論文の概要: Math-KG: Construction and Applications of Mathematical Knowledge Graph
- arxiv url: http://arxiv.org/abs/2205.03772v1
- Date: Sun, 8 May 2022 03:39:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-11 07:43:36.901660
- Title: Math-KG: Construction and Applications of Mathematical Knowledge Graph
- Title(参考訳): Math-KG:数学知識グラフの構築と応用
- Authors: Jianing Wang
- Abstract要約: 本研究では,パイプライン法と自然言語処理技術によって自動的に構築された数学知識グラフMath-KGを提案する。
提案するMath-KGは,故障解析やセマンティックサーチなど,一連のシーンでコントリビューションを行うことができる。
- 参考スコア(独自算出の注目度): 2.1828601975620257
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recently, the explosion of online education platforms makes a success in
encouraging us to easily access online education resources. However, most of
them ignore the integration of massive unstructured information, which
inevitably brings the problem of \textit{information overload} and
\textit{knowledge trek}. In this paper, we proposed a mathematical knowledge
graph named Math-KG, which automatically constructed by the pipeline method
with the natural language processing technology to integrate the resources of
the mathematics. It is built from the corpora of Baidu Baike, Wikipedia. We
implement a simple application system to validate the proposed Math-KG can make
contributions on a series of scenes, including faults analysis and semantic
search. The system is publicly available at GitHub
\footnote{\url{https://github.com/wjn1996/Mathematical-Knowledge-Entity-Recognition}.}.
- Abstract(参考訳): 近年,オンライン教育プラットフォームが爆発的に普及し,オンライン教育リソースへのアクセスが容易になった。
しかし、それらの多くは、必然的に \textit{information overload} と \textit{knowledge trek} の問題を引き起こす巨大な非構造化情報の統合を無視している。
本稿では,パイプライン法と自然言語処理技術によって自動的に構築された数学知識グラフMath-KGを提案する。
Baidu Baike, Wikipediaのコーポラから作られている。
提案する計算量kgを検証可能な単純なアプリケーションシステムを実装し,障害解析や意味検索など,一連の場面に寄与する。
このシステムはGitHub \footnote{\url{https://github.com/wjn 1996/Mathematical-Knowledge-Entity-Recognition}で公開されている。
}.
関連論文リスト
- Automated conjecturing in mathematics with \emph{TxGraffiti} [0.0]
emphTxGraffitiは、予想を生成するプロセスを自動化するために開発されたデータ駆動型コンピュータプログラムである。
本稿では,emphTxGraffitiプログラムのルーツを含む,emphTxGraffitiの設計と基本原理について述べる。
論文 参考訳(メタデータ) (2024-09-28T15:06:31Z) - iText2KG: Incremental Knowledge Graphs Construction Using Large Language Models [0.7165255458140439]
iText2KGは、後処理なしで漸進的にトピックに依存しない知識グラフを構築する方法である。
提案手法は,3つのシナリオにまたがるベースライン手法と比較して,優れた性能を示す。
論文 参考訳(メタデータ) (2024-09-05T06:49:14Z) - State of the Art and Potentialities of Graph-level Learning [54.68482109186052]
グラフレベルの学習は、比較、回帰、分類など、多くのタスクに適用されている。
グラフの集合を学習する伝統的なアプローチは、サブストラクチャのような手作りの特徴に依存している。
ディープラーニングは、機能を自動的に抽出し、グラフを低次元表現に符号化することで、グラフレベルの学習をグラフの規模に適応させるのに役立っている。
論文 参考訳(メタデータ) (2023-01-14T09:15:49Z) - Joint Language Semantic and Structure Embedding for Knowledge Graph
Completion [66.15933600765835]
本稿では,知識三重項の自然言語記述と構造情報とを共同で組み込むことを提案する。
本手法は,学習済み言語モデルを微調整することで,完了作業のための知識グラフを埋め込む。
各種知識グラフベンチマーク実験により,本手法の最先端性能を実証した。
論文 参考訳(メタデータ) (2022-09-19T02:41:02Z) - JiuZhang: A Chinese Pre-trained Language Model for Mathematical Problem
Understanding [74.12405417718054]
本稿では,中国初の数学的事前学習言語モデル(PLM)を提示することにより,機械の数学的知性向上を目指す。
他の標準のNLPタスクとは異なり、数学的テキストは問題文に数学的用語、記号、公式を含むため理解が難しい。
基礎課程と上級課程の両方からなる数学PLMの学習を改善するための新しいカリキュラム事前学習手法を設計する。
論文 参考訳(メタデータ) (2022-06-13T17:03:52Z) - Knowledgebra: An Algebraic Learning Framework for Knowledge Graph [15.235089177507897]
知識グラフ(KG)表現学習は、データセットに含まれる知識を一貫して表現できるように、エンティティと関係を密度の高い連続ベクトル空間に符号化することを目的としている。
我々は,KG の代数構造を観察し,KG の数学的言語を開発した。
本研究では,標準的なデータセット上での最先端性能を示す,単純な行列半群を用いたインスタンス化モデルSemEを実装した。
論文 参考訳(メタデータ) (2022-04-15T04:53:47Z) - Inter-GPS: Interpretable Geometry Problem Solving with Formal Language
and Symbolic Reasoning [123.06420835072225]
3,002の幾何学的問題と密接なアノテーションを形式言語に含む新しい大規模ベンチマークGeometry3Kを構築します。
我々は、Interpretable Geometry Problemsolvr (Inter-GPS)と呼ばれる形式言語と記号推論を用いた新しい幾何学的解法を提案する。
イントラGPSは定理の知識を条件付き規則として取り入れ、記号的推論を段階的に行う。
論文 参考訳(メタデータ) (2021-05-10T07:46:55Z) - Distilling Wikipedia mathematical knowledge into neural network models [4.874780144224057]
Wikipediaに埋め込まれた数学的表現を、下流の機械学習タスクで使用されるシンボリックエンコーディングに蒸留するパイプラインを紹介します。
この「コーパス」の式で訓練された$textitmathematical$ $textitlanguage$ $textitmodel$は、シンボリック回帰のタスクに対するニューラルガイド検索のパフォーマンスを改善するために、事前に使用することができます。
論文 参考訳(メタデータ) (2021-04-13T04:16:50Z) - JAKET: Joint Pre-training of Knowledge Graph and Language Understanding [73.43768772121985]
本稿では,知識グラフと言語の両方をモデル化する新しい事前学習フレームワークであるJAKETを提案する。
知識モジュールと言語モジュールは相互に支援するための重要な情報を提供する。
我々の設計により、事前学習されたモデルは、新しいドメインの見知らぬ知識グラフに容易に適応できる。
論文 参考訳(メタデータ) (2020-10-02T05:53:36Z) - Exploiting Structured Knowledge in Text via Graph-Guided Representation
Learning [73.0598186896953]
本稿では、知識グラフからのガイダンスを用いて、生テキスト上で学習する2つの自己教師型タスクを提案する。
エンティティレベルのマスキング言語モデルに基づいて、最初のコントリビューションはエンティティマスキングスキームです。
既存のパラダイムとは対照的に,本手法では事前学習時にのみ,知識グラフを暗黙的に使用する。
論文 参考訳(メタデータ) (2020-04-29T14:22:42Z)
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。