論文の概要: Ontology Design Facilitating Wikibase Integration -- and a Worked Example for Historical Data

• arxiv url: http://arxiv.org/abs/2205.14032v1
• Date: Fri, 27 May 2022 15:01:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-30 20:09:42.053917
• Title: Ontology Design Facilitating Wikibase Integration -- and a Worked Example for Historical Data
• Title（参考訳）: wikibaseの統合を促進するオントロジ設計 - 履歴データのための実例-
• Authors: Cogan Shimizu, Andrew Eells, Seila Gonzalez, Lu Zhou, Pascal Hitzler, Alicia Sheill, Catherine Foley, Dean Rehberger
• Abstract要約: 従来のモデリングとWikibaseプラットフォームを併用するために必要な重要な要素を提供する。 我々は、パラダイムギャップを橋渡しする強調パターンのセットと、使用方法の指示、そして過去のデータに対する実例を提供する。
• 参考スコア（独自算出の注目度）: 3.7334947273482504
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Wikibase -- which is the software underlying Wikidata -- is a powerful platform for knowledge graph creation and management. However, it has been developed with a crowd-sourced knowledge graph creation scenario in mind, which in particular means that it has not been designed for use case scenarios in which a tightly controlled high-quality schema, in the form of an ontology, is to be imposed, and indeed, independently developed ontologies do not necessarily map seamlessly to the Wikibase approach. In this paper, we provide the key ingredients needed in order to combine traditional ontology modeling with use of the Wikibase platform, namely a set of \emph{axiom} patterns that bridge the paradigm gap, together with usage instructions and a worked example for historical data.
• Abstract（参考訳）: Wikibase - Wikidataの基盤となるソフトウェア - は知識グラフの作成と管理のための強力なプラットフォームである。 しかし、クラウドソースの知識グラフ作成シナリオを念頭に置いて開発されており、特に、オントロジーの形で厳密に制御された高品質なスキーマを課すようなユースケースには設計されておらず、実際、独立に開発されたオントロジーは必ずしもwikibaseアプローチにシームレスにマッピングするわけではない。 本稿では,従来のオントロジーモデリングとwikibaseプラットフォーム,すなわちパラダイムギャップを橋渡しする一連の \emph{axiom} パターンと,使用手順と履歴データの実例を組み合わせるために必要な重要な材料を提供する。

関連論文リスト

• Coreference Graph Guidance for Mind-Map Generation [5.289044688419791]
  近年、最先端の手法が文書の文を逐次エンコードし、シークエンス・トゥ・グラフを介して関係グラフに変換する。 外部構造知識を組み込むためのコア推論誘導マインドマップ生成ネットワーク(CMGN)を提案する。
  論文  参考訳（メタデータ） (2023-12-19T09:39:27Z)
• Wikiformer: Pre-training with Structured Information of Wikipedia for Ad-hoc Retrieval [21.262531222066208]
  本稿では,ウィキペディアの構造的知識に基づいて,情報検索タスクに適した4つの事前学習目標を考案する。 既存の事前学習手法と比較して,本手法はトレーニングコーパスにおける意味的知識をよりよく捉えることができる。 生物医学・法学領域における実験結果から,本手法は垂直領域において優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2023-12-17T09:31:47Z)
• Automatic Semantic Modeling for Structural Data Source with the Prior Knowledge from Knowledge Base [15.075047172918547]
  本稿では、機械学習、グラフマッチング、修正された頻繁なサブグラフマイニングを用いて、構造化データソースを意味的に注釈付けする新しい手法を提案する。 提案手法は,少数のモデルしか知られていない難解な場合において,最先端の2つのソリューションより優れている。
  論文  参考訳（メタデータ） (2022-12-21T10:54:59Z)
• Schema-aware Reference as Prompt Improves Data-Efficient Knowledge Graph Construction [57.854498238624366]
  本稿では,データ効率のよい知識グラフ構築のためのRAP(Schema-Aware Reference As Prompt)の検索手法を提案する。 RAPは、人間の注釈付きおよび弱教師付きデータから受け継いだスキーマと知識を、各サンプルのプロンプトとして動的に活用することができる。
  論文  参考訳（メタデータ） (2022-10-19T16:40:28Z)
• Does Wikidata Support Analogical Reasoning? [17.68704739786042]
  Wikidataの知識が類推的推論をサポートするかどうかを検討する。 Wikidataは類似分類のためのデータ作成に利用できることを示す。 我々は、Wikidataからアナログを抽出する自動手法を導くためのメトリクスセットを考案した。
  論文  参考訳（メタデータ） (2022-10-02T20:46:52Z)
• 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)
• Improving Candidate Retrieval with Entity Profile Generation for Wikidata Entity Linking [76.00737707718795]
  本稿では,エンティティ・プロファイリングに基づく新しい候補探索パラダイムを提案する。 我々は、このプロファイルを使用してインデックス付き検索エンジンに問い合わせ、候補エンティティを検索する。 本手法は,ウィキペディアのアンカーテキスト辞書を用いた従来の手法を補完するものである。
  論文  参考訳（メタデータ） (2022-02-27T17:38:53Z)
• Mapping Patterns for Virtual Knowledge Graphs [71.61234136161742]
  仮想知識グラフ(VKG)は、レガシーデータソースの統合とアクセスのための最も有望なパラダイムの1つである。 データ管理、データ分析、概念モデリングにおいて研究された、確立された方法論とパターンに基づいて構築する。 検討されたVKGシナリオに基づいて,私たちのカタログを検証し,そのパターンの大部分をカバーすることを示す。
  論文  参考訳（メタデータ） (2020-12-03T13:54:52Z)
• 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)
• Adaptive Graph Auto-Encoder for General Data Clustering [90.8576971748142]
  グラフベースのクラスタリングは、クラスタリング領域において重要な役割を果たす。 グラフ畳み込みニューラルネットワークに関する最近の研究は、グラフ型データにおいて驚くべき成功を収めている。 本稿では,グラフの生成的視点に応じて適応的にグラフを構成する汎用データクラスタリングのためのグラフ自動エンコーダを提案する。
  論文  参考訳（メタデータ） (2020-02-20T10:11:28Z)
• Classifying Wikipedia in a fine-grained hierarchy: what graphs can contribute [0.5530212768657543]
  我々は、ウィキペディアを細かな名前付きエンティティオントロジー(NE)に分類するために、グラフ(構造)情報を統合するタスクに対処する。 日本語ウィキペディアから抽出した22,000ページのサブセットを手作業でラベル付けして,大規模な実践実験を行う。 この結果から,グラフ情報の統合は,入力特徴空間の空白度を低減することに成功し,従来の作業と同等かそれ以上の分類結果が得られることがわかった。
  論文  参考訳（メタデータ） (2020-01-21T14:19:49Z)

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。