論文の概要: Knowledge Graphs Evolution and Preservation -- A Technical Report from ISWS 2019

• arxiv url: http://arxiv.org/abs/2012.11936v1
• Date: Tue, 22 Dec 2020 11:21:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-26 07:33:46.614172
• Title: Knowledge Graphs Evolution and Preservation -- A Technical Report from ISWS 2019
• Title（参考訳）: 知識グラフの進化と保存 - ISWS 2019のテクニカルレポート
• Authors: Nacira Abbas, Kholoud Alghamdi, Mortaza Alinam, Francesca Alloatti, Glenda Amaral, Claudia d'Amato, Luigi Asprino, Martin Beno, Felix Bensmann, Russa Biswas, Ling Cai, Riley Capshaw, Valentina Anita Carriero, Irene Celino, Amine Dadoun, Stefano De Giorgis, Harm Delva, John Domingue, Michel Dumontier, Vincent Emonet, Marieke van Erp, Paola Espinoza Arias, Omaima Fallatah, Sebasti\'an Ferrada, Marc Gallofr\'e Oca\~na, Michalis Georgiou, Genet Asefa Gesese, Frances Gillis-Webber, Francesca Giovannetti, Mar\`ia Granados Buey, Ismail Harrando, Ivan Heibi, Vitor Horta, Laurine Huber, Federico Igne, Mohamad Yaser Jaradeh, Neha Keshan, Aneta Koleva, Bilal Koteich, Kabul Kurniawan, Mengya Liu, Chuangtao Ma, Lientje Maas, Martin Mansfield, Fabio Mariani, Eleonora Marzi, Sepideh Mesbah, Maheshkumar Mistry, Alba Catalina Morales Tirado, Anna Nguyen, Viet Bach Nguyen, Allard Oelen, Valentina Pasqual, Heiko Paulheim, Axel Polleres, Margherita Porena, Jan Portisch, Valentina Presutti, Kader Pustu-Iren, Ariam Rivas Mendez, Soheil Roshankish, Sebastian Rudolph, Harald Sack, Ahmad Sakor, Jaime Salas, Thomas Schleider, Meilin Shi, Gianmarco Spinaci, Chang Sun, Tabea Tietz, Molka Tounsi Dhouib, Alessandro Umbrico, Wouter van den Berg, Weiqin Xu
• Abstract要約: 知識グラフに関する最も無視されているFAIR問題の1つは、継続的な進化と長期保存である。 我々は、KGsの進化の保存と支援がどのような意味を持ち、これらの問題にどのように対処できるかを理解するために、この問題を調査したい。 この文書は、9人の学生チームが共同で実施した取り組みを報告する。
• 参考スコア（独自算出の注目度）: 34.67467325805731
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: One of the grand challenges discussed during the Dagstuhl Seminar "Knowledge Graphs: New Directions for Knowledge Representation on the Semantic Web" and described in its report is that of a: "Public FAIR Knowledge Graph of Everything: We increasingly see the creation of knowledge graphs that capture information about the entirety of a class of entities. [...] This grand challenge extends this further by asking if we can create a knowledge graph of "everything" ranging from common sense concepts to location based entities. This knowledge graph should be "open to the public" in a FAIR manner democratizing this mass amount of knowledge." Although linked open data (LOD) is one knowledge graph, it is the closest realisation (and probably the only one) to a public FAIR Knowledge Graph (KG) of everything. Surely, LOD provides a unique testbed for experimenting and evaluating research hypotheses on open and FAIR KG. One of the most neglected FAIR issues about KGs is their ongoing evolution and long term preservation. We want to investigate this problem, that is to understand what preserving and supporting the evolution of KGs means and how these problems can be addressed. Clearly, the problem can be approached from different perspectives and may require the development of different approaches, including new theories, ontologies, metrics, strategies, procedures, etc. This document reports a collaborative effort performed by 9 teams of students, each guided by a senior researcher as their mentor, attending the International Semantic Web Research School (ISWS 2019). Each team provides a different perspective to the problem of knowledge graph evolution substantiated by a set of research questions as the main subject of their investigation. In addition, they provide their working definition for KG preservation and evolution.
• Abstract（参考訳）: dagstuhl セミナー "knowledge graphs: new directions for knowledge representation on the semantic web" で議論された大きな課題の1つは、報告書で述べられている "public fair knowledge graph of everything: we see the creation of knowledge graphs to capture information about the wholety of a class of entities" である。 [...]この大きな課題は、常識の概念から位置に基づくエンティティまで、"あらゆるもの"の知識グラフを作成できるかどうかを問うことで、さらにこれを拡張します。 この知識グラフは、この膨大な知識を民主化するためのFAIR方式で「一般公開」されるべきである。 リンクされたオープンデータ(LOD)は1つの知識グラフであるが、あらゆるものの公的なFAIR知識グラフ(KG)に最も近い実現(おそらくは唯一のもの)である。 もちろん、LODはオープンおよびFAIR KGに関する研究仮説を実験し評価するためのユニークなテストベッドを提供する。 KGsに関する最も無視されたFAIR問題の1つは、その進化と長期保存である。 我々は、KGsの進化の保存と支援がどのような意味を持ち、これらの問題にどのように対処できるかを理解するために、この問題を調査したい。 明らかに、この問題は異なる視点からアプローチすることができ、新しい理論、オントロジー、メトリクス、戦略、手順などを含む様々なアプローチの開発を必要とする可能性がある。 本論文は,9つの学生チームが共同作業を行い,それぞれが上級研究者の指導を受け,国際セマンティックWeb研究学校(ISWS 2019)に通っていることを報告する。 各チームは、調査の主テーマとして、一連の研究質問によって裏付けられた知識グラフ進化の問題に対して、異なる視点を提供する。 さらに、彼らはKGの保存と進化の作業定義を提供する。

関連論文リスト

• Generate-on-Graph: Treat LLM as both Agent and KG in Incomplete Knowledge Graph Question Answering [87.67177556994525]
  我々は、知識グラフ(KG)を探索しながら、新しい実写トリプルを生成する、Generate-on-Graph(GoG)と呼ばれる学習自由な手法を提案する。 GoGはIKGQAでLLMをエージェントとKGの両方として扱うThinking-Searching-Generatingフレームワークを通じて推論を行う。
  論文  参考訳（メタデータ） (2024-04-23T04:47:22Z)
• Graph Domain Adaptation: Challenges, Progress and Prospects [61.9048172631524]
  本稿では,グラフ間の効果的な知識伝達パラダイムとしてグラフ領域適応を提案する。 GDAは、ソースグラフとしてタスク関連のグラフを多数導入し、ソースグラフから学習した知識をターゲットグラフに適応させる。 研究状況と課題について概説し、分類学を提案し、代表作の詳細を紹介し、今後の展望について論じる。
  論文  参考訳（メタデータ） (2024-02-01T02:44:32Z)
• Knowledge Graphs: Opportunities and Challenges [3.868053839556011]
  膨大な量の知識を適切に整理し、表現することが重要になっている。 グラフデータとして、知識グラフは現実世界の知識を蓄積し伝達する。 本稿では知識グラフの機会と課題に焦点を当てる。
  論文  参考訳（メタデータ） (2023-03-24T12:10:42Z)
• 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)
• DegreEmbed: incorporating entity embedding into logic rule learning for knowledge graph reasoning [7.066269573204757]
  知識グラフのリンク予測は、既存の知識に基づいて推論することで、行方不明の事実を完遂することを目的としたタスクである。 組込み学習と論理ルールマイニングを組み合わせたKG上での推論モデルであるDegreEmbedを提案する。
  論文  参考訳（メタデータ） (2021-12-18T13:38:48Z)
• Domain-specific Knowledge Graphs: A survey [4.56877715768796]
  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。
  論文  参考訳（メタデータ） (2020-10-31T10:39:53Z)
• Attentional Graph Convolutional Networks for Knowledge Concept Recommendation in MOOCs in a Heterogeneous View [72.98388321383989]
  大規模なオープンオンラインコース(MOOC)は、学生が知識を習得するための大規模かつオープンな学習機会を提供する。 学生の関心を惹きつけるため、MOOCsプロバイダによる推薦制度が採用され、学生にコースを推薦する。 そこで本研究では,MOOCにおける知識概念レコメンデーションのために,Attentional Heterogeneous Graph Convolutional Deep Knowledge Recommender (ACKRec) という,エンドツーエンドのグラフニューラルネットワークに基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2020-06-23T18:28:08Z)
• Knowledge Graphs and Knowledge Networks: The Story in Brief [0.1933681537640272]
  知識グラフ(KG)は、実世界のノイズの多い生情報を構造化形式で表現し、エンティティ間の関係をキャプチャする。 ソーシャルネットワーク、レコメンダシステム、計算生物学、関係知識表現といった動的現実世界の応用は、困難な研究課題として浮上している。 この記事では、AIのためのKGの旅を要約する。
  論文  参考訳（メタデータ） (2020-03-07T18:09:18Z)
• 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)

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。