論文の概要: A Survey on State-of-the-art Techniques for Knowledge Graphs Construction and Challenges ahead

• arxiv url: http://arxiv.org/abs/2110.08012v1
• Date: Fri, 15 Oct 2021 11:18:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-18 14:45:35.108543
• Title: A Survey on State-of-the-art Techniques for Knowledge Graphs Construction and Challenges ahead
• Title（参考訳）: 知識グラフ構築のための最先端技術に関する調査と今後の課題
• Authors: Ali Hur, Naeem Janjua, Mohiuddin Ahmed
• Abstract要約: 本稿では,人間に近い品質の知識グラフを自律的に作成するための最先端の自動化手法を批判する。 高品質な知識グラフを提供するために対処する必要があるさまざまな研究課題を強調します。
• 参考スコア（独自算出の注目度）: 0.2578242050187029
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Global datasphere is increasing fast, and it is expected to reach 175 Zettabytes by 20251 . However, most of the content is unstructured and is not understandable by machines. Structuring this data into a knowledge graph enables multitudes of intelligent applications such as deep question answering, recommendation systems, semantic search, etc. The knowledge graph is an emerging technology that allows logical reasoning and uncovers new insights using content along with the context. Thereby, it provides necessary syntax and reasoning semantics that enable machines to solve complex healthcare, security, financial institutions, economics, and business problems. As an outcome, enterprises are putting their effort into constructing and maintaining knowledge graphs to support various downstream applications. Manual approaches are too expensive. Automated schemes can reduce the cost of building knowledge graphs up to 15-250 times. This paper critiques state-of-the-art automated techniques to produce knowledge graphs of near-human quality autonomously. Additionally, it highlights different research issues that need to be addressed to deliver high-quality knowledge graphs
• Abstract（参考訳）: グローバルデータスフィアは急速に増加しており、20251年までに175 Zettabytesに達することが期待されている。 しかし、ほとんどのコンテンツは構造化されておらず、機械では理解できない。 このデータを知識グラフに構造化することで,深い質問応答やレコメンデーションシステム,セマンティック検索など,インテリジェントなアプリケーションのマルチタスクが可能になる。 知識グラフは、論理的推論を可能にし、コンテキストとともにコンテンツを使用して新しい洞察を発見できる新興技術である。 これにより、機械が複雑な医療、セキュリティ、金融機関、経済、ビジネスの問題を解決するために必要な構文と推論のセマンティクスを提供する。 その結果、企業は様々な下流アプリケーションをサポートするための知識グラフの構築と維持に力を注いでいる。 手動のアプローチは高価すぎる。 自動スキームは知識グラフの構築コストを最大15～250倍削減できる。 本稿では,人間に近い品質の知識グラフを自律的に作成するための最先端の自動化手法を批判する。 さらに、高品質のナレッジグラフを提供するために対処すべきさまざまな研究課題についても強調する。

関連論文リスト

• Privacy-Preserving Graph Machine Learning from Data to Computation: A Survey [67.7834898542701]
  我々は,グラフ機械学習のプライバシ保護手法の見直しに重点を置いている。 まずプライバシ保護グラフデータを生成する方法を検討する。 次に,プライバシ保護情報を送信する方法について述べる。
  論文  参考訳（メタデータ） (2023-07-10T04:30:23Z)
• 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)
• State of the Art and Potentialities of Graph-level Learning [54.68482109186052]
  グラフレベルの学習は、比較、回帰、分類など、多くのタスクに適用されている。 グラフの集合を学習する伝統的なアプローチは、サブストラクチャのような手作りの特徴に依存している。 ディープラーニングは、機能を自動的に抽出し、グラフを低次元表現に符号化することで、グラフレベルの学習をグラフの規模に適応させるのに役立っている。
  論文  参考訳（メタデータ） (2023-01-14T09:15:49Z)
• A survey on the development status and application prospects of knowledge graph in smart grids [7.070357628640114]
  電力知識グラフは、巨大な電力資源と知的アプリケーションに対する継続的な需要の矛盾を解決する機会を提供する。 この研究はまず、知識駆動型インテリジェントアプリケーション統合に関する総合的研究を提示する。 次に、スマートグリッドにおける知識グラフの概要を紹介し、さらに、スマートグリッドとクリティカルテクノロジーのためのビッグナレッジグラフプラットフォームのアーキテクチャについて述べる。
  論文  参考訳（メタデータ） (2022-11-02T05:57:05Z)
• Automated Graph Machine Learning: Approaches, Libraries, Benchmarks and Directions [58.220137936626315]
  本稿では,グラフ機械学習の自動手法について論じる。 当社の専用かつ世界初のグラフ機械学習のためのオープンソースライブラリであるAutoGLを紹介します。 また、統一的で再現性があり、効率的な評価をサポートする調整されたベンチマークについて述べる。
  論文  参考訳（メタデータ） (2022-01-04T18:31:31Z)
• An Intelligent Question Answering System based on Power Knowledge Graph [4.424381928034146]
  本稿では、電力の巨大異種データからグラフデータベースとグラフコンピューティング技術を用いて、ドメイン知識グラフを紹介する。 その後、電力知識グラフに基づくIQAシステムを提案し、自然尋問の意図と制約を抽出した。 提案した研究は、文脈対応のインテリジェントな質問と回答の基盤を提供することもできる。
  論文  参考訳（メタデータ） (2021-06-16T17:57:51Z)
• Graph Self-Supervised Learning: A Survey [73.86209411547183]
  SSL(Self-supervised Learning)は、グラフデータの有望でトレンドの学習パラダイムとなっています。 グラフデータにSSL技術を用いた既存のアプローチをタイムリーかつ包括的にレビューします。
  論文  参考訳（メタデータ） (2021-02-27T03:04:21Z)
• Mobile Link Prediction: Automated Creation and Crowd-sourced Validation of Knowledge Graphs [2.8360662552057323]
  本稿では, 自動化, 専門家, クラウドソーシングによる市民の知識を融合した, 広汎な知識グラフ構築手法を提案する。 ナレッジグラフは、人間によって検証された遺伝的プログラミングを使用して、リンクの自動予測を通じて成長する。 実世界の社会実験において,知識グラフビルダーの精度,実用性,ユーザビリティを評価した。
  論文  参考訳（メタデータ） (2020-06-30T14:50:34Z)
• A Heterogeneous Graph with Factual, Temporal and Logical Knowledge for Question Answering Over Dynamic Contexts [81.4757750425247]
  動的テキスト環境における質問応答について検討する。 構築したグラフ上にグラフニューラルネットワークを構築し,エンドツーエンドでモデルをトレーニングする。
  論文  参考訳（メタデータ） (2020-04-25T04:53:54Z)
• 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。