論文の概要: Contribution of Conceptual Modeling to Enhancing Historians' Intuition
-Application to Prosopography
- arxiv url: http://arxiv.org/abs/2011.13276v1
- Date: Thu, 26 Nov 2020 13:21:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-22 22:46:38.398450
- Title: Contribution of Conceptual Modeling to Enhancing Historians' Intuition
-Application to Prosopography
- Title（参考訳）: 歴史家の直観性向上への概念モデリングの貢献 -プロソポグラフィへの応用-
- Authors: Jacky Akoka (CEDRIC - ISID, IMT-BS), Isabelle Comyn-Wattiau (CEDRIC -
ISID), St\'ephane Lamass\'e (LAMOP), C\'edric Du Mouza (CEDRIC - ISID)
- Abstract要約: 本稿では,歴史学者の先史学における直感を自動で支援するプロセスを提案する。
コントリビューションは、概念データモデル、プロセスモデル、およびソースの信頼性と情報の信頼性を組み合わせた一連のルールである。
- 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: Historians, and in particular researchers in prosopography, focus a lot of
effort on extracting and coding information from historical sources to build
databases. To deal with this situation, they rely in some cases on their
intuition. One important issue is to provide these researchers with the
information extracted from the sources in a sufficiently structured form to
allow the databases to be queried and to verify, and possibly, to validate
hypotheses. The research in this paper attempts to take up the challenge of
helping historians capturing and assessing information throughout automatic
processes. The issue emerges when too many sources of uncertain information are
available. Based on the high-level information fusion approach, we propose a
process that automatically supports historians' intuition in the domain of
prosopography. The contribution is threefold: a conceptual data model, a
process model, and a set of rules combining the reliability of sources and the
credibility of information.
- Abstract（参考訳）: 歴史家、特にプロソポグラフィの研究者は、データベース構築のために歴史的な情報源から情報抽出とコーディングに多くの労力を注いでいる。
この状況に対処するために、彼らは直観に頼るケースもある。
重要な問題の一つは、これらの研究者に、ソースから抽出された情報を十分に構造化された形式で提供し、データベースをクエリし、仮説を検証することである。
本研究は,歴史学者が自動処理を通して情報を収集・評価する上での課題について考察する。
この問題は、不確実な情報が多すぎると発生する。
高レベル情報融合手法に基づき,プロソポグラフィ領域における歴史家の直観を自動支援する手法を提案する。
その貢献は、概念データモデル、プロセスモデル、ソースの信頼性と情報の信頼性を組み合わせた一連のルールの3つである。
関連論文リスト
- Towards the First Code Contribution: Processes and Information Needs [18.542728636769255]
我々は、新参者に必要な情報の多くはすでに存在すると主張しているが、多くの異なる情報源に散らばっている。
我々の発見は、プロジェクト新参者に関連情報を提供する自動化ツールサポートへの重要なステップを形成する。
論文 参考訳（メタデータ） (2024-04-29T13:19:24Z) - 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) - Information Fusion for Assistance Systems in Production Assessment [49.40442046458756]
証拠理論を用いたn個の情報ソースの融合のための枠組みを提供する。
本稿では,機械データに基づくアンサンブル分類器とエキスパート中心モデルという,2つの主要な情報源の情報融合手法を提案する。
本稿では,エビデンス理論を用いたモデル更新手法を提案することにより,データドリフトの問題に対処する。
論文 参考訳（メタデータ） (2023-08-31T22:08:01Z) - Identifying Informational Sources in News Articles [109.70475599552523]
我々は、ニュース執筆に使用される情報ソースの、最大かつ最も広範囲にアノテートされたデータセットを構築した。
本稿では,ニュース記事中のソースの構成性を研究するための新しいタスクであるソース予測を導入する。
論文 参考訳（メタデータ） (2023-05-24T08:56:35Z) - Leveraging Wikidata's edit history in knowledge graph refinement tasks [77.34726150561087]
編集履歴は、コミュニティが何らかのファジィで分散した合意に達する過程を表す。
Wikidataで最も重要な100のクラスから、すべてのインスタンスの編集履歴を含むデータセットを構築します。
タイプ予測タスクのための知識グラフ埋め込みモデルにおいて,この編集履歴情報を活用する2つの新しい手法を提案し,評価する。
論文 参考訳（メタデータ） (2022-10-27T14:32:45Z) - ProVe: A Pipeline for Automated Provenance Verification of Knowledge
Graphs against Textual Sources [5.161088104035106]
ProVeはパイプライン化されたアプローチで、Knowledge Graphのトリプルが、文書化された成果から抽出されたテキストによってサポートされているかどうかを自動的に検証する。
ProVeはWikidataデータセットで評価され、期待できる結果が全体として達成され、証明からサポートを検出するバイナリ分類タスクにおいて優れた性能を発揮する。
論文 参考訳（メタデータ） (2022-10-26T16:47:36Z) - Joint Reasoning on Hybrid-knowledge sources for Task-Oriented Dialog [12.081212540168055]
本稿では,SeKnow が作成した MutliWOZ ベースのデータセットの修正版について述べる。
事前訓練された言語モデルを利用する最近の作業に合わせて、知識ソースをクエリするタスクのプロンプトを使用してBARTベースのモデルを微調整する。
我々は,本モデルが知識モダリティ(情報源)の摂動に頑健であり,構造化知識と非構造化知識とを融合して応答を生成できることを実証した。
論文 参考訳（メタデータ） (2022-10-13T18:49:59Z) - 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) - Algorithmic Fairness Datasets: the Story so Far [68.45921483094705]
データ駆動アルゴリズムは、人々の幸福に直接影響し、批判的な決定をサポートするために、さまざまな領域で研究されている。
研究者のコミュニティは、既存のアルゴリズムの株式を調査し、新しいアルゴリズムを提案し、歴史的に不利な人口に対する自動意思決定のリスクと機会の理解を深めてきた。
公正な機械学習の進歩はデータに基づいており、適切に文書化された場合にのみ適切に使用できる。
残念なことに、アルゴリズムフェアネスコミュニティは、特定のリソース(オパシティ)に関する情報の不足と利用可能な情報の分散(スパーシティ)によって引き起こされる、集合的なデータドキュメント負債に悩まされている。
論文 参考訳（メタデータ） (2022-02-03T17:25:46Z) - InSRL: A Multi-view Learning Framework Fusing Multiple Information
Sources for Distantly-supervised Relation Extraction [19.176183245280267]
ナレッジベースに広く存在する2つのソース、すなわちエンティティ記述と複数の粒度のエンティティタイプを紹介します。
Intact Space Representation Learning (InSRL) による関係抽出のためのエンドツーエンドのマルチビュー学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-12-17T02:49:46Z)
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。