論文の概要: Domain-specific Knowledge Graphs: A survey

• arxiv url: http://arxiv.org/abs/2011.00235v3
• Date: Wed, 3 Mar 2021 13:25:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-01 05:04:13.965131
• Title: Domain-specific Knowledge Graphs: A survey
• Title（参考訳）: ドメイン固有の知識グラフ: 調査
• Authors: Bilal Abu-Salih
• Abstract要約: この調査はドメイン固有のKGの包括的定義を提供する最初のものである。 現在のアプローチを検討すると、さまざまな限界と欠陥が明らかになる。 研究地図に記載されていない領域は、文献の既存の問題に対処するために強調されている。
• 参考スコア（独自算出の注目度）: 4.56877715768796
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge Graphs (KGs) have made a qualitative leap and effected a real revolution in knowledge representation. This is leveraged by the underlying structure of the KG which underpins a better comprehension, reasoning and interpretation of knowledge for both human and machine. Therefore, KGs continue to be used as the main means of tackling a plethora of real-life problems in various domains. However, there is no consensus in regard to a plausible and inclusive definition of a domain-specific KG. Further, in conjunction with several limitations and deficiencies, various domain-specific KG construction approaches are far from perfect. This survey is the first to offer a comprehensive definition of a domain-specific KG. Also, the paper presents a thorough review of the state-of-the-art approaches drawn from academic works relevant to seven domains of knowledge. An examination of current approaches reveals a range of limitations and deficiencies. At the same time, uncharted territories on the research map are highlighted to tackle extant issues in the literature and point to directions for future research.
• Abstract（参考訳）: 知識グラフ(KG)は質的な飛躍を遂げ、知識表現の真の革命をもたらした。 これは、人間と機械の両方の知識をよりよく理解し、推論し、解釈するkgの構造によって活用される。 したがって、KGは様々な領域における現実問題に対処する主要な手段として使われ続けている。 しかし、ドメイン固有のKGの可算かつ包含的定義については、合意が得られない。 さらに、いくつかの制限や欠陥とともに、ドメイン固有のKG構築アプローチは完璧には程遠い。 この調査はドメイン固有のKGの包括的定義を提供する最初のものである。 また,7つの知識分野に関する学術研究から得られた最先端のアプローチについて概説する。 現在のアプローチを検討すると、さまざまな制限と欠陥が明らかになる。 同時に、研究地図上の未チャート領域が強調され、文献の既存の問題に対処し、今後の研究の方向性を示す。

関連論文リスト

• Domain Adaptation for Large-Vocabulary Object Detectors [103.16365373806829]
  本稿では,CLIPにおける暗黙的知識グラフ(KG)を利用した知識グラフ蒸留手法であるKGDについて述べる。 複数の広く採用されている検出ベンチマークに対する実験により、KGDは最先端技術よりも大きなマージンで一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2024-01-13T03:51:18Z)
• A Biomedical Knowledge Graph for Biomarker Discovery in Cancer [1.7860709946876898]
  ドメイン固有知識グラフ(ドメイン特化知識グラフ、英: Domain-specific knowledge graph、KG)は、特定の主語・母語領域の明示的な概念化である。 KGは、がん関連の知識と複数のソースからの事実を統合することで構築される。 我々は、いくつかのクエリといくつかのQAの例を列挙し、KGに基づいた知識を導出する。
  論文  参考訳（メタデータ） (2023-02-09T16:17:57Z)
• A Survey of Knowledge Graph Reasoning on Graph Types: Static, Dynamic, and Multimodal [57.8455911689554]
  知識グラフ推論(KGR)は、知識グラフに基づくマイニング論理則に基づいて、既存の事実から新しい事実を推論することを目的としている。 質問応答やレコメンデーションシステムなど、多くのAIアプリケーションでKGを使うことに大きなメリットがあることが証明されている。
  論文  参考訳（メタデータ） (2022-12-12T08:40:04Z)
• Reasoning over Multi-view Knowledge Graphs [59.99051368907095]
  ROMAは、マルチビューKG上で論理クエリに応答する新しいフレームワークである。 大規模(数百万の事実など)のKGや粒度の細かいビューまでスケールする。 トレーニング中に観測されていない構造やKGビューのクエリを一般化する。
  論文  参考訳（メタデータ） (2022-09-27T21:32:20Z)
• Generalizing to Unseen Domains: A Survey on Domain Generalization [59.16754307820612]
  ドメイン一般化は、1つまたは複数の異なるが関連するドメインが与えられる困難な設定を扱う。 目標は、目に見えないテストドメインに一般化できるモデルを学ぶことです。 本稿では,領域一般化の最近の進歩に対する最初のレビューを紹介する。
  論文  参考訳（メタデータ） (2021-03-02T06:04:11Z)
• Fundamental Limits and Tradeoffs in Invariant Representation Learning [99.2368462915979]
  多くの機械学習アプリケーションは、2つの競合する目標を達成する表現を学習する。 ミニマックスゲーム理論の定式化は、精度と不変性の基本的なトレードオフを表す。 分類と回帰の双方において,この一般的かつ重要な問題を情報論的に解析する。
  論文  参考訳（メタデータ） (2020-12-19T15:24:04Z)
• Multilingual Knowledge Graph Completion via Ensemble Knowledge Transfer [43.453915033312114]
  知識グラフ(KG)に欠けている事実を予測することは、知識ベースの構築と推論において重要なタスクである。 KEnSは、学習と知識のアンサンブルを複数の言語固有のKGに組み込むための新しいフレームワークである。 5つの実世界の言語固有のKGの実験により、KEnSはKG完了に関する最先端の手法を一貫して改善していることが示された。
  論文  参考訳（メタデータ） (2020-10-07T04:54:03Z)
• Relational Learning Analysis of Social Politics using Knowledge Graph Embedding [11.978556412301975]
  本稿では,新しい信頼性ドメインベースのKG埋め込みフレームワークを提案する。 ヘテロジニアスリソースから得られたデータの融合を、ドメインによって表現された正式なKG表現にキャプチャする。 このフレームワークは、データ品質と信頼性を保証するための信頼性モジュールも具体化している。
  論文  参考訳（メタデータ） (2020-06-02T14:10:28Z)
• Connecting the Dots: A Knowledgeable Path Generator for Commonsense Question Answering [50.72473345911147]
  本稿では、一般的な共通センスQAフレームワークを、知識のあるパスジェネレータで拡張する。 KGの既存のパスを最先端の言語モデルで外挿することで、ジェネレータはテキスト内のエンティティのペアを動的で、潜在的に新しいマルチホップリレーショナルパスに接続することを学びます。
  論文  参考訳（メタデータ） (2020-05-02T03:53:21Z)
• Is Aligning Embedding Spaces a Challenging Task? A Study on Heterogeneous Embedding Alignment Methods [2.7528170226206443]
  本稿では,エンティティ・エンティティとエンティティ・ワードを表す2つの埋め込み空間間の最先端アライメント手法の理論的解析と比較を行う。 本稿では,既存のアライメント手法の能力と欠点を,異なるアプリケーションのプリテキスト上で評価することを目的とする。
  論文  参考訳（メタデータ） (2020-02-21T12:37:12Z)

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。