論文の概要: Saga: A Platform for Continuous Construction and Serving of Knowledge At
Scale
- arxiv url: http://arxiv.org/abs/2204.07309v1
- Date: Fri, 15 Apr 2022 03:20:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-18 14:40:33.738002
- Title: Saga: A Platform for Continuous Construction and Serving of Knowledge At
Scale
- Title(参考訳): Saga: 継続的構築と大規模知識の実現のためのプラットフォーム
- Authors: Ihab F. Ilyas, Theodoros Rekatsinas, Vishnu Konda, Jeffrey Pound,
Xiaoguang Qi, Mohamed Soliman
- Abstract要約: Sagaは、産業規模で知識ベースのアプリケーションを動かすための次世代の知識構築およびサービスプラットフォームである。
Sagaは、現実世界のエンティティに関する何十億もの事実を継続的に統合するためのハイブリッドバッチインクリメンタル設計に従っている。
- 参考スコア(独自算出の注目度): 10.661971819078406
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce Saga, a next-generation knowledge construction and serving
platform for powering knowledge-based applications at industrial scale. Saga
follows a hybrid batch-incremental design to continuously integrate billions of
facts about real-world entities and construct a central knowledge graph that
supports multiple production use cases with diverse requirements around data
freshness, accuracy, and availability. In this paper, we discuss the unique
challenges associated with knowledge graph construction at industrial scale,
and review the main components of Saga and how they address these challenges.
Finally, we share lessons-learned from a wide array of production use cases
powered by Saga.
- Abstract(参考訳): 産業規模で知識ベースのアプリケーションを動かすための次世代知識構築・提供プラットフォームであるsagaを紹介する。
Saga氏は、実世界のエンティティに関する何十億もの事実を継続的に統合し、データ更新性、正確性、可用性に関するさまざまな要件を持つ複数のプロダクションユースケースをサポートする中央知識グラフを構築するためのハイブリッドバッチインクリメンタル設計に従っている。
本稿では,産業規模での知識グラフ構築に関わるユニークな課題について論じ,佐賀の主な構成要素とそれらの課題について概観する。
最後に、sagaを使った幅広いプロダクションユースケースから学んだ教訓を共有します。
関連論文リスト
- Open Domain Knowledge Extraction for Knowledge Graphs [15.422838487500915]
我々は,オープンWebから高品質なエンティティや事実を大規模にソースするフレームワークODKEを紹介する。
私たちは、業界規模のオープンドメイン知識グラフを成長させる上での課題と設計上の決定を反映しています。
論文 参考訳(メタデータ) (2023-10-30T22:18:34Z) - A Comprehensive Survey of AI-Generated Content (AIGC): A History of
Generative AI from GAN to ChatGPT [63.58711128819828]
ChatGPTおよびその他の生成AI(GAI)技術は、人工知能生成コンテンツ(AIGC)のカテゴリに属している。
AIGCの目標は、コンテンツ作成プロセスをより効率的かつアクセスしやすくし、高品質なコンテンツをより高速に生産できるようにすることである。
論文 参考訳(メタデータ) (2023-03-07T20:36:13Z) - Open-world Story Generation with Structured Knowledge Enhancement: A
Comprehensive Survey [38.56791838401675]
本稿では,既存の手法が構造的知識をストーリー生成にどのように統合するかについて,体系的な分類法を提案する。
知識に富んだストーリー生成の課題について多次元的な洞察を与える。
論文 参考訳(メタデータ) (2022-12-09T02:19:07Z) - Knowledge Representation in Digital Agriculture: A Step Towards
Standardised Model [4.286327408435937]
農作物におけるデータマイニングを表現・保存するための新しい知識マップを提案する。
提案したモデルは、概念、属性、関係、変換、インスタンス、状態の6つの主要な集合で構成されている。
また,この知識モデルを扱うためのアーキテクチャを提案する。
論文 参考訳(メタデータ) (2022-07-15T20:31:56Z) - FabKG: A Knowledge graph of Manufacturing Science domain utilizing
structured and unconventional unstructured knowledge source [1.2597961235465307]
我々は,商業・教育用両方の実体・関係データに基づく知識グラフを開発する。
学生ノートを活用したKG作成のための新しいクラウドソーシング手法を提案する。
私たちは、すべてのデータソースを使用して、65,000以上のトリプルを含む知識グラフを作成しました。
論文 参考訳(メタデータ) (2022-05-24T02:32:04Z) - TegTok: Augmenting Text Generation via Task-specific and Open-world
Knowledge [83.55215993730326]
本稿では,タスク固有およびオープンワールド知識(TegTok)によるTExt生成の統一化を提案する。
本モデルでは,2種類の知識ソースからの知識エントリを高密度検索により選択し,それぞれ入力エンコーディングと出力デコーディングの段階に注入する。
論文 参考訳(メタデータ) (2022-03-16T10:37:59Z) - Modeling and Optimizing Laser-Induced Graphene [59.8912133964006]
レーザ誘起グラフェンの生成の最適化を記述したデータセットを提供する。
提供するデータセットに基づいて,3つの課題を提起します。
興味のあるユーザにとっての出発点として、図解的な結果と、それらを生成するためのコードを提示します。
論文 参考訳(メタデータ) (2021-07-29T18:08:24Z) - Billion-scale Pre-trained E-commerce Product Knowledge Graph Model [13.74839302948699]
電子商取引製品知識グラフのための事前学習知識グラフモデル(PKGM)。
PKGMは、知識グラフのトリプルデータにアクセスせずに、埋め込みベースのモデルに一様にアイテムナレッジサービスを提供する。
我々は,PKGMを項目分類,同一項目識別,レコメンデーションを含む3つの知識関連タスクでテストする。
論文 参考訳(メタデータ) (2021-05-02T04:28:22Z) - Towards a Universal Continuous Knowledge Base [49.95342223987143]
複数のニューラルネットワークからインポートされた知識を格納できる継続的知識基盤を構築する方法を提案する。
テキスト分類実験は有望な結果を示す。
我々は複数のモデルから知識ベースに知識をインポートし、そこから融合した知識を単一のモデルにエクスポートする。
論文 参考訳(メタデータ) (2020-12-25T12:27:44Z) - CoLAKE: Contextualized Language and Knowledge Embedding [81.90416952762803]
文脈型言語と知識埋め込み(CoLAKE)を提案する。
CoLAKEは、言語と知識の両方の文脈化された表現を、拡張された目的によって共同で学習する。
知識駆動タスク、知識探索タスク、言語理解タスクについて実験を行う。
論文 参考訳(メタデータ) (2020-10-01T11:39:32Z) - KILT: a Benchmark for Knowledge Intensive Language Tasks [102.33046195554886]
知識集約型言語タスク(KILT)のベンチマークを示す。
KILTのすべてのタスクはウィキペディアのスナップショットと同じだ。
共有密度ベクトル指数とSeq2seqモデルとの結合が強いベースラインであることが分かる。
論文 参考訳(メタデータ) (2020-09-04T15:32:19Z)
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。