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

• Procedure Model for Building Knowledge Graphs for Industry Applications [0.0]
  グラフベースの未接続情報とドメイン知識の統合は、新たな洞察を提供する。 本稿では,RDF知識グラフ構築のための実践的なステップバイステッププロシージャモデルを提案する。
  論文  参考訳（メタデータ） (2024-09-20T11:46:37Z)
• SOK-Bench: A Situated Video Reasoning Benchmark with Aligned Open-World Knowledge [60.76719375410635]
  44Kの質問と10Kの状況からなる新しいベンチマーク(SOK-Bench)を提案する。 推論プロセスは、位置する知識と問題解決のための一般的な知識を理解し、適用するために必要である。 質問応答ペアと推論プロセスを生成し,最後に品質保証に関する手作業によるレビューを行った。
  論文  参考訳（メタデータ） (2024-05-15T21:55:31Z)
• AI Competitions and Benchmarks: Dataset Development [42.164845505628506]
  本章では,我々の実践経験に富んだ,確立した方法論ツールの概要について概観する。 データセット開発に関わるタスクを開発し、その効果的な管理に関する洞察を提供する。 次に、データ収集、変換、品質評価を含む実装プロセスの詳細について述べる。
  論文  参考訳（メタデータ） (2024-04-15T12:01:42Z)
• Building A Knowledge Graph to Enrich ChatGPT Responses in Manufacturing Service Discovery [0.5919433278490629]
  本研究では,ボトムアップオントロジーと高度な機械学習モデルを統合し,製造サービス知識グラフを開発する手法を提案する。 知識グラフと学習グラフ埋め込みベクトルを利用して、デジタルサプライチェーンネットワーク内の複雑なクエリに対処する。 このアプローチは、グローバルな製造サービス知識ネットワークグラフを形成するために分散できる数百万のエンティティにスケーラブルである。
  論文  参考訳（メタデータ） (2024-04-09T18:46:46Z)
• 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)
• 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)
• 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。