論文の概要: DINGO: an ontology for projects and grants linked data
- arxiv url: http://arxiv.org/abs/2006.13438v1
- Date: Wed, 24 Jun 2020 02:47:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-17 13:26:42.571911
- Title: DINGO: an ontology for projects and grants linked data
- Title（参考訳）: INGO: プロジェクトのオントロジーと関連データの提供
- Authors: Diego Chialva, Alexis-Michel Mugabushaka
- Abstract要約: INGOは、プロジェクト、資金、アクター、そして特に研究現場における資金調達ポリシーに関連する意味論的に利用可能なアプリケーションのためのデータをモデル化するフレームワークを提供する。
本論では, 主な特徴, 開発に続いた原則, コミュニティの獲得, 維持と進化について論じる。
- 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: We present DINGO (Data INtegration for Grants Ontology), an ontology that
provides a machine readable extensible framework to model data for
semantically-enabled applications relative to projects, funding, actors, and,
notably, funding policies in the research landscape. DINGO is designed to yield
high modeling power and elasticity to cope with the huge variety in funding,
research and policy practices, which makes it applicable also to other areas
besides research where funding is an important aspect. We discuss its main
features, the principles followed for its development, its community uptake,
its maintenance and evolution.
- Abstract（参考訳）: 我々は,プロジェクトや資金提供,アクタ,特に研究現場における資金政策に対して,セマンティック対応アプリケーション用のデータをモデル化するための機械可読性拡張可能なフレームワークを提供するオントロジーであるdingo(data integration for grants ontology)を提案する。
INGOは、資金、研究、政策の多様さに対応するために、高度なモデリング能力と弾力性を得るように設計されている。
本論では,その主な特徴,開発に伴う原則,コミュニティの獲得,維持と進化について論じる。
関連論文リスト
- Foundation Models for Remote Sensing and Earth Observation: A Survey [101.77425018347557]
本調査は、リモートセンシング基礎モデル(RSFM)の新しい分野を体系的にレビューする。
モチベーションと背景の概要から始まり、続いて基本概念が導入された。
我々はこれらのモデルを公開データセットと比較し、既存の課題について議論し、今後の研究方向性を提案する。
論文 参考訳（メタデータ） (2024-10-22T01:08:21Z) - Affective Computing Has Changed: The Foundation Model Disruption [47.88090382507161]
我々は、Affective Computingの分野におけるファンデーションモデルの力に対する意識を高めることを目的としている。
我々は視覚、言語学、音声(音響)に焦点をあてて、マルチモーダルな感情データを合成して分析する。
本研究領域における基礎モデルの利用に関する倫理的問題や規制的側面などの基本的問題について論じる。
論文 参考訳（メタデータ） (2024-09-13T15:20:18Z) - A Survey of Large Language Models for Financial Applications: Progress, Prospects and Challenges [60.546677053091685]
大規模言語モデル(LLM)は金融分野における機械学習アプリケーションに新たな機会を開放した。
我々は、従来のプラクティスを変革し、イノベーションを促進する可能性に焦点を当て、様々な金融業務におけるLLMの適用について検討する。
本稿では,既存の文献を言語タスク,感情分析,財務時系列,財務推論,エージェントベースモデリング,その他の応用分野に分類するための調査を紹介する。
論文 参考訳（メタデータ） (2024-06-15T16:11:35Z) - Training and Serving System of Foundation Models: A Comprehensive Survey [32.0115390377174]
本稿では,様々な観点から基礎モデルを訓練・提供するための手法を幅広く検討する。
ネットワーク、コンピューティング、ストレージといったより詳細な側面を含む、最先端の手法の詳細な分類を提供する。
論文 参考訳（メタデータ） (2024-01-05T05:27:15Z) - A Survey of Reasoning with Foundation Models [235.7288855108172]
推論は、交渉、医療診断、刑事捜査など、様々な現実世界の環境において重要な役割を担っている。
本稿では,推論に適応する基礎モデルを提案する。
次に、基礎モデルにおける推論能力の出現の背後にある潜在的な将来方向を掘り下げる。
論文 参考訳（メタデータ） (2023-12-17T15:16:13Z) - Large Models for Time Series and Spatio-Temporal Data: A Survey and
Outlook [95.32949323258251]
時系列データ、特に時系列データと時間時間データは、現実世界のアプリケーションで広く使われている。
大規模言語やその他の基礎モデルの最近の進歩は、時系列データマイニングや時間データマイニングでの使用の増加に拍車を掛けている。
論文 参考訳（メタデータ） (2023-10-16T09:06:00Z) - Domain Specialization as the Key to Make Large Language Models Disruptive: A Comprehensive Survey [100.24095818099522]
大規模言語モデル(LLM)は自然言語処理(NLP)の分野を著しく進歩させた。
広範囲のアプリケーションに対して、非常に有用でタスクに依存しない基盤を提供する。
しかし、特定の領域における洗練された問題を解決するために直接LLMを適用することは、多くのハードルを満たす。
論文 参考訳（メタデータ） (2023-05-30T03:00:30Z) - Find the Funding: Entity Linking with Incomplete Funding Knowledge Bases [1.9451328614697954]
i)知識ベース(KB)のスパースグラフ構造と(ii)KBの欠落したエンティティの識別とリンクに関する2つの大きな課題がある。
我々は,NIL予測を行い,データ不足問題を時間とデータ効率で克服できるエンティティリンクモデルを提案する。
論文 参考訳（メタデータ） (2022-09-01T10:41:42Z)
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。