論文の概要: iTelos- Building reusable knowledge graphs

• arxiv url: http://arxiv.org/abs/2105.09418v1
• Date: Wed, 19 May 2021 22:07:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-21 23:17:14.639622
• Title: iTelos- Building reusable knowledge graphs
• Title（参考訳）: iTelos-再利用可能な知識グラフの構築
• Authors: Fausto Giunchiglia, Simone Bocca, Mattia Fumagalli, Mayukh Bagchi and Alessio Zamboni
• Abstract要約: iTelosは、このループを壊すように設計された汎用の方法論である。 その主な目標は、再利用可能な知識グラフ(KG)を生成することである。 我々は,有能なクエリの集合として,(ii)既存のKGから抽出された既存のデータセットの集合として,(iii)既存の参照スキーマの集合として形式化し,その目的が共有性を促進することである。
• 参考スコア（独自算出の注目度）: 3.5611181253285253
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: It is a fact that, when developing a new application, it is virtually impossible to reuse, as-is, existing datasets. This difficulty is the cause of additional costs, with the further drawback that the resulting application will again be hardly reusable. It is a negative loop which consistently reinforces itself and for which there seems to be no way out. iTelos is a general purpose methodology designed to break this loop. Its main goal is to generate reusable Knowledge Graphs (KGs), built reusing, as much as possible, already existing data. The key assumption is that the design of a KG should be done middle-out meaning by this that the design should take into consideration, in all phases of the development: (i) the purpose to be served, that we formalize as a set of competency queries, (ii) a set of pre-existing datasets, possibly extracted from existing KGs, and (iii) a set of pre-existing reference schemas, whose goal is to facilitate sharability. We call these reference schemas, teleologies, as distinct from ontologies, meaning by this that, while having a similar purpose, they are designed to be easily adapted, thus becoming a key enabler of itelos.
• Abstract（参考訳）: 新しいアプリケーションを開発するとき、既存のデータセットを再利用することは事実上不可能であるという事実である。 この難しさは追加コストの原因であり、その結果のアプリケーションが再び再利用されなくなるというさらなる欠点がある。 これは否定的なループであり、一貫して自身を補強し、そこから抜け出す方法がないように思われる。 iTelosは、このループを壊すように設計された汎用の方法論である。 その主な目標は、既存のデータを可能な限り再利用する再利用可能な知識グラフ(KG)を生成することである。 キーとなる仮定は、KGの設計は、開発の全段階において、設計が考慮すべきであることを意味している: (i) 提供すべき目的、そして、機能的なクエリのセットとして形式化されていること、 (ii) 既存のKGから抽出される可能性のある既存のデータセットのセット、 (iii) 既存の参照スキーマのセット。 我々は、これらの参照スキーマ、テレロジーをオントロジーとは別物と呼ぶ。つまり、同様の目的を持つ一方で、容易に適応するように設計されており、イテロの重要な実現者となることを意味する。

関連論文リスト

• Look Globally and Reason: Two-stage Path Reasoning over Sparse Knowledge Graphs [70.8150181683017]
  スパース知識グラフ(英: Sparse Knowledge Graphs、KG)は、より人口密度の高いKGに比べて、(ヘッドエンティティ、リレーショナル、テールエンティティ)の形での事実が少ない。 スパースKGに対してLoGRe(Look Globally and Reason)と呼ばれる2段階経路推論モデルを提案する。
  論文  参考訳（メタデータ） (2024-07-26T07:10:27Z)
• TaBIIC: Taxonomy Building through Iterative and Interactive Clustering [2.817412580574242]
  本稿では,反復的かつインタラクティブなプロセスにおいて,両方のアプローチからインスピレーションを得る方法を検討する。 本稿では,本手法が様々なデータソースに適用可能であることを示し,オントロジーにより直接的に組み込むことができることを示す。
  論文  参考訳（メタデータ） (2023-12-10T12:17:43Z)
• $\text{EFO}_{k}$-CQA: Towards Knowledge Graph Complex Query Answering beyond Set Operation [36.77373013615789]
  本稿では,データ生成,モデルトレーニング,メソッド評価のためのフレームワークを提案する。 実験的な評価のために,データセットとして$textEFO_k$-CQAを構築した。
  論文  参考訳（メタデータ） (2023-07-15T13:18:20Z)
• Disentanglement via Latent Quantization [60.37109712033694]
  本研究では,組織化された潜在空間からの符号化と復号化に向けた帰納的バイアスを構築する。 本稿では,基本データレコーダ (vanilla autoencoder) と潜時再構成 (InfoGAN) 生成モデルの両方に追加することで,このアプローチの広範な適用性を実証する。
  論文  参考訳（メタデータ） (2023-05-28T06:30:29Z)
• Schema-adaptable Knowledge Graph Construction [47.772335354080795]
  従来の知識グラフ構築(KGC)アプローチは、通常、事前定義されたスキーマの閉じたセットで静的情報抽出パラダイムに従う。 我々は,スキーマ適応型KGCと呼ばれる新しいタスクを提案する。このタスクは,動的に変化するスキーマグラフに基づいて,再学習せずにエンティティ,リレーション,イベントを継続的に抽出することを目的としている。
  論文  参考訳（メタデータ） (2023-05-15T15:06:20Z)
• Building Interoperable Electronic Health Records as Purpose-Driven Knowledge Graphs [4.391603054571585]
  我々は、データと知識の再利用を可能にするiTelosと呼ばれる統合手法を提案する。 提案手法は大規模ケーススタディへの適用を通じて検証されている。
  論文  参考訳（メタデータ） (2023-05-10T12:11:42Z)
• Fork or Fail: Cycle-Consistent Training with Many-to-One Mappings [67.11712279612583]
  サイクル一貫性トレーニングは、2つの関心領域間の前方および逆マッピングの学習に広く用いられている。 我々は条件付き変分オートエンコーダ(cvae)アプローチを開発し、これは全射写像を暗黙の単射に変換するものと見なすことができる。 私たちのパイプラインは、グラフからテキストへの多様性を促進しながら、サイクルトレーニング中に多くのマッピングをキャプチャできます。
  論文  参考訳（メタデータ） (2020-12-14T10:59:59Z)
• Remembering for the Right Reasons: Explanations Reduce Catastrophic Forgetting [100.75479161884935]
  我々は、RRR(Remembering for the Right Reasons)と呼ばれる新しいトレーニングパラダイムを提案する。 RRRは、各例の視覚モデル説明をバッファに格納し、モデルが予測に「正しい理由」を持つことを保証する。 メモリや正規化ベースのアプローチでRRRを容易に追加できることを示し、その結果、忘れを少なくする。
  論文  参考訳（メタデータ） (2020-10-04T10:05:27Z)
• Generative Adversarial Zero-Shot Relational Learning for Knowledge Graphs [96.73259297063619]
  我々は、この厄介なキュレーションを解放するために、新しい定式化、ゼロショット学習を考える。 新たに追加された関係について,テキスト記述から意味的特徴を学習しようと試みる。 我々は,GAN(Generative Adrial Networks)を活用し,テキストと知識グラフ領域の接続を確立する。
  論文  参考訳（メタデータ） (2020-01-08T01:19:08Z)

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。