論文の概要: A Cloud Computing Capability Model for Large-Scale Semantic Annotation
- arxiv url: http://arxiv.org/abs/2006.13893v2
- Date: Sun, 24 Jan 2021 14:02:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-12 22:27:11.281245
- Title: A Cloud Computing Capability Model for Large-Scale Semantic Annotation
- Title（参考訳）: 大規模セマンティックアノテーションのためのクラウドコンピューティング能力モデル
- Authors: Oluwasegun Adedugbe, Elhadj Benkhelifa and Anoud Bani-Hani
- Abstract要約: 本稿では,Webコンテンツセマンティックアノテーションの課題にクラウドコンピューティングを活用することに焦点を当てる。
一連の要件が定義され、それらを促進するためにクラウドコンピューティングのメカニズムがマッピングされる。
本稿では,クラウドプラットフォームを通じてWeb上で大規模セマンティックアノテーションを実現するためのアプローチを提案する。
- 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: Semantic technologies are designed to facilitate context-awareness for web
content, enabling machines to understand and process them. However, this has
been faced with several challenges, such as disparate nature of existing
solutions and lack of scalability in proportion to web scale. With a holistic
perspective to web content semantic annotation, this paper focuses on
leveraging cloud computing for these challenges. To achieve this, a set of
requirements towards holistic semantic annotation on the web is defined and
mapped with cloud computing mechanisms to facilitate them. Technical
specification for the requirements is critically reviewed and examined against
each of the cloud computing mechanisms, in relation to their technical
functionalities. Hence, a mapping is established if the cloud computing
mechanism's functionalities proffer a solution for implementation of a
requirement's technical specification. The result is a cloud computing
capability model for holistic semantic annotation which presents an approach
towards delivering large scale semantic annotation on the web via a cloud
platform.
- Abstract（参考訳）: セマンティック技術は、Webコンテンツのコンテキスト認識を容易にするように設計されており、マシンがそれらを理解して処理することができる。
しかし、これは既存のソリューションの異なる性質やwebスケールに比例するスケーラビリティの欠如など、いくつかの課題に直面している。
本稿では,Webコンテンツセマンティックアノテーションの総合的な視点から,これらの課題にクラウドコンピューティングを活用することに焦点を当てる。
これを実現するために、web上の包括的セマンティックアノテーションに対する一連の要件を定義し、それらを容易化するクラウドコンピューティングメカニズムでマッピングする。
要件の技術的仕様は、それぞれのクラウドコンピューティングメカニズムに対して、その技術的機能に関して批判的にレビューされ、検討される。
したがって、クラウドコンピューティング機構の機能によって要求の技術的仕様の実装のソリューションが得られれば、マッピングが確立される。
その結果、総合的意味アノテーションのためのクラウドコンピューティング能力モデルが生まれ、クラウドプラットフォームを介してweb上に大規模な意味アノテーションを提供するためのアプローチが提示される。
関連論文リスト
- owl2proto: Enabling Semantic Processing in Modern Cloud Micro-Services [2.4578723416255754]
セマンティックテクノロジーは、セマンティックテクノロジーをクラウドに導入する際の大きな障害であると主張する。
OWLをprotobufデータ形式に自動変換する。
論文 参考訳（メタデータ） (2024-11-10T19:01:04Z) - Teaching Cloud Infrastructure and Scalable Application Deployment in an Undergraduate Computer Science Program [2.8912542516745168]
学生は通常、技術キャリアの初期にクラウド抽象化と対話します。
クラウドエンジニアリングの基礎をしっかり理解せずにクラウドネイティブなアプリケーションを構築することは、クラウドプラットフォームに共通するコストとセキュリティの落とし穴に敏感な学生を悩ませる可能性がある。
私たちのコースでは、学生にIaC、コンテナ化、可観測性、サーバレスコンピューティング、継続的インテグレーションとデプロイメントといった、モダンでベストプラクティスのコンセプトとツールを体験するためのハンズオンの課題を数多く紹介しました。
論文 参考訳（メタデータ） (2024-10-01T19:49:19Z) - Point Cloud Compression with Implicit Neural Representations: A Unified Framework [54.119415852585306]
我々は幾何学と属性の両方を扱える先駆的なクラウド圧縮フレームワークを提案する。
本フレームワークでは,2つの座標ベースニューラルネットワークを用いて,voxelized point cloudを暗黙的に表現する。
本手法は,既存の学習手法と比較して,高い普遍性を示す。
論文 参考訳（メタデータ） (2024-05-19T09:19:40Z) - Dynamic Resource Allocation for Virtual Machine Migration Optimization using Machine Learning [17.423579410846695]
段落は文法的に正確で論理的に一貫性がある。
これは、効率的なデータアクセスとストレージの必要性と、追加の時間遅延を防ぐためのクラウドコンピューティングマイグレーション技術の利用を強調している。
論文 参考訳（メタデータ） (2024-03-20T14:13:44Z) - Integrating Homomorphic Encryption and Trusted Execution Technology for
Autonomous and Confidential Model Refining in Cloud [4.21388107490327]
同型暗号化と信頼性の高い実行環境技術は、自律的な計算の機密性を保護することができる。
モデル精錬方式の設計にこれらの2つの手法を統合することを提案する。
論文 参考訳（メタデータ） (2023-08-02T06:31:41Z) - What and How of Machine Learning Transparency: Building Bespoke
Explainability Tools with Interoperable Algorithmic Components [77.87794937143511]
本稿では,データ駆動予測モデルを説明するためのハンズオントレーニング教材について紹介する。
これらのリソースは、解釈可能な表現合成、データサンプリング、説明生成の3つのコアビルディングブロックをカバーする。
論文 参考訳（メタデータ） (2022-09-08T13:33:25Z) - SoftPool++: An Encoder-Decoder Network for Point Cloud Completion [93.54286830844134]
本稿では,ポイントクラウド完了作業のための新しい畳み込み演算子を提案する。
提案した演算子は、最大プールやボキセル化操作を一切必要としない。
提案手法は,低解像度・高解像度の形状仕上げにおける最先端性能を実現する。
論文 参考訳（メタデータ） (2022-05-08T15:31:36Z) - Edge-Cloud Polarization and Collaboration: A Comprehensive Survey [61.05059817550049]
クラウドとエッジ両方のAIの体系的なレビューを行います。
私たちはクラウドとエッジモデリングの協調学習メカニズムを最初にセットアップしました。
我々は現在進行中の最先端AIトピックの可能性と実践経験について議論する。
論文 参考訳（メタデータ） (2021-11-11T05:58:23Z) - Auto-Split: A General Framework of Collaborative Edge-Cloud AI [49.750972428032355]
本稿では,Huawei Cloudのエッジクラウド共同プロトタイプであるAuto-Splitの技法と技術実践について述べる。
私たちの知る限りでは、Deep Neural Network(DNN)分割機能を提供する既存の産業製品はありません。
論文 参考訳（メタデータ） (2021-08-30T08:03:29Z) - A Mixed Initiative Semantic Web Framework for Process Composition [3.601465722798586]
我々は、すべての機能が既にセマンティックWebサービスの形でカプセル化されているという仮定は、しばしば非現実的であると主張する。
人間の意思決定と自動機能を柔軟にインターリーブすることを目的としたセマンティックWebサービスディスカバリとコンポジションのための混合イニシアチブフレームワークについて説明する。
論文 参考訳（メタデータ） (2020-06-03T11:02:31Z) - A Privacy-Preserving Distributed Architecture for
Deep-Learning-as-a-Service [68.84245063902908]
本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。
クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
論文 参考訳（メタデータ） (2020-03-30T15:12:03Z)
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。