
embeddings to automatically create these communities exploiting the meaning of
the existing relationships. In particular, we focus on the identification of
similar standards, i.e., communities of standards, and analyze their properties
to detect unknown relations. We empirically evaluate our approach on a
knowledge graph of I4.0 standards using the Trans$^*$ family of embedding
models for knowledge graph entities. Our results are promising and suggest that
relations among standards can be detected accurately.
- Abstract(参考訳): industry~4.0 (i4.0) の標準規格と標準化フレームワークがスマートファクトリーにおける \emph{empowering interoperability} の目標として提案されている。
これらの標準は、スマートファクトリ内の主要コンポーネント、システム、プロセスの記述と相互作用を可能にします。
フレームワークや標準が増えているため、i4.0標準の展望を自動的に分析するアプローチの必要性が高まっている。
標準化フレームワークは、その機能に従って標準をレイヤとディメンションに分類する。
しかし、同様の標準はフレームワークによって異なる分類が可能で、相互運用の衝突が生じます。
オントロジーとナレッジグラフに依存するセマンティックなアプローチは、標準、それらの間の既知の関係、および既存のフレームワークによる分類を表現するために提案されている。
情報的ではあるが、I4.0のランドスケープの構造的モデリングは相互運用性の問題を検出するための基盤を提供するだけである。
したがって、これらのアプローチで符号化された知識を活用できるグラフベースの分析手法は、標準間の整合を明らかにするために必要である。
本研究では,コミュニティ分析に基づく標準とフレームワークの関連性について検討し,標準間の相互干渉に対処するための知識を明らかにする。
ナレッジグラフを埋め込むことで、既存の関係の意味を生かしたコミュニティを自動的に作成します。
特に,類似の標準,すなわち標準のコミュニティの同定に注目し,それらの特性を分析して未知の関係を検出する。
我々は,知識グラフエンティティの埋め込みモデル群であるTrans$^*$を用いて,I4.0標準の知識グラフに対するアプローチを実証的に評価した。
結果は有望であり,標準間の関係を正確に検出できることを示唆する。
関連論文リスト
- Standardize: Aligning Language Models with Expert-Defined Standards for
Content Generation [4.1205832766381985]
専門家が定義した標準に合わせるために,大規模な言語モデルをガイドする,検索スタイルのインコンテキスト学習ベースのフレームワークであるStandardizeを導入する。
その結果,Llama2とGPT-4の精度は40%から100%向上した。
論文 参考訳(メタデータ) (2024-02-19T23:18:18Z) - OpenPerf: A Benchmarking Framework for the Sustainable Development of
the Open-Source Ecosystem [6.188178422139467]
OpenPerfは、オープンソースエコシステムの持続可能な開発のために設計されたベンチマークフレームワークである。
データサイエンスタスクのベンチマークが3つ、インデックスベースのベンチマークが2つ、標準ベンチマークが1つ実装されています。
私たちは、堅牢なデータ管理、ツール統合、ユーザインターフェース機能を提供するOpenPerf用の包括的なツールキットを開発しました。
論文 参考訳(メタデータ) (2023-11-26T07:01:36Z) - On the relationship between Benchmarking, Standards and Certification in
Robotics and AI [1.1421942894219899]
ベンチマーク、標準、認定は密接に関連するプロセスである。
ベンチマーク、標準、認定は有用であるだけでなく、責任あるイノベーションのより広範な実践にも不可欠である。
論文 参考訳(メタデータ) (2023-09-21T14:59:36Z) - Causal Discovery with Language Models as Imperfect Experts [119.22928856942292]
専門知識を用いて因果グラフの同定を改善する方法について検討する。
整合性に基づく専門家の知識を改良するための戦略を提案する。
本稿では,不完全な専門家として大規模言語モデルを用いる実データを用いたケーススタディについて報告する。
論文 参考訳(メタデータ) (2023-07-05T16:01:38Z) - Fairness meets Cross-Domain Learning: a new perspective on Models and
Metrics [80.07271410743806]
クロスドメイン学習(CD)とモデルフェアネスの関係について検討する。
いくつかの人口集団にまたがる顔画像と医療画像のベンチマークと、分類とローカライゼーションタスクについて紹介する。
本研究は,3つの最先端フェアネスアルゴリズムとともに,14のCDアプローチをカバーし,前者が後者に勝ることを示す。
論文 参考訳(メタデータ) (2023-03-25T09:34:05Z) - Relational Proxies: Emergent Relationships as Fine-Grained
Discriminators [52.17542855760418]
本稿では,オブジェクトのグローバル部分とローカル部分の間の情報を利用してラベルを符号化する手法を提案する。
我々は、理論的な結果に基づいてプロキシを設計し、7つの挑戦的なきめ細かいベンチマークデータセットに基づいて評価する。
また、この理論を実験的に検証し、複数のベンチマークで一貫した結果を得る。
論文 参考訳(メタデータ) (2022-10-05T11:08:04Z) - fairlib: A Unified Framework for Assessing and Improving Classification
Fairness [66.27822109651757]
Fairlibは、分類の公平さを評価し改善するためのオープンソースのフレームワークである。
我々は、前処理、訓練時間、後処理を含む14のデバイアス化手法を実装した。
組み込まれたメトリクスは、最も一般的に使用されるフェアネス基準をカバーし、フェアネス評価のためにさらに一般化およびカスタマイズすることができる。
論文 参考訳(メタデータ) (2022-05-04T03:50:23Z) - Neural Production Systems [90.75211413357577]
視覚環境は、異なるオブジェクトまたはエンティティから構成される。
イメージをエンティティに分割するために、ディープラーニング研究者は構造的誘導バイアスを提案した。
私たちは認知科学からインスピレーションを得て、一連のルールテンプレートからなる古典的なアプローチを復活させます。
このアーキテクチャは柔軟でダイナミックな制御フローを実現し、エンティティ固有およびルールベースの情報を分解するのに役立つ。
論文 参考訳(メタデータ) (2021-03-02T18:53:20Z) - SEEK: Segmented Embedding of Knowledge Graphs [77.5307592941209]
本稿では,モデル複雑性を増大させることなく,高い競争力を持つ関係表現性を実現する軽量なモデリングフレームワークを提案する。
本フレームワークは,評価関数の設計に重点を置いており,1)十分な特徴相互作用の促進,2)関係の対称性と反対称性の両特性の保存,という2つの重要な特徴を強調している。
論文 参考訳(メタデータ) (2020-05-02T15:15:50Z)
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。