論文の概要: GENOME: A GENeric methodology for Ontological Modelling of Epics
- arxiv url: http://arxiv.org/abs/2202.13751v1
- Date: Sun, 13 Feb 2022 15:52:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-06 14:56:40.576569
- Title: GENOME: A GENeric methodology for Ontological Modelling of Epics
- Title（参考訳）: ゲノム:エピックのオントロジモデリングのための汎用方法論
- Authors: Udaya Varadarajan, Mayukh Bagchi, Amit Tiwari and M.P. Satija
- Abstract要約: genOMEはエピックの反復的存在論的モデリングのための最初の専用の方法論である。
それは、叙事詩の標準規範、知識モデリングのベストプラクティス、アプリケーション満足度規範、認知的生成問題という超学際的な基礎に根ざしている。
また、再利用やゼロから知識モデリングの選択肢を統合するのに十分な柔軟性を持つ最初の方法論でもある。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ontological knowledge modelling of epics, though being an established
research arena backed by concrete multilingual and multicultural works, still
suffer from two key shortcomings. Firstly, all epic ontological models
developed till date have been designed following ad-hoc methodologies, most
often, combining existing general purpose ontology development methodologies.
Secondly, none of the ad-hoc methodologies consider the potential reuse of
existing epic ontological models for enrichment, if available. The paper
presents, as a unified solution to the above shortcomings, the design and
development of GENOME - the first dedicated methodology for iterative
ontological modelling of epics, potentially extensible to works in different
research arenas of digital humanities in general. GENOME is grounded in
transdisciplinary foundations of canonical norms for epics, knowledge modelling
best practices, application satisfiability norms and cognitive generative
questions. It is also the first methodology (in epic modelling but also in
general) to be flexible enough to integrate, in practice, the options of
knowledge modelling via reuse or from scratch. The feasibility of GENOME is
validated via a first brief implementation of ontological modelling of the
Indian epic - Mahabharata by reusing an existing ontology. The preliminary
results are promising, with the GENOME-produced model being both ontologically
thorough and performance-wise competent
- Abstract（参考訳）: 叙事詩のオントロジー的知識モデリングは、具体的多言語・多文化的な作品に支えられて確立された研究領域であるが、2つの重大な欠点に悩まされている。
第一に、これまでに開発された全てのエピックオントロジーモデルは、主に既存の汎用オントロジー開発手法を組み合わせたアドホックな方法論に従って設計されている。
第二に、もし利用可能であれば、既存のエピックオントロジーモデルの再利用を考慮しないアドホック方法論は、どれもない。
本論文は、上述の欠点に対する統一的な解決策として、エピックの反復的存在論的モデリングのための最初の専用の方法論であるGENOMEの設計と開発について述べる。
GENOMEは、叙事詩の標準的な規範、ベストプラクティスの知識モデリング、応用満足度規範、認知的生成質問の学際的基礎に根ざしている。
これはまた、再利用やスクラッチから知識モデリングの選択肢を統合するのに十分柔軟である(エピックモデリングでも一般的な)最初の方法論でもある。
ジェノメの可能性は、既存のオントロジーを再利用してインド叙事詩マハーバーラタのオントロジーモデルの最初の簡単な実装によって検証される。
予備結果は有望であり、ゲノム生成モデルは非常に徹底的であり、性能的に有能である
関連論文リスト
- Model Merging in LLMs, MLLMs, and Beyond: Methods, Theories, Applications and Opportunities [89.40778301238642]
モデルマージは、機械学習コミュニティにおける効率的なエンパワーメント技術である。
これらの手法の体系的かつ徹底的なレビューに関する文献には大きなギャップがある。
論文 参考訳（メタデータ） (2024-08-14T16:58:48Z) - Mining Frequent Structures in Conceptual Models [2.841785306638839]
本稿では,概念モデリング言語における頻繁な構造発見問題に対する一般的なアプローチを提案する。
我々は,頻繁な部分グラフマイニングアルゴリズムとグラフ操作手法を組み合わせる。
主な目的は、言語エンジニアのためのサポート施設を提供することである。
論文 参考訳（メタデータ） (2024-06-11T10:24:02Z) - ZhiJian: A Unifying and Rapidly Deployable Toolbox for Pre-trained Model
Reuse [59.500060790983994]
本稿では、PyTorchバックエンドを利用して、モデル再利用のための包括的でユーザフレンドリなツールボックスであるZhiJianを紹介する。
ZhiJianは、PTMによるターゲットアーキテクチャ構築、PTMによるターゲットモデルチューニング、およびPTMに基づく推論を含む、モデル再利用に関するさまざまな視点を統一する新しいパラダイムを提示している。
論文 参考訳（メタデータ） (2023-08-17T19:12:13Z) - Designing Novel Cognitive Diagnosis Models via Evolutionary
Multi-Objective Neural Architecture Search [13.9289351255891]
進化的多目的ニューラルアーキテクチャサーチ(NAS)による新しい認知診断モデルの自動設計を提案する。
2つの実世界のデータセットに対する実験により、提案手法によって探索された認知診断モデルは、既存のモデルよりもはるかに優れた性能を示し、人間設計モデルと同じくらい優れた解釈性を有することが示された。
論文 参考訳（メタデータ） (2023-07-10T09:09:26Z) - In Pursuit of Unification of Conceptual Models: Sets as Machines [0.0]
この写本は、第二のアプローチに属する研究事業の続編である。
これは、ストイック論理とルパシアン論理に基づいて構築されたデッキングマシンと呼ばれるモデルを使用する。
論文 参考訳（メタデータ） (2023-06-24T01:28:31Z) - Counterfactual Identifiability of Bijective Causal Models [22.820102235159368]
バイジェクティブ・ジェネレーション・メカニズム(BGM)を用いた因果モデルにおける反現実的識別可能性について検討する。
構造的生成モデルとしてBGMを学習する実践的学習法を提案する。
学習されたBGMは効果的な反ファクト推定を可能にし、様々な深い条件付き生成モデルを用いて得ることができる。
論文 参考訳（メタデータ） (2023-02-04T19:51:56Z) - Knowledge-Aware Bayesian Deep Topic Model [50.58975785318575]
本稿では,事前知識を階層型トピックモデリングに組み込むベイズ生成モデルを提案する。
提案モデルでは,事前知識を効率的に統合し,階層的なトピック発見と文書表現の両面を改善する。
論文 参考訳（メタデータ） (2022-09-20T09:16:05Z) - Abstract Interpretation for Generalized Heuristic Search in Model-Based
Planning [50.96320003643406]
ドメイン・ジェネラル・モデル・ベース・プランナーは、しばしば記号的世界モデルの緩和を通じて探索を構築することによって一般性を導出する。
抽象解釈がこれらの抽象化の統一フレームワークとして機能し、よりリッチな世界モデルに探索の範囲を広げる方法について説明する。
また、これらは学習と統合することができ、エージェントは抽象的な情報を通じて、新しい世界のモデルで計画を開始することができる。
論文 参考訳（メタデータ） (2022-08-05T00:22:11Z) - Towards a Predictive Processing Implementation of the Common Model of
Cognition [79.63867412771461]
本稿では,ニューラル生成符号化とホログラフィック連想記憶に基づく認知モデルの実装について述べる。
提案システムは,多様なタスクから継続的に学習し,大規模に人的パフォーマンスをモデル化するエージェントを開発するための基盤となる。
論文 参考訳（メタデータ） (2021-05-15T22:55:23Z) - Semantic interoperability based on the European Materials and Modelling
Ontology and its ontological paradigm: Mereosemiotics [0.0]
欧州物質・モデリングオントロジー(EMMO)は、最近、計算分子工学とマルチスケールモデリングコミュニティにおいてトップレベルとして進歩している。
この研究は、同じパラダイム – 同じ基本セット – に基づいて、トップレベルがどのように構築されているかを探求する。
オントロジー - EMMOが適用できるように。
物理システムのモデルとその計算工学の実践での使用。
論文 参考訳（メタデータ） (2020-03-22T13:19:55Z) - A Comprehensive Study on Temporal Modeling for Online Action Detection [50.558313106389335]
オンライン行動検出(OAD)は実用的だが難しい課題であり、近年注目を集めている。
本稿では,4種類の時間的モデリング手法を含むOADの時間的モデリングに関する総合的研究を提案する。
本稿では,THUMOS-14 と TVSeries に対して,近年の最先端手法よりも大きなマージンを有するハイブリッド時間モデルを提案する。
論文 参考訳（メタデータ） (2020-01-21T13:12:58Z)
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。