論文の概要: Adapting the LodView RDF Browser for Navigation over the Multilingual Linguistic Linked Open Data Cloud

• arxiv url: http://arxiv.org/abs/2208.13295v1
• Date: Sun, 28 Aug 2022 21:47:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-30 13:01:07.871357
• Title: Adapting the LodView RDF Browser for Navigation over the Multilingual Linguistic Linked Open Data Cloud
• Title（参考訳）: LodView RDFブラウザによる多言語言語リンク型オープンデータクラウド上のナビゲーション
• Authors: Alexander Kirillovich and Konstantin Nikolaev
• Abstract要約: この論文は、多言語Linked Open Dataクラウド上のナビゲーションにLodViewを使うことに特化している。 LodViewが属するPubbyライクなツールのクラスを定義し、このクラスと再認識ツール、RDFブラウザ、LOD視覚化ツールのクラスとの関係を明らかにする。
• 参考スコア（独自算出の注目度）: 77.34726150561087
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The paper is dedicated to the use of LodView for navigation over the multilingual Linguistic Linked Open Data cloud. First, we define the class of Pubby-like tools, that LodView belongs to, and clarify the relation of this class to the classes of URI dereferenciation tools, RDF browsers and LOD visualization tools. Second, we reveal several limitations of LodView that impede its use for the designated purpose, and propose improvements to be made for fixing these limitations. These improvements are: 1) resolution of Cyrillic URIs; 2) decoding Cyrillic URIs in Turtle representations of resources; 3) support of Cyrillic literals; 4) user-friendly URLs for RDF representations of resources; 5) support of hash URIs; 6) expanding nested resources; 7) support of RDF collections; 8) pagination of resource property values; and 9) support of $\LaTeX$ math notation. Third, we partially implement several of the proposed improvements.
• Abstract（参考訳）: 本稿は,多言語言語リンクオープンデータクラウド上のナビゲーションにおけるlodviewの利用について述べる。 まず、LodViewが属するPubbyライクなツールのクラスを定義し、このクラスとURI非参照ツール、RDFブラウザ、LOD視覚化ツールのクラスとの関係を明らかにする。 第2に,lodviewの指定目的への使用を阻害するいくつかの制限を明らかにし,これらの制限を修正するための改善を提案する。 これらの改善は 1) キリルURIの解決 2) 資源のタートル表現におけるキリルURIの復号 3) キリル文字のサポート 4) 資源のRDF表現のためのユーザフレンドリーなURL 5)ハッシュURIのサポート。 6) ネスト資源の拡大 7)RDFコレクションのサポート 8) 資源財産価値の図式化及び 9) $\LaTeX$ 数学表記のサポート。 第3に,提案する改善のいくつかを部分的に実装する。

関連論文リスト

• RAGViz: Diagnose and Visualize Retrieval-Augmented Generation [16.91653397201039]
  Retrieval-augmented Generation (RAG)は、ドメイン固有のソースからの知識を大きな言語モデルに結合する。 本稿では,得られた文書中の生成したトークンの注意力を可視化するRAG診断ツールであるRAGVizを提案する。 RAGVizは、(1)トークンと文書レベルの注意の可視化、(2)コンテキスト文書の追加と削除に関する生成比較の2つの主要な機能を提供している。
  論文  参考訳（メタデータ） (2024-11-04T02:30:05Z)
• MURI: High-Quality Instruction Tuning Datasets for Low-Resource Languages via Reverse Instructions [54.08017526771947]
  MURI(Multilingual Reverse Instructions)は低リソース言語のための高品質な命令チューニングデータセットを生成する。 MURIは、低リソース言語における既存の人文テキストから命令出力ペアを生成する。 私たちのデータセットであるMURI-ITには200言語にまたがる200万以上の命令出力ペアが含まれています。
  論文  参考訳（メタデータ） (2024-09-19T17:59:20Z)
• RAFT: Adapting Language Model to Domain Specific RAG [75.63623523051491]
  本稿では、ドメイン内の「オープンブック」設定において、モデルが質問に答える能力を改善するためのトレーニングレシピであるRetrieval Augmented FineTuning(RAFT)を紹介する。 RAFTは、質問に答える助けとなる関連文書から、動詞の正しいシーケンスを引用することで、これを達成します。 RAFTは、PubMed、HotpotQA、Gorillaデータセット全体のモデルのパフォーマンスを一貫して改善する。
  論文  参考訳（メタデータ） (2024-03-15T09:26:02Z)
• Language-enhanced RNR-Map: Querying Renderable Neural Radiance Field maps with natural language [51.805056586678184]
  自然言語クエリプロンプトを用いた視覚ナビゲーションのための言語拡張型Renderable Neural Radiance Mapを提案する。 Le-RNR-Mapは、各ピクセルに配置された遅延符号からなるグリッド構造を用いる。 CLIPをベースとした埋め込みコードによりRNRマップを強化し,ラベルデータを追加せずに自然言語検索を可能にする。
  論文  参考訳（メタデータ） (2023-08-17T08:27:01Z)
• GPT4RoI: Instruction Tuning Large Language Model on Region-of-Interest [51.68383826362895]
  本稿では,空間的命令チューニングを提案し,その命令における関心領域(RoI)を参照することを提案する。 我々のモデルであるGPT4RoIは、7つのリージョンテキストペアデータセットに基づいて訓練されており、前例のない対話的かつ対話的な体験をもたらす。
  論文  参考訳（メタデータ） (2023-07-07T13:43:44Z)
• Large Language Models are Built-in Autoregressive Search Engines [19.928494069013485]
  大規模言語モデル(LLM)は、人間の指示に従って文書検索用のURLを直接生成することができる。 LLMは、対応するドキュメントの90%近くが、オープンドメインの質問に対する正しい回答を含むWebURLを生成することができる。
  論文  参考訳（メタデータ） (2023-05-16T17:04:48Z)
• SOAT: A Scene- and Object-Aware Transformer for Vision-and-Language Navigation [57.12508968239015]
  本研究は,トランスフォーマーを用いた視覚言語ナビゲーション (VLN) エージェントを提案する。 シーン分類ネットワークとオブジェクト検出器の2つの異なるビジュアルエンコーダを使用する。 シーン機能は、オブジェクトレベルの処理をサポートする高レベルなコンテキスト情報を提供する。
  論文  参考訳（メタデータ） (2021-10-27T03:29:34Z)
• Introducing the viewpoint in the resource description using machine learning [0.0]
  本稿では,従来のRDFリソース記述を視点を考慮したリソース記述に変換する手法を提案する。 実験により、この変換はユーザの要求に非常に関連する応答を与えることができることが示された。
  論文  参考訳（メタデータ） (2021-09-27T18:54:57Z)
• StreamSide: A Fully-Customizable Open-Source Toolkit for Efficient Annotation of Meaning Representations [17.74208462902158]
  StreamSideは、複数の種類の意味表現をアノテートするためのオープンソースのツールキットである。 フレームベースおよびフレームレスアノテーションスキームをサポートする。 StreamSideはApache 2.0ライセンスでリリースされている。
  論文  参考訳（メタデータ） (2021-09-20T21:36:22Z)
• MURAL: Multimodal, Multitask Retrieval Across Languages [14.323816604663053]
  muraLは、画像テキストマッチングと翻訳ペアマッチングという2つのタスクを解決するデュアルエンコーダである。 数十億の翻訳ペアを組み込むことで、MuraL は ALIGN (Jia et al. PMLR'21) を拡張する。 アンダーリソース言語の性能は大幅に向上し、テキストテキスト学習はこれらの言語に対する画像キャプチャの多用性を克服できることを示した。
  論文  参考訳（メタデータ） (2021-09-10T22:26:05Z)

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。