論文の概要: OntoMerger: An Ontology Integration Library for Deduplicating and Connecting Knowledge Graph Nodes

• arxiv url: http://arxiv.org/abs/2206.02238v1
• Date: Sun, 5 Jun 2022 18:52:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-08 09:55:39.215724
• Title: OntoMerger: An Ontology Integration Library for Deduplicating and Connecting Knowledge Graph Nodes
• Title（参考訳）: OntoMerger:知識グラフノードの複製と接続のためのオントロジー統合ライブラリ
• Authors: David Geleta, Andriy Nikolov, Mark ODonoghue, Benedek Rozemberczki, Anna Gogleva, Valentina Tamma, Terry R. Payne
• Abstract要約: OntoMergerはPython統合ライブラリで、KGノードを非重複化する機能を備えている。 提案手法では,KGノードの集合,マッピング,切断を行い,結合階層とともに統合ノードの集合を生成する。 OntoMerger は様々な KG に適用できる。
• 参考スコア（独自算出の注目度）: 2.6553713413568913
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Duplication of nodes is a common problem encountered when building knowledge graphs (KGs) from heterogeneous datasets, where it is crucial to be able to merge nodes having the same meaning. OntoMerger is a Python ontology integration library whose functionality is to deduplicate KG nodes. Our approach takes a set of KG nodes, mappings and disconnected hierarchies and generates a set of merged nodes together with a connected hierarchy. In addition, the library provides analytic and data testing functionalities that can be used to fine-tune the inputs, further reducing duplication, and to increase connectivity of the output graph. OntoMerger can be applied to a wide variety of ontologies and KGs. In this paper we introduce OntoMerger and illustrate its functionality on a real-world biomedical KG.
• Abstract（参考訳）: ノードの重複は、異種データセットから知識グラフ(KG)を構築する際に発生する一般的な問題であり、同じ意味を持つノードをマージできることが不可欠である。 OntoMergerはPythonのオントロジー統合ライブラリで、KGノードを非重複化する機能を備えている。 提案手法では,KGノードの集合,マッピング,非連結階層を抽出し,連結階層とともに統合ノードの集合を生成する。 さらに、ライブラリは、入力を微調整し、さらに重複を減らし、出力グラフの接続性を高めるために使用できる分析およびデータテスト機能を提供する。 OntoMergerは様々なオントロジーやKGに適用できる。 本稿では,OntoMergerについて紹介し,実世界のバイオメディカルKGでその機能を説明する。

関連論文リスト

• Graph Pooling via Ricci Flow [1.1126342180866644]
  グラフプーリング演算子(ORC-Pool)を導入し,Ollivierの離散リッチ曲率とそれに付随する幾何流によるグラフの幾何学的特徴付けを利用する。 ORC-Poolはそのようなクラスタリングアプローチを属性付きグラフに拡張し、幾何学的粗大化をプール層としてグラフニューラルネットワークに統合する。
  論文  参考訳（メタデータ） (2024-07-05T03:26:37Z)
• NodeFormer: A Scalable Graph Structure Learning Transformer for Node Classification [70.51126383984555]
  本稿では,任意のノード間のノード信号を効率的に伝搬する全ペアメッセージパッシング方式を提案する。 効率的な計算は、カーナライズされたGumbel-Softmax演算子によって実現される。 グラフ上のノード分類を含む様々なタスクにおいて,本手法の有望な有効性を示す実験を行った。
  論文  参考訳（メタデータ） (2023-06-14T09:21:15Z)
• SHGNN: Structure-Aware Heterogeneous Graph Neural Network [77.78459918119536]
  本稿では、上記の制約に対処する構造対応不均一グラフニューラルネットワーク(SHGNN)を提案する。 まず,メタパス内の中間ノードの局所構造情報を取得するために,特徴伝搬モジュールを利用する。 次に、ツリーアテンションアグリゲータを使用して、グラフ構造情報をメタパス上のアグリゲーションモジュールに組み込む。 最後に、メタパスアグリゲータを利用して、異なるメタパスから集約された情報を融合する。
  論文  参考訳（メタデータ） (2021-12-12T14:18:18Z)
• Detecting Communities from Heterogeneous Graphs: A Context Path-based Graph Neural Network Model [23.525079144108567]
  コンテキストパスに基づくグラフニューラルネットワーク(CP-GNN)モデルを構築した。 ノード間の高次関係をノードの埋め込みに埋め込む。 最先端のコミュニティ検出手法よりも優れています。
  論文  参考訳（メタデータ） (2021-09-05T12:28:00Z)
• Explicit Pairwise Factorized Graph Neural Network for Semi-Supervised Node Classification [59.06717774425588]
  本稿では,グラフ全体を部分的に観測されたマルコフ確率場としてモデル化するEPFGNN(Explicit Pairwise Factorized Graph Neural Network)を提案する。 出力-出力関係をモデル化するための明示的なペアワイズ要素を含み、入力-出力関係をモデル化するためにGNNバックボーンを使用する。 本研究では,グラフ上での半教師付きノード分類の性能を効果的に向上できることを示す。
  論文  参考訳（メタデータ） (2021-07-27T19:47:53Z)
• Factorizable Graph Convolutional Networks [90.59836684458905]
  本稿では,グラフに符号化された相互に絡み合った関係を明示的に解消する新しいグラフ畳み込みネットワーク(GCN)を提案する。 FactorGCNは単純なグラフを入力として取り、それをいくつかの分解グラフに分解する。 提案したFacterGCNは,合成および実世界のデータセットに対して質的かつ定量的に評価する。
  論文  参考訳（メタデータ） (2020-10-12T03:01:40Z)
• Tree Structure-Aware Graph Representation Learning via Integrated Hierarchical Aggregation and Relational Metric Learning [26.8738194817491]
  グラフ表現学習のための木構造対応グラフニューラルネットワークモデルT-GNNを提案する。 提案するT-GNNは,(1)階層型集約モジュールと(2)関係計量学習モジュールの2つのモジュールから構成される。
  論文  参考訳（メタデータ） (2020-08-23T09:41:19Z)
• Graph Neural Networks with Composite Kernels [60.81504431653264]
  カーネル重み付けの観点からノード集約を再解釈する。 本稿では,アグリゲーション方式における特徴類似性を考慮したフレームワークを提案する。 特徴空間における特徴類似性をエンコードするために,元の隣り合うカーネルと学習可能なカーネルの合成として特徴集約を提案する。
  論文  参考訳（メタデータ） (2020-05-16T04:44:29Z)
• BasConv: Aggregating Heterogeneous Interactions for Basket Recommendation with Graph Convolutional Neural Network [64.73281115977576]
  バスケット内のレコメンデーションは、ユーザのバスケットに対する意図が重要となるユーザの探索時間を短縮する。 グラフ畳み込みニューラルネットワークに基づく textbfBasConv という新しいフレームワークを提案する。 私たちのBasConvモデルには、3種類のノード用に特別に設計された3種類のアグリゲータがあります。
  論文  参考訳（メタデータ） (2020-01-14T16:27:32Z)

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。