論文の概要: Construction and Applications of Open Business Knowledge Graph
- arxiv url: http://arxiv.org/abs/2209.15214v1
- Date: Fri, 30 Sep 2022 04:03:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-03 14:22:44.952895
- Title: Construction and Applications of Open Business Knowledge Graph
- Title(参考訳): オープンビジネス知識グラフの構築と応用
- Authors: Shumin Deng, Hui Chen, Zhoubo Li, Feiyu Xiong, Qiang Chen, Mosha Chen,
Xiangwen Liu, Jiaoyan Chen, Jeff Z. Pan, Huajun Chen, Ningyu Zhang
- Abstract要約: 我々は、よく知られた企業から派生したオープンビジネス知識グラフ(OpenBG)を構築するプロセスを紹介する。
OpenBGは現在進行中で、現在のバージョンには260億以上の3つのエンティティがあり、8800万以上のエンティティと2,681種類のリレーションがある。
- 参考スコア(独自算出の注目度): 50.51646352041743
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Business Knowledge Graph is important to many enterprises today, providing
the factual knowledge and structured data that steer many products and make
them more intelligent. Despite the welcome outcome, building business KG brings
prohibitive issues of deficient structure, multiple modalities and unmanageable
quality. In this paper, we advance the practical challenges related to building
KG in non-trivial real-world systems. We introduce the process of building an
open business knowledge graph (OpenBG) derived from a well-known enterprise.
Specifically, we define a core ontology to cover various abstract products and
consumption demands, with fine-grained taxonomy and multi-modal facts in
deployed applications. OpenBG is ongoing, and the current version contains more
than 2.6 billion triples with more than 88 million entities and 2,681 types of
relations. We release all the open resources (OpenBG benchmark) derived from it
for the community. We also report benchmark results with best learned lessons
\url{https://github.com/OpenBGBenchmark/OpenBG}.
- Abstract(参考訳): ビジネスナレッジグラフは、現在多くの企業にとって重要であり、多くの製品を駆動し、よりインテリジェントにする事実的ナレッジと構造化データを提供します。
歓迎される結果にもかかわらず、ビジネスkgの構築は、構造不足、複数のモダリティ、管理不能な品質という制限的な問題をもたらす。
本稿では,非自明な実世界のシステムにおけるKG構築に関する実践的課題を推し進める。
我々は、よく知られた企業から派生したオープンビジネス知識グラフ(OpenBG)を構築するプロセスを紹介する。
具体的には、デプロイされたアプリケーションにおける詳細な分類法とマルチモーダル事実を用いて、さまざまな抽象的製品と消費要求をカバーするコアオントロジーを定義する。
openbgは進行中で、現在のバージョンには8800万以上のエンティティと2,681種類の関係を持つ26億以上のトリプルが含まれている。
すべてのオープンリソース(OpenBGベンチマーク)をコミュニティ向けにリリースしています。
また、ベンチマークの結果を最良の学習例で報告する。
関連論文リスト
- FedCQA: Answering Complex Queries on Multi-Source Knowledge Graphs via
Federated Learning [55.02512821257247]
複雑な論理的問合せ応答は知識グラフ(KG)の課題である
近年、KGエンティティを埋め込みベクトルに表現し、KGからの論理的クエリに対する回答を求める手法が提案されている。
マルチソースKGのクエリにどのように答えるかは、まだ不明である。
論文 参考訳(メタデータ) (2024-02-22T14:57:44Z) - KG-Agent: An Efficient Autonomous Agent Framework for Complex Reasoning
over Knowledge Graph [134.8631016845467]
我々は、KG-Agentと呼ばれる自律LLMベースのエージェントフレームワークを提案する。
KG-Agentでは、LLM、多機能ツールボックス、KGベースのエグゼキュータ、知識メモリを統合する。
有効性を保証するため、プログラム言語を利用してKG上のマルチホップ推論プロセスを定式化する。
論文 参考訳(メタデータ) (2024-02-17T02:07:49Z) - Knowledge Graphs Meet Multi-Modal Learning: A Comprehensive Survey [61.8716670402084]
本調査は,KG-driven Multi-Modal Learning(KG4MM)とMulti-Modal Knowledge Graph(MM4KG)の2つの主要な側面におけるKG認識研究に焦点を当てる。
KG対応マルチモーダル学習タスクと本質的MMKGタスクの2つの主要なタスクカテゴリについて検討した。
これらのタスクの多くに対して、定義、評価ベンチマークを提供し、関連する研究を行うための重要な洞察を概説する。
論文 参考訳(メタデータ) (2024-02-08T04:04:36Z) - Generations of Knowledge Graphs: The Crazy Ideas and the Business Impact [19.774378927811725]
本稿では、エンティティベースのKG、テキストリッチなKG、デュアルニューラルなKGの3世代にわたる知識グラフについて述べる。
私たちはKGを例として、イノベーションからプロダクションプラクティスへ、そして次のレベルのイノベーションへと研究のアイデアを進化させるレシピを実証しています。
論文 参考訳(メタデータ) (2023-08-27T22:35:27Z) - Construction of Knowledge Graphs: State and Challenges [2.245333517888782]
本稿では,知識グラフ(KG)の主要グラフモデルについて論じ,今後のKG構築パイプラインの要件について紹介する。
次に、メタデータ管理などの横断的なトピックを含む高品質なKGを構築するために必要な手順の概要を紹介する。
我々は、KG構築技術の現状を評価するとともに、KG構築のための最近のツールや戦略と同様に、特定の人気KGに対して導入された要件について評価する。
論文 参考訳(メタデータ) (2023-02-22T17:26:03Z) - Reasoning over Multi-view Knowledge Graphs [59.99051368907095]
ROMAは、マルチビューKG上で論理クエリに応答する新しいフレームワークである。
大規模(数百万の事実など)のKGや粒度の細かいビューまでスケールする。
トレーニング中に観測されていない構造やKGビューのクエリを一般化する。
論文 参考訳(メタデータ) (2022-09-27T21:32:20Z) - A Knowledge Graph Embeddings based Approach for Author Name
Disambiguation using Literals [3.025718443055402]
Literally Author Name Disambiguation (LAND)は、Scholarly KGsから生成されたマルチモーダルリテラル情報を用いて知識グラフ埋め込み(KGE)を利用する。
このフレームワークは, 1) マルチモーダルKGE, 2) ブロッキング手順, 3) 階層的クラスタリングという3つのコンポーネントに基づいている。
論文 参考訳(メタデータ) (2022-01-24T09:57:24Z) - KGTK: A Toolkit for Large Knowledge Graph Manipulation and Analysis [9.141014703209494]
KGTKは、KGを表現、生成、変換、拡張、分析するために設計されたデータサイエンス中心のツールキットである。
我々はKGTKを使ってWikidataやDBpedia、ConceptNetといった大規模なKGを統合・操作する現実世界のシナリオでこのフレームワークを説明します。
論文 参考訳(メタデータ) (2020-05-29T21:29:14Z) - KACC: A Multi-task Benchmark for Knowledge Abstraction, Concretization
and Completion [99.47414073164656]
包括的知識グラフ(KG)は、インスタンスレベルのエンティティグラフとオントロジーレベルの概念グラフを含む。
2ビューのKGは、知識の抽象化、包括化、完成に関する人間の能力を「シミュレーション」するためのモデルのためのテストベッドを提供する。
我々は,データセットのスケール,タスクカバレッジ,難易度の観点から,既存のベンチマークを改善した統一KGベンチマークを提案する。
論文 参考訳(メタデータ) (2020-04-28T16:21:57Z)
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。