論文の概要: Knowledge Graph Induction enabling Recommending and Trend Analysis: A
Corporate Research Community Use Case
- arxiv url: http://arxiv.org/abs/2207.05188v1
- Date: Mon, 11 Jul 2022 20:51:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-14 04:12:47.713666
- Title: Knowledge Graph Induction enabling Recommending and Trend Analysis: A
Corporate Research Community Use Case
- Title（参考訳）: リコメンデーションとトレンド分析を可能にする知識グラフ誘導:コーポレートリサーチコミュニティのユースケース
- Authors: Nandana Mihindukulasooriya, Mike Sava, Gaetano Rossiello, Md Faisal
Mahbub Chowdhury, Irene Yachbes, Aditya Gidh, Jillian Duckwitz, Kovit Nisar,
Michael Santos, Alfio Gliozzo
- Abstract要約: 本稿では,企業研究コミュニティであるIBM ResearchがセマンティックWeb技術を用いて,統一知識グラフを創出する事例を紹介する。
誘導された知識を活用するための共通パターンのセットを特定し、それらをAPIとして公開する。
これらのパターンは、最も価値のあるユースケースや、緩和すべきユーザの痛点を特定するユーザ調査から生まれました。
- 参考スコア（独自算出の注目度）: 11.907821975089064
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A research division plays an important role of driving innovation in an
organization. Drawing insights, following trends, keeping abreast of new
research, and formulating strategies are increasingly becoming more challenging
for both researchers and executives as the amount of information grows in both
velocity and volume. In this paper we present a use case of how a corporate
research community, IBM Research, utilizes Semantic Web technologies to induce
a unified Knowledge Graph from both structured and textual data obtained by
integrating various applications used by the community related to research
projects, academic papers, datasets, achievements and recognition. In order to
make the Knowledge Graph more accessible to application developers, we
identified a set of common patterns for exploiting the induced knowledge and
exposed them as APIs. Those patterns were born out of user research which
identified the most valuable use cases or user pain points to be alleviated. We
outline two distinct scenarios: recommendation and analytics for business use.
We will discuss these scenarios in detail and provide an empirical evaluation
on entity recommendation specifically. The methodology used and the lessons
learned from this work can be applied to other organizations facing similar
challenges.
- Abstract（参考訳）: 研究部門は、組織におけるイノベーションを推進する重要な役割を担っている。
洞察の収集、トレンドの追跡、新しい研究の活発化、そして定式化戦略は、ベロシティとボリュームの両方で情報量が増えるにつれて、研究者と幹部の両方にとってますます困難になりつつある。
本稿では、企業研究コミュニティであるibm researchが、セマンティックウェブ技術を用いて、研究プロジェクト、学術論文、データセット、成果、認識に関するコミュニティのさまざまなアプリケーションを統合することで得られた構造化データとテキストデータの両方から統一された知識グラフを誘導する方法のユースケースを提案する。
アプリケーション開発者にとってKnowledge Graphをより使いやすくするために、インジェクションされた知識を活用するための共通パターンのセットを特定し、それらをAPIとして公開しました。
これらのパターンは、最も価値のあるユースケースや、緩和すべきユーザの痛点を特定するユーザ調査から生まれました。
ビジネス利用のためのレコメンデーションと分析の2つのシナリオを概説する。
これらのシナリオを詳しく議論し、特にエンティティレコメンデーションに関する実証的な評価を提供する。
この作業で得られた方法論や教訓は、同様の課題に直面している他の組織にも適用できます。
関連論文リスト
- User-centric evaluation of explainability of AI with and for humans: a comprehensive empirical study [5.775094401949666]
この研究はHuman-Centered Artificial Intelligence (HCAI)にある。
一般的に使用されるeXplainable Artificial Intelligence (XAI)アルゴリズムのユーザ中心評価の結果に焦点を当てている。
論文 参考訳（メタデータ） (2024-10-21T12:32:39Z) - ContextGPT: Infusing LLMs Knowledge into Neuro-Symbolic Activity
Recognition Models [0.3277163122167433]
本研究では,人間活動に関する常識知識から抽出する新しいプロンプトエンジニアリング手法であるContextGPTを提案する。
2つの公開データセットで行った評価は、ContextGPTから常識知識を注入することで得られるNeSyモデルがデータ不足のシナリオにどのように有効であるかを示す。
論文 参考訳（メタデータ） (2024-03-11T10:32:23Z) - Generative Multi-Modal Knowledge Retrieval with Large Language Models [75.70313858231833]
マルチモーダル知識検索のための革新的なエンドツーエンド生成フレームワークを提案する。
我々のフレームワークは,大規模言語モデル(LLM)が仮想知識ベースとして効果的に機能するという事実を生かしている。
強いベースラインと比較すると,すべての評価指標に対して3.0%から14.6%の大幅な改善が見られた。
論文 参考訳（メタデータ） (2024-01-16T08:44:29Z) - Beyond Factuality: A Comprehensive Evaluation of Large Language Models
as Knowledge Generators [78.63553017938911]
大規模言語モデル(LLM)は、下流の知識集約タスクのための情報検索技術より優れている。
しかし、コミュニティの懸念は、この無検閲の知識を使用することの事実と潜在的意味について多岐にわたる。
本研究では,6つの重要な視点から生成した知識を評価するために設計されたCONNERを紹介する。
論文 参考訳（メタデータ） (2023-10-11T08:22:37Z) - Iterative Zero-Shot LLM Prompting for Knowledge Graph Construction [104.29108668347727]
本稿では,最新の生成型大規模言語モデルの可能性を活用する,革新的な知識グラフ生成手法を提案する。
このアプローチは、新しい反復的なゼロショットと外部知識に依存しない戦略を含むパイプラインで伝達される。
我々は、我々の提案がスケーラブルで多目的な知識グラフ構築に適したソリューションであり、異なる新しい文脈に適用できると主張している。
論文 参考訳（メタデータ） (2023-07-03T16:01:45Z) - Knowledge-augmented Deep Learning and Its Applications: A Survey [60.221292040710885]
知識強化ディープラーニング(KADL)は、ドメイン知識を特定し、それをデータ効率、一般化可能、解釈可能なディープラーニングのためのディープモデルに統合することを目的としている。
本調査は,既存の研究成果を補足し,知識強化深層学習の一般分野における鳥眼研究の展望を提供する。
論文 参考訳（メタデータ） (2022-11-30T03:44:15Z) - Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。
我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
論文 参考訳（メタデータ） (2022-07-18T11:38:32Z) - Towards Better User Studies in Computer Graphics and Vision [16.871125231593272]
ユーザリサーチは,プロジェクトの方向性やユーザニーズの予測に不適当である,と我々は主張する。
本稿では,ユーザエクスペリエンスリサーチ(UXR),ヒューマンコンピュータインタラクション(HCI),応用知覚からの方法論の概要を紹介する。
論文 参考訳（メタデータ） (2022-06-23T02:44:22Z) - Generating Knowledge Graphs by Employing Natural Language Processing and
Machine Learning Techniques within the Scholarly Domain [1.9004296236396943]
本稿では、自然言語処理と機械学習を利用して研究論文から実体や関係を抽出する新しいアーキテクチャを提案する。
本研究では,現在最先端の自然言語処理ツールとテキストマイニングツールを用いて,知識抽出の課題に取り組む。
セマンティックWebドメイン内の論文26,827件から抽出した109,105件のトリプルを含む科学知識グラフを作成した。
論文 参考訳（メタデータ） (2020-10-28T08:31:40Z) - A Survey of Information Cascade Analysis: Models, Predictions, and
Recent Advances [31.518953824687625]
本稿では,情報人気予測手法の総合的なレビューと分類について述べる。
まず,異なる種類の情報カスケードを正式に定義し,既存の研究の視点を要約する。
次に、既存の作品を3つの主要なグループと各グループの主要なサブクラスに分類する分類を提示する。
論文 参考訳（メタデータ） (2020-05-22T07:39:48Z) - A Survey on Knowledge Graphs: Representation, Acquisition and
Applications [89.78089494738002]
我々は,1)知識グラフ表現学習,2)知識獲得と完成,3)時間的知識グラフ,および4)知識認識アプリケーションに関する研究トピックをレビューする。
知識獲得、特に知識グラフの完成、埋め込み方法、経路推論、論理ルール推論について概観する。
メタラーニング、コモンセンス推論、時間的知識グラフなど、いくつかの新しいトピックを探求する。
論文 参考訳（メタデータ） (2020-02-02T13:17:31Z)
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。