論文の概要: Toward a Generic Mapping Language for Transformations between RDF and Data Interchange Formats

• arxiv url: http://arxiv.org/abs/2207.11205v1
• Date: Thu, 21 Jul 2022 15:12:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-25 13:31:09.673316
• Title: Toward a Generic Mapping Language for Transformations between RDF and Data Interchange Formats
• Title（参考訳）: RDFとデータ交換フォーマット間の変換のためのジェネリックマッピング言語を目指して
• Authors: Aljosha K\"ocher, Artan Markaj, Alexander Fay
• Abstract要約: 我々は,ユーザが任意の構造を持つデータ交換形式に意味情報の変換を作成できる汎用マッピング手法を開発することを目指している。 評価は、3Dモデリングツールでエンジニアリング情報を使用する必要があるユースケースで行われる。
• 参考スコア（独自算出の注目度）: 69.50862982117127
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While there exist approaches to integrate heterogeneous data using semantic models, such semantic models can typically not be used by existing software tools. Many software tools - especially in engineering - only have options to import and export data in more established data interchange formats such as XML or JSON. Thus, if an information which is included in a semantic model needs to be used in a such a software tool, automatic approaches for mapping semantic information into an interchange format are needed. We aim to develop a generic mapping approach that allows users to create transformations of semantic information into a data interchange format with an arbitrary structure which can be defined by a user. This mapping approach is currently being elaborated. In this contribution, we report our initial steps targeted to transformations from RDF into XML. At first, a mapping language is introduced which allows to define automated mappings from ontologies to XML. Furthermore, a mapping algorithm capable of executing mappings defined in this language is presented. An evaluation is done with a use case in which engineering information needs to be used in a 3D modeling tool.
• Abstract（参考訳）: セマンティックモデルを使って異種データを統合するアプローチは存在するが、そのようなセマンティックモデルは既存のソフトウェアツールでは利用できない。 多くのソフトウェアツールは、特にエンジニアリングにおいて、XMLやJSONのようなより確立したデータ交換フォーマットでデータをインポートしエクスポートするオプションしか持っていません。 したがって、そのようなソフトウェアツールで意味モデルに含まれる情報を使用する必要がある場合、意味情報を交換形式にマッピングするための自動アプローチが必要となる。 我々は,ユーザによって定義可能な任意の構造を持つデータ交換形式に意味情報の変換を作成できる汎用マッピング手法を開発することを目指している。 このマッピングアプローチは現在詳しく説明されています。 本稿ではRDFからXMLへの変換を目的とした最初のステップについて報告する。 最初は、オントロジーからXMLへの自動マッピングを定義するマッピング言語が導入された。 さらに、この言語で定義されたマッピングを実行することができるマッピングアルゴリズムを示す。 評価は、3dモデリングツールでエンジニアリング情報を使用する必要のあるユースケースを用いて行われる。

関連論文リスト

• TabulaX: Leveraging Large Language Models for Multi-Class Table Transformations [8.072353085704627]
  本稿では,多クラス変換にLarge Language Models(LLM)を利用する新しいフレームワークであるTabulaXを紹介する。 本研究では,TabulaXが既存の最先端手法よりも精度が高く,より広範な変換クラスをサポートし,効率的に適用可能な解釈可能な変換を生成することを示す。
  論文  参考訳（メタデータ） (2024-11-26T05:00:23Z)
• FM-Fusion: Instance-aware Semantic Mapping Boosted by Vision-Language Foundation Models [24.77953131753715]
  視覚言語基礎モデルの開発は、データ分散における強力なゼロショット転送可能性を示している。 本稿では,開集合ラベル測定から近接集合意味クラスを予測するための確率的ラベル融合法を提案する。 我々は,すべてのモジュールを統合意味マッピングシステムに統合し,RGB-D入力のシーケンスを読み取って,インスタンス認識意味マップを漸進的に再構築する。
  論文  参考訳（メタデータ） (2024-02-07T03:19:02Z)
• Large Language Models for Automated Data Science: Introducing CAAFE for Context-Aware Automated Feature Engineering [52.09178018466104]
  データセットのセマンティックな特徴を生成するために、コンテキスト認識自動特徴工学(CAAFE)を導入する。 方法論的には単純だが、CAAFEは14のデータセットのうち11のパフォーマンスを改善している。 我々は,AutoMLシステムの範囲をセマンティックなAutoMLに拡張できるコンテキスト認識ソリューションの重要性を強調した。
  論文  参考訳（メタデータ） (2023-05-05T09:58:40Z)
• Metadata Representations for Queryable ML Model Zoos [73.24799582702326]
  機械学習(ML)の実践者や組織は、事前訓練されたモデルのモデル動物園を構築しており、モデルの性質を記述するメタデータを含んでいる。 メタタダは現在標準化されておらず、表現力は限られている。 本稿では,MLモデルのメタデータ表現と管理の標準化を提唱し,そのメタデータの管理とクエリを支援するツールキットを提案する。
  論文  参考訳（メタデータ） (2022-07-19T15:04:14Z)
• Graph Adaptive Semantic Transfer for Cross-domain Sentiment Classification [68.06496970320595]
  クロスドメイン感情分類(CDSC)は、ソースドメインから学んだ伝達可能なセマンティクスを使用して、ラベルなしのターゲットドメインにおけるレビューの感情を予測することを目的としている。 本稿では、単語列と構文グラフの両方からドメイン不変セマンティクスを学習できる適応型構文グラフ埋め込み法であるグラフ適応意味伝達(GAST)モデルを提案する。
  論文  参考訳（メタデータ） (2022-05-18T07:47:01Z)
• Modelling the semantics of text in complex document layouts using graph transformer networks [0.0]
  本稿では,文書の読取パターンを近似したモデルを提案し,テキストスパン毎にユニークな意味表現を出力する。 アーキテクチャは構造化されたテキストのグラフ表現に基づいており、文書間で意味的に類似した情報を検索できるだけでなく、生成した埋め込み空間が有用な意味情報をキャプチャすることを示す。
  論文  参考訳（メタデータ） (2022-02-18T11:49:06Z)
• Enterprise Architecture Model Transformation Engine [0.0]
  本稿では,エンタープライズアーキテクチャモデルを複数の言語間で変換する変換エンジンを提案する。 変換プロセスはルールベースの記述言語を用いて様々なパターンマッチング手法によって定義される。 集合論と一階述語論理を基礎として直観的な記述に用いている。
  論文  参考訳（メタデータ） (2021-08-15T11:10:42Z)
• Learning to Synthesize Data for Semantic Parsing [57.190817162674875]
  本稿では,プログラムの構成をモデル化し,プログラムを発話にマップする生成モデルを提案する。 PCFGと事前学習されたBARTの簡易性により,既存のデータから効率的に生成モデルを学習することができる。 GeoQuery と Spider の標準ベンチマークで解析する text-to-Query の in-domain と out-of-domain の両方で、この手法を評価します。
  論文  参考訳（メタデータ） (2021-04-12T21:24:02Z)
• DART: Open-Domain Structured Data Record to Text Generation [91.23798751437835]
  82k以上のインスタンス(DART)を持つオープンドメイン構造化DAta Record to Text生成データセットであるDARTを提案する。 本稿では,テーブルヘッダとテーブルタイトル間の意味的依存関係を利用して,その構造を符号化するテーブルから意味的三重項を抽出する手法を提案する。 我々のデータセット構築フレームワークは、オープンドメイン意味解析と対話行動に基づく意味表現タスクからヘテロジニアスソースを効果的に統合する。
  論文  参考訳（メタデータ） (2020-07-06T16:35:30Z)

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。