論文の概要: An Automatic Ontology Generation Framework with An Organizational
Perspective
- arxiv url: http://arxiv.org/abs/2201.05910v1
- Date: Sat, 15 Jan 2022 18:54:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-22 10:15:39.888765
- Title: An Automatic Ontology Generation Framework with An Organizational
Perspective
- Title(参考訳): 組織的視点を用いたオントロジー自動生成フレームワーク
- Authors: Samaa Elnagar, Victoria Yoon and Manoj A.Thomas
- Abstract要約: 本研究の目的は、非構造化テキストコーパスを形式的に一貫したドメインに変換する新しいドメイン非依存の自動生成フレームワークを開発することである。
提案するフレームワークのパワーは、自動生成する動的機能とKGと品質機能を統合することである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ontologies have been known for their semantic representation of knowledge.
ontologies cannot automatically evolve to reflect updates that occur in
respective domains. To address this limitation, researchers have called for
automatic ontology generation from unstructured text corpus. Unfortunately,
systems that aim to generate ontologies from unstructured text corpus are
domain-specific and require manual intervention. In addition, they suffer from
uncertainty in creating concept linkages and difficulty in finding axioms for
the same concept. Knowledge Graphs (KGs) has emerged as a powerful model for
the dynamic representation of knowledge. However, KGs have many quality
limitations and need extensive refinement. This research aims to develop a
novel domain-independent automatic ontology generation framework that converts
unstructured text corpus into domain consistent ontological form. The framework
generates KGs from unstructured text corpus as well as refine and correct them
to be consistent with domain ontologies. The power of the proposed
automatically generated ontology is that it integrates the dynamic features of
KGs and the quality features of ontologies.
- Abstract(参考訳): オントロジーは知識の意味的な表現で知られている。
オントロジは自動的に進化せず、各ドメインで起こる更新を反映する。
この制限に対処するため、研究者たちは非構造化テキストコーパスから自動オントロジー生成を要求した。
残念なことに、構造化されていないテキストコーパスからオントロジーを生成するシステムはドメイン固有であり、手動で介入する必要がある。
さらに、概念連鎖の生成の不確実性と、同じ概念の公理を見つけるのが困難である。
知識グラフ(kgs)は、知識の動的表現の強力なモデルとして登場した。
しかし、KGには多くの品質制限があり、大幅な改良が必要である。
本研究の目的は、非構造化テキストコーパスをドメイン一貫したオントロジ形式に変換する新しいドメイン非依存自動オントロジ生成フレームワークを開発することである。
このフレームワークは、非構造化テキストコーパスからkgを生成し、ドメインオントロジーと整合するように改善および修正する。
自動生成オントロジーのパワーは、kgの動的特徴とオントロジーの品質特徴を統合することである。
関連論文リスト
- Dynamic Retrieval Augmented Generation of Ontologies using Artificial
Intelligence (DRAGON-AI) [24.636026961059642]
オントロジーは、生物医学、環境学、食品科学などの分野における情報基盤の基本的な構成要素である。
我々はAI(DRAGON-AI)を用いた動的検索オントロジー生成を提案する。
論文 参考訳(メタデータ) (2023-12-18T03:19:31Z) - An Encoding of Abstract Dialectical Frameworks into Higher-Order Logic [57.24311218570012]
このアプローチは抽象弁証法フレームワークのコンピュータ支援分析を可能にする。
応用例としては、メタ理論的性質の形式的解析と検証がある。
論文 参考訳(メタデータ) (2023-12-08T09:32:26Z) - A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian
Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。
我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文 参考訳(メタデータ) (2023-10-14T23:28:48Z) - Towards Verifiable Generation: A Benchmark for Knowledge-aware Language
Model Attribution [48.92960579675478]
我々は知識認識型言語モデル属性(KaLMA)の新しいタスクを定義する。
まず、構造化されていないテキストから知識グラフ(KG)へ属性ソースを拡張する。
第2に,不完全な知識リポジトリを考慮した「意識的非能力」の設定を提案する。
第3に,テキスト品質,引用品質,引用アライメントを含む総合的な自動評価指標を提案する。
論文 参考訳(メタデータ) (2023-10-09T11:45:59Z) - Towards Ontology Reshaping for KG Generation with User-in-the-Loop:
Applied to Bosch Welding [18.83458273005337]
知識グラフ(KG)は幅広い用途で使われている。
KG生成の自動化は、産業におけるデータ量と多様性のために非常に望ましい。
論文 参考訳(メタデータ) (2022-09-22T14:59:13Z) - TeKo: Text-Rich Graph Neural Networks with External Knowledge [75.91477450060808]
外部知識を用いた新しいテキストリッチグラフニューラルネットワーク(TeKo)を提案する。
まず、高品質なエンティティを組み込んだフレキシブルな異種セマンティックネットワークを提案する。
次に、構造化三重項と非構造化実体記述という2種類の外部知識を導入する。
論文 参考訳(メタデータ) (2022-06-15T02:33:10Z) - Unsupervised Learning of Hierarchical Conversation Structure [50.29889385593043]
ゴール指向の会話は、しばしば意味のあるサブ対話構造を持つが、ドメインに依存しやすい。
この研究は、ターンやサブダイアログのセグメントラベルを含む階層的な会話構造を学習するための教師なしのアプローチを導入する。
復号化構造は3つの会話レベル理解タスクのための言語ニューラルネットワークの強化に有用であることが示されている。
論文 参考訳(メタデータ) (2022-05-24T17:52:34Z) - Document Structure aware Relational Graph Convolutional Networks for
Ontology Population [1.076210145983805]
文書コーパスにおける概念間の存在論的関係の学習における文書構造の役割を考察する。
超音速発見と説明可能性から着想を得た本手法は,RCNモデルのスタンドアロンモデルよりも約15ポイント精度が高い。
論文 参考訳(メタデータ) (2021-04-27T02:50:39Z) - Neural Production Systems [90.75211413357577]
視覚環境は、異なるオブジェクトまたはエンティティから構成される。
イメージをエンティティに分割するために、ディープラーニング研究者は構造的誘導バイアスを提案した。
私たちは認知科学からインスピレーションを得て、一連のルールテンプレートからなる古典的なアプローチを復活させます。
このアーキテクチャは柔軟でダイナミックな制御フローを実現し、エンティティ固有およびルールベースの情報を分解するのに役立つ。
論文 参考訳(メタデータ) (2021-03-02T18:53:20Z) - Plausible Reasoning about EL-Ontologies using Concept Interpolation [27.314325986689752]
本稿では,モデル理論の明確な意味論に基づく帰納的機構を提案する。
我々は、カテゴリーベース誘導の認知モデルと密接に関連している強力なコモンセンス推論機構である推論に焦点を当てた。
論文 参考訳(メタデータ) (2020-06-25T14:19:41Z) - Coupling semantic and statistical techniques for dynamically enriching
web ontologies [0.0]
本稿では,World Wide Web から大規模ジェネリックを動的に強化するための,自動結合型統計・セマンティックフレームワークを提案する。
このアプローチの利点は, (i) 背景知識の欠如による大規模セマンティック・パターンのダイナミック・エンリッチメントを提案し, このような知識の再利用を可能にすることである。
論文 参考訳(メタデータ) (2020-04-23T11:21:30Z)
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。