論文の概要: Towards Ontology Reshaping for KG Generation with User-in-the-Loop:
Applied to Bosch Welding
- arxiv url: http://arxiv.org/abs/2209.11067v1
- Date: Thu, 22 Sep 2022 14:59:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-23 13:23:57.355547
- Title: Towards Ontology Reshaping for KG Generation with User-in-the-Loop:
Applied to Bosch Welding
- Title（参考訳）: ユーザ・イン・ザ・ループによるKG生成のオントロジー・リフォーミングに向けて:ボッシュ溶接への適用
- Authors: Dongzhuoran Zhou, Baifan Zhou, Jieying Chen, Gong Cheng, Egor V.
Kostylev, Evgeny Kharlamov
- Abstract要約: 知識グラフ(KG)は幅広い用途で使われている。
KG生成の自動化は、産業におけるデータ量と多様性のために非常に望ましい。
- 参考スコア（独自算出の注目度）: 18.83458273005337
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Knowledge graphs (KG) are used in a wide range of applications. The
automation of KG generation is very desired due to the data volume and variety
in industries. One important approach of KG generation is to map the raw data
to a given KG schema, namely a domain ontology, and construct the entities and
properties according to the ontology. However, the automatic generation of such
ontology is demanding and existing solutions are often not satisfactory. An
important challenge is a trade-off between two principles of ontology
engineering: knowledge-orientation and data-orientation. The former one
prescribes that an ontology should model the general knowledge of a domain,
while the latter one emphasises on reflecting the data specificities to ensure
good usability. We address this challenge by our method of ontology reshaping,
which automates the process of converting a given domain ontology to a smaller
ontology that serves as the KG schema. The domain ontology can be designed to
be knowledge-oriented and the KG schema covers the data specificities. In
addition, our approach allows the option of including user preferences in the
loop. We demonstrate our on-going research on ontology reshaping and present an
evaluation using real industrial data, with promising results.
- Abstract（参考訳）: 知識グラフ(KG)は幅広い用途で使われている。
KG生成の自動化は、産業におけるデータ量と多様性のために非常に望ましい。
KG生成の1つの重要なアプローチは、生データを与えられたKGスキーマ、すなわちドメインオントロジーにマッピングし、オントロジーに従ってエンティティとプロパティを構築することである。
しかし、そのようなオントロジーの自動生成は要求され、既存の解はしばしば満足できない。
重要な課題は、2つのオントロジエンジニアリングの原則である知識指向とデータ指向のトレードオフである。
前者はオントロジーがドメインの一般的な知識をモデル化すべきだと定め、後者はデータ固有性を反映してユーザビリティを確保することを強調する。
この課題は、与えられたドメインオントロジーをKGスキーマとして機能する小さなオントロジーに変換するプロセスを自動化するオントロジー再構成方式によって解決される。
ドメインオントロジーは知識指向に設計でき、KGスキーマはデータの特異性をカバーする。
さらに、このアプローチでは、ループにユーザの好みを含めるオプションも可能です。
オントロジー・リフォーミングに関する現在進行中の研究を実証し,実産業データを用いた評価を行い,有望な結果を得た。
関連論文リスト
- Distill-SynthKG: Distilling Knowledge Graph Synthesis Workflow for Improved Coverage and Efficiency [59.6772484292295]
大規模言語モデル(LLM)によって生成される知識グラフ(KG)は、検索・拡張生成(RAG)アプリケーションにとってますます価値が増している。
既存のKG抽出法は、大規模コーパスの処理に非効率なプロンプトベースのアプローチに依存している。
LLMに基づく多段階文書レベルのKGワークフローであるSynthKGを提案する。
我々はまた、RAGのための新しいグラフベースの検索フレームワークを設計する。
論文 参考訳（メタデータ） (2024-10-22T00:47:54Z) - Embodied-RAG: General Non-parametric Embodied Memory for Retrieval and Generation [65.23793829741014]
Embodied-RAGは、非パラメトリックメモリシステムによるエンボディエージェントのモデルを強化するフレームワークである。
コアとなるEmbodied-RAGのメモリはセマンティックフォレストとして構成され、言語記述を様々なレベルで詳細に保存する。
Embodied-RAGがRAGをロボット領域に効果的にブリッジし、200以上の説明とナビゲーションクエリをうまく処理できることを実証する。
論文 参考訳（メタデータ） (2024-09-26T21:44:11Z) - An Open-Source Knowledge Graph Ecosystem for the Life Sciences [5.665519167428707]
PheKnowLatorは、存在論的基盤を持つ知識グラフの構築を自動化するセマンティックエコシステムである。
エコシステムには、KG構築リソース、分析ツール、ベンチマークが含まれている。
PheKnowLatorは、パフォーマンスやユーザビリティを損なうことなく、完全にカスタマイズ可能なKGを可能にする。
論文 参考訳（メタデータ） (2023-07-11T18:55:09Z) - Representation Learning for Person or Entity-centric Knowledge Graphs:
An Application in Healthcare [0.757843972001219]
本稿では、構造化データと非構造化データからエンティティ中心のKGを抽出するエンドツーエンド表現学習フレームワークを提案する。
我々は、人の複数の面を表す星型分類器を導入し、それをKG生成のガイドに利用する。
このアプローチにはいくつかの潜在的なアプリケーションがあり、オープンソースであることを強調します。
論文 参考訳（メタデータ） (2023-05-09T17:39:45Z) - Query-based Industrial Analytics over Knowledge Graphs with Ontology
Reshaping [6.047374579252933]
工業データとのミスマッチの度合いの低い設計は、品質の低いKGを自然に引き起こす。
我々は、分析結果をKGtaに変換するアプローチを提案し、基礎となるデータを反映することで、より良いKGスキーマの維持を支援する。
論文 参考訳（メタデータ） (2022-09-22T15:20:58Z) - EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。
DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
論文 参考訳（メタデータ） (2022-08-01T18:47:03Z) - OG-SGG: Ontology-Guided Scene Graph Generation. A Case Study in Transfer
Learning for Telepresence Robotics [124.08684545010664]
画像からのシーングラフ生成は、ロボット工学のようなアプリケーションに非常に関心を持つタスクである。
オントロジー誘導シーングラフ生成(OG-SGG)と呼ばれるフレームワークの初期近似を提案する。
論文 参考訳（メタデータ） (2022-02-21T13:23:15Z) - Understood in Translation, Transformers for Domain Understanding [2.379911867541422]
本稿では,コーパスの領域定義のためのトランスフォーマーに基づく教師あり機械学習手法を提案する。
このようなドメイン構造の自動定義が、生成したグラフの構成時間と品質の両方において有益である理由を論じる。
PubMedから抽出した出版物に基づく新しい健康領域データセットを提案する。
論文 参考訳（メタデータ） (2020-12-18T14:47:47Z) - Mapping Patterns for Virtual Knowledge Graphs [71.61234136161742]
仮想知識グラフ(VKG)は、レガシーデータソースの統合とアクセスのための最も有望なパラダイムの1つである。
データ管理、データ分析、概念モデリングにおいて研究された、確立された方法論とパターンに基づいて構築する。
検討されたVKGシナリオに基づいて,私たちのカタログを検証し,そのパターンの大部分をカバーすることを示す。
論文 参考訳（メタデータ） (2020-12-03T13:54:52Z) - Toward Subgraph-Guided Knowledge Graph Question Generation with Graph
Neural Networks [53.58077686470096]
知識グラフ(KG)質問生成(QG)は,KGから自然言語質問を生成することを目的とする。
本研究は,KGサブグラフから質問を生成し,回答をターゲットとする,より現実的な環境に焦点を当てる。
論文 参考訳（メタデータ） (2020-04-13T15:43:22Z) - Knowledge Graphs and Knowledge Networks: The Story in Brief [0.1933681537640272]
知識グラフ(KG)は、実世界のノイズの多い生情報を構造化形式で表現し、エンティティ間の関係をキャプチャする。
ソーシャルネットワーク、レコメンダシステム、計算生物学、関係知識表現といった動的現実世界の応用は、困難な研究課題として浮上している。
この記事では、AIのためのKGの旅を要約する。
論文 参考訳（メタデータ） (2020-03-07T18:09:18Z)
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。