論文の概要: Machine Knowledge: Creation and Curation of Comprehensive Knowledge Bases

• arxiv url: http://arxiv.org/abs/2009.11564v2
• Date: Mon, 22 Mar 2021 23:18:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-15 05:08:42.157619
• Title: Machine Knowledge: Creation and Curation of Comprehensive Knowledge Bases
• Title（参考訳）: 機械知識:包括的知識基盤の作成とキュレーション
• Authors: Gerhard Weikum, Luna Dong, Simon Razniewski, Fabian Suchanek
• Abstract要約: 知識グラフとしても知られる大規模な知識基盤は、Webコンテンツやテキストソースから自動的に構築されている。 本稿では,知識基盤の創出と大規模化に関する基礎的概念と実践的手法について考察する。
• 参考スコア（独自算出の注目度）: 28.856786775318486
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Equipping machines with comprehensive knowledge of the world's entities and their relationships has been a long-standing goal of AI. Over the last decade, large-scale knowledge bases, also known as knowledge graphs, have been automatically constructed from web contents and text sources, and have become a key asset for search engines. This machine knowledge can be harnessed to semantically interpret textual phrases in news, social media and web tables, and contributes to question answering, natural language processing and data analytics. This article surveys fundamental concepts and practical methods for creating and curating large knowledge bases. It covers models and methods for discovering and canonicalizing entities and their semantic types and organizing them into clean taxonomies. On top of this, the article discusses the automatic extraction of entity-centric properties. To support the long-term life-cycle and the quality assurance of machine knowledge, the article presents methods for constructing open schemas and for knowledge curation. Case studies on academic projects and industrial knowledge graphs complement the survey of concepts and methods.
• Abstract（参考訳）: 世界のエンティティとその関係に関する包括的な知識を持つマシンの取得は、AIの長年の目標である。 過去10年間で、知識グラフとして知られる大規模な知識基盤は、Webコンテンツやテキストソースから自動的に構築され、検索エンジンの重要な資産となっている。 この機械知識は、ニュース、ソーシャルメディア、ウェブテーブルのテキストフレーズを意味論的に解釈し、質問応答、自然言語処理、データ分析に寄与することができる。 本稿では,大規模知識基盤の創出と育成のための基本概念と実践的手法について考察する。 エンティティとそのセマンティクスタイプを発見し、それらをクリーンな分類法にまとめるモデルと方法をカバーしている。 これに加えて、この記事ではエンティティ中心プロパティの自動抽出について論じる。 本稿では,機械知識の長期ライフサイクルと品質保証を支援するため,オープンスキーマの構築方法と知識キュレーションについて述べる。 学術プロジェクトと産業知識グラフに関するケーススタディは、概念と方法の調査を補完する。

関連論文リスト

• Sanskrit Knowledge-based Systems: Annotation and Computational Tools [0.12086712057375555]
  我々はサンスクリットの知識システム開発における課題と機会に対処する。 本研究はサンスクリット語文に具現化された豊かな言語情報の保存,理解,活用に寄与する。
  論文  参考訳（メタデータ） (2024-06-26T12:00:10Z)
• Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
  オントロジはドメイン知識とメタデータを表現するために広く使われている。 1つの簡単な解決策は、統計分析と機械学習を統合することである。 埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
  論文  参考訳（メタデータ） (2024-06-16T14:49:19Z)
• SOK-Bench: A Situated Video Reasoning Benchmark with Aligned Open-World Knowledge [60.76719375410635]
  44Kの質問と10Kの状況からなる新しいベンチマーク(SOK-Bench)を提案する。 推論プロセスは、位置する知識と問題解決のための一般的な知識を理解し、適用するために必要である。 質問応答ペアと推論プロセスを生成し,最後に品質保証に関する手作業によるレビューを行った。
  論文  参考訳（メタデータ） (2024-05-15T21:55:31Z)
• DIVKNOWQA: Assessing the Reasoning Ability of LLMs via Open-Domain Question Answering over Knowledge Base and Text [73.68051228972024]
  大きな言語モデル(LLM)は印象的な生成能力を示すが、内部知識に依存すると幻覚に悩まされる。 検索拡張LDMは、外部知識においてLLMを基盤とする潜在的な解決策として出現している。
  論文  参考訳（メタデータ） (2023-10-31T04:37:57Z)
• FabKG: A Knowledge graph of Manufacturing Science domain utilizing structured and unconventional unstructured knowledge source [1.2597961235465307]
  我々は,商業・教育用両方の実体・関係データに基づく知識グラフを開発する。 学生ノートを活用したKG作成のための新しいクラウドソーシング手法を提案する。 私たちは、すべてのデータソースを使用して、65,000以上のトリプルを含む知識グラフを作成しました。
  論文  参考訳（メタデータ） (2022-05-24T02:32:04Z)
• Embedding Knowledge for Document Summarization: A Survey [66.76415502727802]
  従来の研究は、知識を組み込んだ文書要約器が優れた消化器を生成するのに優れていたことを証明した。 本稿では,文書要約ビューに基づいて,知識と知識の埋め込みを再カプセル化する手法を提案する。
  論文  参考訳（メタデータ） (2022-04-24T04:36:07Z)
• Ontology-based Feature Selection: A Survey [0.6767885381740952]
  調査の目的は、テキスト、画像、データベース、専門知識からの知識抽出の重要な側面に関する洞察を提供することである。 提示された例は、医療、観光、機械工学、土木工学など、さまざまなアプリケーションドメインにまたがる。
  論文  参考訳（メタデータ） (2021-04-15T19:03:31Z)
• A Data-Driven Study of Commonsense Knowledge using the ConceptNet Knowledge Base [8.591839265985412]
  汎用人工知能(AI)の実現における重要なフロンティアとして,コモンセンス知識と推論の獲得が認められている。 本稿では,コンセプションネットの知識基盤を実証的かつ構造的に分析することにより,コモンセンス知識のより深い理解を可能にする体系的な研究を提案し,実施する。 最先端の教師なしグラフ表現学習(「埋め込み」)とクラスタリング技術を用いて、慎重に設計された3つの研究課題に関する詳細な実験結果から、ConceptNet関係の深いサブ構造を明らかにする。
  論文  参考訳（メタデータ） (2020-11-28T08:08:25Z)
• Generating Knowledge Graphs by Employing Natural Language Processing and Machine Learning Techniques within the Scholarly Domain [1.9004296236396943]
  本稿では、自然言語処理と機械学習を利用して研究論文から実体や関係を抽出する新しいアーキテクチャを提案する。 本研究では,現在最先端の自然言語処理ツールとテキストマイニングツールを用いて,知識抽出の課題に取り組む。 セマンティックWebドメイン内の論文26,827件から抽出した109,105件のトリプルを含む科学知識グラフを作成した。
  論文  参考訳（メタデータ） (2020-10-28T08:31:40Z)
• A Survey on Knowledge Graphs: Representation, Acquisition and Applications [89.78089494738002]
  我々は,1)知識グラフ表現学習,2)知識獲得と完成,3)時間的知識グラフ,および4)知識認識アプリケーションに関する研究トピックをレビューする。 知識獲得、特に知識グラフの完成、埋め込み方法、経路推論、論理ルール推論について概観する。 メタラーニング、コモンセンス推論、時間的知識グラフなど、いくつかの新しいトピックを探求する。
  論文  参考訳（メタデータ） (2020-02-02T13:17:31Z)
• A Review on Intelligent Object Perception Methods Combining Knowledge-based Reasoning and Machine Learning [60.335974351919816]
  物体知覚はコンピュータビジョンの基本的なサブフィールドである。 最近の研究は、物体の視覚的解釈のインテリジェンスレベルを拡大するために、知識工学を統合する方法を模索している。
  論文  参考訳（メタデータ） (2019-12-26T13:26:49Z)

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。