論文の概要: Ontology-based Feature Selection: A Survey

• arxiv url: http://arxiv.org/abs/2104.07720v1
• Date: Thu, 15 Apr 2021 19:03:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-19 14:35:06.847282
• Title: Ontology-based Feature Selection: A Survey
• Title（参考訳）: オントロジーに基づく特徴選択:調査
• Authors: Konstantinos Sikelis, George E Tsekouras, Konstantinos I Kotis
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.6767885381740952
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The SemanticWeb emerged as an extension to traditionalWeb, towards adding meaning (semantics) to a distributed Web of structured and linked data. At its core, the concept of ontology provides the means to semantically describe and structure information and data and expose it to software and human agents in a machine and human-readable form. For software agents to be realized, it is crucial to develop powerful artificial intelligence and machine learning techniques, able to extract knowledge from information and data sources and represent it in the underlying ontology. This survey aims to provide insight into key aspects of ontology-based knowledge extraction, from various sources such as text, images, databases and human expertise, with emphasis on the task of feature selection. First, some of the most common classification and feature selection algorithms are briefly presented. Then, selected methodologies, which utilize ontologies to represent features and perform feature selection and classification, are described. The presented examples span diverse application domains, e.g., medicine, tourism, mechanical and civil engineering, and demonstrate the feasibility and applicability of such methods.
• Abstract（参考訳）: SemanticWebは、構造化およびリンクされたデータの分散Webに意味(意味)を追加するために、従来のWebの拡張として登場した。 オントロジーの核心にある概念は、情報とデータを意味的に記述し、構造化し、それを機械と人間が読める形式でソフトウェアやヒューマンエージェントに公開する手段を提供する。 ソフトウェアエージェントを実現するためには、強力な人工知能と機械学習技術を開発し、情報やデータソースから知識を抽出し、基礎となるオントロジーで表現することが不可欠である。 本調査は, テキスト, 画像, データベース, 人的知識など, オントロジーに基づく知識抽出の重要部分について, 特徴選択の課題を中心に考察することを目的としている。 まず、最も一般的な分類と特徴選択アルゴリズムのいくつかを簡潔に提示する。 次に,オントロジーを用いて特徴を表現し,特徴選択と分類を行う手法について述べる。 提案する例は,医療,観光,機械工学,土木工学など,多様な応用分野にまたがり,その実現可能性と適用可能性を示す。

関連論文リスト

• 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)
• Deep Learning for Human Parsing: A Survey [54.812353922568995]
  本研究では,人間の意味解析の先駆的な研究の幅広い範囲を網羅する,最先端の人間の構文解析手法の解析を行う。 1) 構造駆動型アーキテクチャは,人体の異なる部分と固有の階層構造を生かし,(2) グラフベースのネットワークは,効率的で完全な人体分析を実現するためにグローバルな情報を捉え,(3) コンテキスト認識ネットワークは,対応するクラスのピクセルを特徴付けるために,すべてのピクセルにわたって有用なコンテキストを探索し,(4) LSTMベースの手法は,短距離と長距離空間の依存関係を結合して,豊富な局所的・グローバルなコンテキストをうまく活用することができる。
  論文  参考訳（メタデータ） (2023-01-29T10:54:56Z)
• EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
  本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。 DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
  論文  参考訳（メタデータ） (2022-08-01T18:47:03Z)
• Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
  政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。 既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。 既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
  論文  参考訳（メタデータ） (2021-11-09T13:30:34Z)
• Graph-Based Deep Learning for Medical Diagnosis and Analysis: Past, Present and Future [36.58189530598098]
  医療データを分析するために、機械学習、特にディープラーニングメソッドをどのように活用するかを検討することが重要になっている。 既存のメソッドの大きな制限は、グリッドのようなデータにフォーカスすることです。 グラフニューラルネットワークは、生物学的システムに存在する暗黙の情報を利用することによって、大きな注目を集めている。
  論文  参考訳（メタデータ） (2021-05-27T13:32:45Z)
• Deep Co-Attention Network for Multi-View Subspace Learning [73.3450258002607]
  マルチビューサブスペース学習のための深層コアテンションネットワークを提案する。 共通情報と相補情報の両方を敵意で抽出することを目的としている。 特に、新しいクロス再構成損失を使用し、ラベル情報を利用して潜在表現の構築を誘導する。
  論文  参考訳（メタデータ） (2021-02-15T18:46:44Z)
• Visual Exploration and Knowledge Discovery from Biomedical Dark Data [0.0]
  我々は、バイオメディカルダークデータから知識を発見するために、自然言語処理ベースのパイプラインを使用している。 我々は、膨大な量の情報を解析する問題を克服する潜在的な解決策を得ることを目的としている。
  論文  参考訳（メタデータ） (2020-09-28T04:27:05Z)
• A Diagnostic Study of Explainability Techniques for Text Classification [52.879658637466605]
  既存の説明可能性技術を評価するための診断特性のリストを作成する。 そこで本研究では, モデルの性能と有理性との整合性の関係を明らかにするために, 説明可能性手法によって割り当てられた有理性スコアと有理性入力領域の人間のアノテーションを比較した。
  論文  参考訳（メタデータ） (2020-09-25T12:01:53Z)
• Machine Knowledge: Creation and Curation of Comprehensive Knowledge Bases [28.856786775318486]
  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。
  論文  参考訳（メタデータ） (2020-09-24T09:28:13Z)
• Natural language technology and query expansion: issues, state-of-the-art and perspectives [0.0]
  クエリのあいまいさや誤解釈を引き起こす言語特性と、追加の要因は、ユーザの情報ニーズを正確に表現する能力に影響を与える。 汎用言語に基づく問合せ拡張フレームワークの解剖学を概説し,モジュールに基づく分解を提案する。 それぞれのモジュールについて、文献における最先端のソリューションをレビューし、使用するテクニックの光の下で分類する。
  論文  参考訳（メタデータ） (2020-04-23T11:39:07Z)

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。