論文の概要: WikiLink: an encyclopedia-based semantic network for design innovation

• arxiv url: http://arxiv.org/abs/2208.14349v1
• Date: Tue, 30 Aug 2022 15:48:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-31 13:14:09.433681
• Title: WikiLink: an encyclopedia-based semantic network for design innovation
• Title（参考訳）: WikiLink:デザインイノベーションのための百科事典ベースのセマンティックネットワーク
• Authors: Haoyu Zuo, Qianzhi Jing, Tianqi Song, Huiting Liu, Lingyun Sun, Peter Childs, Liuqing Chen
• Abstract要約: デザイン革新のための既存のセマンティックネットワークは、技術と科学の情報に基づいて構築されている。 ウィキリンクはウィキペディアをベースとしたセマンティックネットワークである。 概念間の統計的重みと意味的重みを融合した重みがWikiLinkで紹介されている。 新しいアイデアを刺激する4つのアルゴリズムが開発されている。
• 参考スコア（独自算出の注目度）: 8.168794541913375
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Data-driven design and innovation is a process to reuse and provide valuable and useful information. However, existing semantic networks for design innovation is built on data source restricted to technological and scientific information. Besides, existing studies build the edges of a semantic network only on either statistical or semantic relationships, which is less likely to make full use of the benefits from both types of relationships and discover implicit knowledge for design innovation. Therefore, we constructed WikiLink, a semantic network based on Wikipedia. Combined weight which fuses both the statistic and semantic weights between concepts is introduced in WikiLink, and four algorithms are developed for inspiring new ideas. Evaluation experiments are undertaken and results show that the network is characterised by high coverage of terms, relationships and disciplines, which proves the network's effectiveness and usefulness. Then a demonstration and case study results indicate that WikiLink can serve as an idea generation tool for innovation in conceptual design. The source code of WikiLink and the backend data are provided open-source for more users to explore and build on.
• Abstract（参考訳）: データ駆動設計とイノベーションは、価値ある有用な情報を再利用し提供するためのプロセスです。 しかし、デザイン革新のための既存の意味ネットワークは、技術的および科学的情報に限定されたデータソースに基づいている。 さらに、既存の研究では、意味ネットワークのエッジは、統計的あるいは意味的関係のみに基づいて構築されており、両者の関係の利点をフルに活用し、デザイン革新のための暗黙的な知識を発見する可能性は低い。 そこで我々はWikipediaに基づく意味ネットワークWikiLinkを構築した。 概念間の統計的重みと意味的重みの両方を融合する重みをウィキリンクに導入し、新しいアイデアを刺激するために4つのアルゴリズムを開発した。 評価実験を行い, ネットワークの有効性と有用性を示す用語, 関係, 規律を高い範囲で評価することで, ネットワークを特徴付けることを示す。 そして、実証とケーススタディの結果から、WikiLinkが概念設計における革新のためのアイデア生成ツールとして機能することを示唆している。 wikilinkのソースコードとバックエンドデータは、より多くのユーザが調査し構築できるようにオープンソースとして提供されている。

関連論文リスト

• IF2Net: Innately Forgetting-Free Networks for Continual Learning [49.57495829364827]
  継続的な学習は、以前に学んだ知識に干渉することなく、新しい概念を漸進的に吸収することができる。 ニューラルネットワークの特性に触発され,本研究は,IF2Net(Innately Forgetting-free Network)の設計方法について検討した。 IF2Netは、1つのネットワークがテスト時にタスクのIDを告げることなく、本質的に無制限のマッピングルールを学習することを可能にする。
  論文  参考訳（メタデータ） (2023-06-18T05:26:49Z)
• Disentangling Learnable and Memorizable Data via Contrastive Learning for Semantic Communications [81.10703519117465]
  セマンティック・レディにするために、ソースデータをアンタングルする新しい機械推論フレームワークが提案されている。 特に、データ上でインスタンスとクラスタの識別を行う新しいコントラスト学習フレームワークが提案されている。 信頼度の高い深いセマンティッククラスタは、学習可能でセマンティックリッチなデータだと考えられている。 シミュレーションの結果は, セマンティック・インパクトとミニマリズムの観点から, コントラスト学習アプローチの優位性を示した。
  論文  参考訳（メタデータ） (2022-12-18T12:00:12Z)
• Less Data, More Knowledge: Building Next Generation Semantic Communication Networks [180.82142885410238]
  本稿では、スケーラブルなエンドツーエンドセマンティック通信ネットワークの最初の厳密なビジョンを示す。 まず、セマンティック・コミュニケーション・ネットワークの設計は、データ駆動型ネットワークから知識駆動型ネットワークへどのように移行する必要があるかについて議論する。 意味表現と言語を用いることで、従来の送信機と受信機が教師と見習いになることを示す。
  論文  参考訳（メタデータ） (2022-11-25T19:03:25Z)
• Imitation Learning-based Implicit Semantic-aware Communication Networks: Multi-layer Representation and Collaborative Reasoning [68.63380306259742]
  有望な可能性にもかかわらず、セマンティック通信とセマンティック・アウェア・ネットワーキングはまだ初期段階にある。 本稿では,CDCとエッジサーバの複数層を連携させる,推論に基づく暗黙的セマンティック・アウェア通信ネットワークアーキテクチャを提案する。 暗黙的セマンティクスの階層構造と個人ユーザのパーソナライズされた推論嗜好を考慮に入れたセマンティクス情報の多層表現を提案する。
  論文  参考訳（メタデータ） (2022-10-28T13:26:08Z)
• Towards Proactive Information Retrieval in Noisy Text with Wikipedia Concepts [6.744385328015561]
  本研究は,クエリのコンテキストをウィキペディアの概念で活用することで,ノイズのあるテキスト上でのプロアクティブな情報検索を改善する方法について検討する。 ポッドキャストセグメント検索タスクに関する実験は、ウィキペディアの概念に関連性の明確なシグナルがあることを実証している。 また、クエリの背景コンテキストをWikifyingすることで、クエリの意味を曖昧にし、さらにプロアクティブな情報検索を支援することができる。
  論文  参考訳（メタデータ） (2022-10-18T14:12:06Z)
• TeKo: Text-Rich Graph Neural Networks with External Knowledge [75.91477450060808]
  外部知識を用いた新しいテキストリッチグラフニューラルネットワーク(TeKo)を提案する。 まず、高品質なエンティティを組み込んだフレキシブルな異種セマンティックネットワークを提案する。 次に、構造化三重項と非構造化実体記述という2種類の外部知識を導入する。
  論文  参考訳（メタデータ） (2022-06-15T02:33:10Z)
• Neuro-Symbolic Artificial Intelligence (AI) for Intent based Semantic Communication [85.06664206117088]
  6Gネットワークはデータ転送のセマンティクスと有効性(エンドユーザ)を考慮する必要がある。 観測データの背後にある因果構造を学習するための柱としてNeSy AIが提案されている。 GFlowNetは、無線システムにおいて初めて活用され、データを生成する確率構造を学ぶ。
  論文  参考訳（メタデータ） (2022-05-22T07:11:57Z)
• Semantic TrueLearn: Using Semantic Knowledge Graphs in Recommendation Systems [22.387120578306277]
  本研究は,意味的関連性を取り入れた国家認識型教育レコメンデーションシステムの構築を目指している。 本稿では,ウィキペディアリンクグラフを用いた学習リソースにおける知識コンポーネント間の意味的関連性を利用した,新しい学習モデルを提案する。 大規模データセットを用いた実験により,TrueLearnアルゴリズムの新たなセマンティックバージョンが,予測性能の面で統計的に有意な改善を実現していることが示された。
  論文  参考訳（メタデータ） (2021-12-08T16:23:27Z)

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。