論文の概要: InBiodiv-O: An Ontology for Indian Biodiversity Knowledge Management
- arxiv url: http://arxiv.org/abs/2108.09372v1
- Date: Fri, 20 Aug 2021 21:07:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-25 12:57:07.841724
- Title: InBiodiv-O: An Ontology for Indian Biodiversity Knowledge Management
- Title(参考訳): インド生物多様性知識管理のためのオントロジーInBiodiv-O
- Authors: Archana Patel, Sarika Jain, Narayan C. Debnath, Vishal Lama
- Abstract要約: オントロジーは、生物多様性領域で広く使われている(単に機械処理可能ではなく)最もリッチな機械解釈と明示的な意味論を提供する。
本論文の目的は,提案手法に基づいて,インドにおける生物多様性情報のすべての項を意味的にエンコードするオントロジーを開発することである。
- 参考スコア(独自算出の注目度): 1.3381749415517021
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: To present the biodiversity information, a semantic model is required that
connects all kinds of data about living creatures and their habitats. The model
must be able to encode human knowledge for machines to be understood. Ontology
offers the richest machine-interpretable (rather than just machine-processable)
and explicit semantics that are being extensively used in the biodiversity
domain. Various ontologies are developed for the biodiversity domain however a
review of the current landscape shows that these ontologies are not capable to
define the Indian biodiversity information though India is one of the
megadiverse countries. To semantically analyze the Indian biodiversity
information, it is crucial to build an ontology that describes all the
essential terms of this domain from the unstructured format of the data
available on the web. Since, the curation of the ontologies heavily depends on
the domain where these are implemented hence there is no ideal methodology is
defined yet to be ready for universal use. The aim of this article is to
develop an ontology that semantically encodes all the terms of Indian
biodiversity information in all its dimensions based on the proposed
methodology. The comprehensive evaluation of the proposed ontology depicts that
ontology is well built in the specified domain.
- Abstract(参考訳): 生物多様性情報を提示するには,生物とその生息地に関するあらゆる種類のデータを接続する意味モデルが必要である。
モデルは、マシンを理解するための人間の知識をエンコードできなければならない。
オントロジーは、生物多様性領域で広く使われている(単に機械処理可能ではなく)最もリッチな機械解釈と明示的な意味論を提供する。
生物多様性領域のための様々なオントロジーが開発されているが、現在の展望を概観すると、インドは多国籍国の一つであるにもかかわらず、これらのオントロジーはインド生物多様性情報を定義することができない。
インドの生物多様性情報を意味的に分析するには、webで利用可能な非構造化フォーマットから、このドメインの本質的な用語をすべて記述したオントロジーを構築することが不可欠である。
ゆえに、オントロジーのキュレーションはこれらが実装されている領域に大きく依存するため、普遍的利用の準備が整っていない理想的な方法論は定義されていない。
本論文の目的は,提案手法に基づいて,インドにおける生物多様性情報のすべての項を意味的にエンコードするオントロジーを開発することである。
提案するオントロジーの包括的評価は、オントロジーが特定の領域によく構築されていることを示している。
関連論文リスト
- Leveraging Biomolecule and Natural Language through Multi-Modal
Learning: A Survey [75.47055414002571]
生物分子モデリングと自然言語(BL)の統合は、人工知能、化学、生物学の交差点において有望な学際領域として現れてきた。
生体分子と自然言語の相互モデリングによって達成された最近の進歩について分析する。
論文 参考訳(メタデータ) (2024-03-03T14:59:47Z) - From Large Language Models to Knowledge Graphs for Biomarker Discovery
in Cancer [0.9437165725355702]
人工知能(AI)の難しいシナリオは、バイオメディカルデータを使用して、がんの病態の診断と治療のレコメンデーションを提供することである。
大規模知識グラフ(KG)は、意味的相互関連エンティティや関係に関する事実の統合と抽出によって構築することができる。
本稿では,癌特異的バイオマーカー発見と対話型QAを活用するドメインKGを開発する。
論文 参考訳(メタデータ) (2023-10-12T14:36:13Z) - DOLCE: A Descriptive Ontology for Linguistic and Cognitive Engineering [0.7255908480712145]
DOLCEは、ビータタイズされた最初のトップレベル(基礎)オントロジーである。
それは、社会技術システム、製造業、金融取引、文化遺産など多様な分野において、日常生活で人間が悪用しているような、現実の共通の見方をモデル化することを目的としている。
論文 参考訳(メタデータ) (2023-08-03T08:03:19Z) - A Step Towards Worldwide Biodiversity Assessment: The BIOSCAN-1M Insect
Dataset [18.211840156134784]
本稿では,画像に基づく分類学的評価が可能なコンピュータビジョンモデルの訓練を目的とした,100万画像データセットを提案する。
このデータセットは魅力的な特徴も示しており、その研究はより広範な機械学習コミュニティにとって興味深いものとなるだろう。
論文 参考訳(メタデータ) (2023-07-19T20:54:08Z) - 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) - The I-ADOPT Interoperability Framework for FAIRer data descriptions of
biodiversity [1.3192560874022086]
I-ADOPT WGは、観測された、測定された、計算された、または導出されたものを記述する共通のアプローチを構築するために形成された。
I-ADOPTフレームワークは、科学的な観察でよく見られる様々なパターンを記述するために使用できる、ハイレベルなセマンティックコンポーネントのセットを定義する。
この貢献は、生物多様性領域でよく使われる変数を表現するために、I-ADOPTフレームワークをどのように適用できるかに焦点を当てる。
論文 参考訳(メタデータ) (2021-07-14T08:30:10Z) - Cetacean Translation Initiative: a roadmap to deciphering the
communication of sperm whales [97.41394631426678]
最近の研究では、非ヒト種における音響コミュニケーションを分析するための機械学習ツールの約束を示した。
マッコウクジラの大量生物音響データの収集と処理に必要な重要な要素について概説する。
開発された技術能力は、非人間コミュニケーションと動物行動研究を研究する幅広いコミュニティにおいて、クロス応用と進歩をもたらす可能性が高い。
論文 参考訳(メタデータ) (2021-04-17T18:39:22Z) - Domain Generalization: A Survey [146.68420112164577]
ドメイン一般化(DG)は、モデル学習にソースドメインデータを使用するだけでOOD一般化を実現することを目的としています。
初めて、DGの10年の開発をまとめるために包括的な文献レビューが提供されます。
論文 参考訳(メタデータ) (2021-03-03T16:12:22Z) - FDMT: A Benchmark Dataset for Fine-grained Domain Adaptation in Machine
Translation [53.87731008029645]
機械翻訳(FDMT)における実世界のきめ細かいドメイン適応タスクを提案する。
FDMTデータセットは、自動運転車、AI教育、リアルタイムネットワーク、スマートフォンの4つのサブドメインで構成されている。
この新しい設定で定量的な実験と深い分析を行い、きめ細かいドメイン適応タスクをベンチマークします。
論文 参考訳(メタデータ) (2020-12-31T17:15:09Z) - Panoptic Feature Fusion Net: A Novel Instance Segmentation Paradigm for
Biomedical and Biological Images [91.41909587856104]
本稿では,本研究における意味的特徴とインスタンス的特徴を統一するPanoptic Feature Fusion Net(PFFNet)を提案する。
提案するPFFNetには,インスタンス予測を意味的特徴に組み込むための残注意特徴融合機構が組み込まれている。
様々なバイオメディカルおよび生物学的データセットにおいて、最先端のいくつかの手法を上回ります。
論文 参考訳(メタデータ) (2020-02-15T09:19:41Z)
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。