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

• Conformable Convolution for Topologically Aware Learning of Complex Anatomical Structures [38.20599800950335]
  トポロジ的一貫性を明示するために設計された新しい畳み込み層であるConformable Convolutionを紹介する。 Topological Posterior Generator (TPG)モジュールは、重要なトポロジ的特徴を特定し、畳み込み層をガイドする。 本稿では,構造物の相互接続性維持が重要となるセグメンテーション作業におけるフレームワークの有効性を示す。
  論文  参考訳（メタデータ） (2024-12-29T22:41:33Z)
• Leveraging LLM for Automated Ontology Extraction and Knowledge Graph Generation [3.2513035377783717]
  OntoKGenは、オントロジー抽出と知識グラフ生成のための真のパイプラインである。 OntoKGenは、Neo4jのようなスキーマレスで非リレーショナルなデータベースへのシームレスな統合を可能にする。
  論文  参考訳（メタデータ） (2024-11-30T23:11:44Z)
• Embodied-RAG: General Non-parametric Embodied Memory for Retrieval and Generation [69.01029651113386]
  Embodied-RAGは、非パラメトリックメモリシステムによるエンボディエージェントのモデルを強化するフレームワークである。 コアとなるEmbodied-RAGのメモリはセマンティックフォレストとして構成され、言語記述を様々なレベルで詳細に保存する。 Embodied-RAGがRAGをロボット領域に効果的にブリッジし、250以上の説明とナビゲーションクエリをうまく処理できることを実証する。
  論文  参考訳（メタデータ） (2024-09-26T21:44:11Z)
• Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
  オンロジはドメインの知識とメタデータを表現するために広く使われている。 直接支援できる論理的推論は、学習、近似、予測において非常に限られています。 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。
  論文  参考訳（メタデータ） (2024-06-16T14:49:19Z)
• Synthesizing Proteins on the Graphics Card. Protein Folding and the Limits of Critical AI Studies [0.8192907805418581]
  本稿では,タンパク質の折り畳みにおけるトランスアーキテクチャの適用について検討する。 インテリジェントマシンの検索は、インテリジェンスの場所ではなく、形から始めなければならない、と私たちは主張する。
  論文  参考訳（メタデータ） (2024-05-16T03:24:05Z)
• Large language models as oracles for instantiating ontologies with domain-specific knowledge [0.0]
  ドメイン固有の知識を自動的にインスタンス化するドメインに依存しない手法を提案する。 提案手法は,複数回クエリを行い,その応答からクラスとプロパティのインスタンスを生成する。 実験により,本手法は最先端技術よりも最大5倍高い精度を実現した。
  論文  参考訳（メタデータ） (2024-04-05T14:04:07Z)
• 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)
• Physics of Language Models: Part 1, Learning Hierarchical Language Structures [51.68385617116854]
  トランスフォーマーベースの言語モデルは効率的だが複雑であり、内部動作を理解することは大きな課題である。 本稿では,長文を生成可能な階層規則を生成する合成CFGのファミリーを紹介する。 我々は、GPTのような生成モデルがこのCFG言語を正確に学習し、それに基づいて文を生成することを実証する。
  論文  参考訳（メタデータ） (2023-05-23T04:28:16Z)
• 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)
• 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)

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。