論文の概要: FabKG: A Knowledge graph of Manufacturing Science domain utilizing
structured and unconventional unstructured knowledge source
- arxiv url: http://arxiv.org/abs/2206.10318v1
- Date: Tue, 24 May 2022 02:32:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-27 07:56:38.628063
- Title: FabKG: A Knowledge graph of Manufacturing Science domain utilizing
structured and unconventional unstructured knowledge source
- Title（参考訳）: FabKG: 構造的・非構造的知識源を利用した製造科学領域の知識グラフ
- Authors: Aman Kumar, Akshay G Bharadwaj, Binil Starly, Collin Lynch
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.2597961235465307
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As the demands for large-scale information processing have grown, knowledge
graph-based approaches have gained prominence for representing general and
domain knowledge. The development of such general representations is essential,
particularly in domains such as manufacturing which intelligent processes and
adaptive education can enhance. Despite the continuous accumulation of text in
these domains, the lack of structured data has created information extraction
and knowledge transfer barriers. In this paper, we report on work towards
developing robust knowledge graphs based upon entity and relation data for both
commercial and educational uses. To create the FabKG (Manufacturing knowledge
graph), we have utilized textbook index words, research paper keywords, FabNER
(manufacturing NER), to extract a sub knowledge base contained within Wikidata.
Moreover, we propose a novel crowdsourcing method for KG creation by leveraging
student notes, which contain invaluable information but are not captured as
meaningful information, excluding their use in personal preparation for
learning and written exams. We have created a knowledge graph containing 65000+
triples using all data sources. We have also shown the use case of
domain-specific question answering and expression/formula-based question
answering for educational purposes.
- Abstract（参考訳）: 大規模情報処理の需要が高まるにつれ、知識グラフベースのアプローチは一般およびドメインの知識を表現する上で有益になった。
このような一般的な表現の発達は、特に知的プロセスや適応教育が強化できる生産のような分野において不可欠である。
これらの領域におけるテキストの連続的な蓄積にもかかわらず、構造化データの欠如は情報抽出と知識伝達の障壁を生み出した。
本稿では,商業用と教育用の両方において,エンティティと関係データに基づくロバストな知識グラフの開発に向けた取り組みについて報告する。
FabKG (Manufacturing Knowledge graph) を作成するために,教科書インデックス語,研究論文キーワード,FabNER (Manufacturing NER) を用いてWikidataに含まれるサブ知識ベースを抽出した。
また,学習や筆記試験のための個人的準備における使用を除いた,貴重な情報を含むが有意義な情報として捉えられていない学生ノートを活用することで,kg作成のための新たなクラウドソーシング手法を提案する。
すべてのデータソースを使用して、65000以上のトリプルを含むナレッジグラフを作成しました。
また, ドメイン固有の質問応答と表現/形式に基づく質問応答の活用例を示した。
関連論文リスト
- DIVKNOWQA: Assessing the Reasoning Ability of LLMs via Open-Domain
Question Answering over Knowledge Base and Text [73.68051228972024]
大きな言語モデル(LLM)は印象的な生成能力を示すが、内部知識に依存すると幻覚に悩まされる。
検索拡張LDMは、外部知識においてLLMを基盤とする潜在的な解決策として出現している。
論文 参考訳（メタデータ） (2023-10-31T04:37:57Z) - Comprehensive Event Representations using Event Knowledge Graphs and
Natural Language Processing [0.0]
この研究は、自然言語処理(NLP)の分野からの発見を利用して、テキストから知識を抽出し、知識グラフを構築する、成長する仕事の体系を利用して構築することを目的としている。
具体的には、サブイベント抽出は、サブイベント認識イベント表現を作成する方法として使用される。
これらの事象表現は、きめ細かい位置抽出を通じて豊かにされ、歴史的に関連する引用のアライメントによって文脈化される。
論文 参考訳（メタデータ） (2023-03-08T18:43:39Z) - 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) - A Survey of Knowledge Graph Embedding and Their Applications [0.17205106391379024]
知識グラフの埋め込みにより、現実世界のアプリケーションが情報を消費してパフォーマンスを向上させることができる。
本稿では、単純な翻訳モデルからリッチメントモデルへのKG埋め込みの分野の成長について紹介する。
論文 参考訳（メタデータ） (2021-07-16T12:07:53Z) - Entity Context Graph: Learning Entity Representations
fromSemi-Structured Textual Sources on the Web [44.92858943475407]
エンティティ中心のテキスト知識ソースを処理してエンティティ埋め込みを学ぶアプローチを提案する。
私たちのアプローチから学んだ埋め込みは、(i)高品質で、既知の知識グラフベースの埋め込みに匹敵し、それらをさらに改善するために使用することができます。
論文 参考訳（メタデータ） (2021-03-29T20:52:14Z) - 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) - Machine Knowledge: Creation and Curation of Comprehensive Knowledge
Bases [28.856786775318486]
知識グラフとしても知られる大規模な知識基盤は、Webコンテンツやテキストソースから自動的に構築されている。
本稿では,知識基盤の創出と大規模化に関する基礎的概念と実践的手法について考察する。
論文 参考訳（メタデータ） (2020-09-24T09:28:13Z) - ENT-DESC: Entity Description Generation by Exploring Knowledge Graph [53.03778194567752]
実際には、出力記述が最も重要な知識のみをカバーするため、入力知識は十分以上である可能性がある。
我々は、KG-to-textにおけるこのような実践的なシナリオの研究を容易にするために、大規模で挑戦的なデータセットを導入する。
本稿では,元のグラフ情報をより包括的に表現できるマルチグラフ構造を提案する。
論文 参考訳（メタデータ） (2020-04-30T14:16:19Z) - 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) - Knowledge Graphs [43.06435841693428]
我々は、知識グラフに使用される様々なグラフベースのデータモデルとクエリ言語を動機付け、対比する。
本稿では,帰納的手法と帰納的手法を組み合わせた知識の表現と抽出について説明する。
我々は知識グラフの高レベルな今後の研究方向性を結論づける。
論文 参考訳（メタデータ） (2020-03-04T20:20:32Z) - Generative Adversarial Zero-Shot Relational Learning for Knowledge
Graphs [96.73259297063619]
我々は、この厄介なキュレーションを解放するために、新しい定式化、ゼロショット学習を考える。
新たに追加された関係について,テキスト記述から意味的特徴を学習しようと試みる。
我々は,GAN(Generative Adrial Networks)を活用し,テキストと知識グラフ領域の接続を確立する。
論文 参考訳（メタデータ） (2020-01-08T01:19:08Z)
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。