論文の概要: Ontology Development is Consensus Creation, Not (Merely) Representation

• arxiv url: http://arxiv.org/abs/2210.12026v1
• Date: Fri, 21 Oct 2022 15:16:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 15:01:39.759481
• Title: Ontology Development is Consensus Creation, Not (Merely) Representation
• Title（参考訳）: オントロジーの発展は(単なる)表現ではなくコンセンサス創造である
• Authors: Fabian Neuhaus and Janna Hastings
• Abstract要約: 我々は、オントロジー開発における課題の重要かつ過度に強調された貢献は、意見の相違に直面して、創造し、あるいはコンセンサスをもたらす必要性である、と提案する。 同じ理由から、ほとんどの技術的カリキュラムに欠けている特定の社会的交渉スキルを持つ必要がある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ontology development methodologies emphasise knowledge gathering from domain experts and documentary resources, and knowledge representation using an ontology language such as OWL or FOL. However, working ontologists are often surprised by how challenging and slow it can be to develop ontologies. Here, with a particular emphasis on the sorts of ontologies that are content-heavy and intended to be shared across a community of users (reference ontologies), we propose that a significant and heretofore under-emphasised contributor of challenges during ontology development is the need to create, or bring about, consensus in the face of disagreement. For this reason reference ontology development cannot be automated, at least within the limitations of existing AI approaches. Further, for the same reason ontologists are required to have specific social-negotiating skills which are currently lacking in most technical curricula.
• Abstract（参考訳）: オントロジー開発手法は,ドメインの専門家や資料資料からの知識収集,OWLやFOLといったオントロジー言語を用いた知識表現を重視している。 しかし、行動オントロジーの発達がいかに困難で遅いかは、しばしば驚く。 ここでは,コンテンツに富み,ユーザコミュニティ間で共有することを意図したオントロジーの類型(参照オントロジー)に特に重点を置いているので,オントロジー開発における課題の重要かつ重要でない貢献者は,意見の相違に直面してコンセンサスを作成・持ち込む必要があることを提案する。 この理由から、オントロジー開発は、少なくとも既存のAIアプローチの限界内では自動化できない。 さらに、同様に、オントロジストは、現在ほとんどの技術的カリキュラムに欠けている特定の社会的交渉スキルを持つことが求められている。

関連論文リスト

• Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
  オントロジはドメイン知識とメタデータを表現するために広く使われている。 1つの簡単な解決策は、統計分析と機械学習を統合することである。 埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
  論文  参考訳（メタデータ） (2024-06-16T14:49:19Z)
• A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
  バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。 本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。 我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
  論文  参考訳（メタデータ） (2024-02-16T18:05:09Z)
• Dynamic Retrieval Augmented Generation of Ontologies using Artificial Intelligence (DRAGON-AI) [24.433048676289363]
  AI(DRAGON-AI)を用いた動的検索オントロジー生成を提案する。 DRAGON-AIは、既存のインストラクションや構造化されていないテキストソースから、テキストおよび論理的なコンポーネントを生成することができる。 DRAGON-AIの自然言語をGitHubのイシューに組み込む能力についても実証した。
  論文  参考訳（メタデータ） (2023-12-18T03:19:31Z)
• Neuro-Symbolic RDF and Description Logic Reasoners: The State-Of-The-Art and Challenges [6.295207672539996]
  オントロジーは様々なドメインで使われており、RDFとOWLはドメイン開発における顕著な標準である。 推論がより大きく表現力に富むようになると、伝統的な推論者は効率よく行動するのに苦労する。 研究者は、ネットワークの学習能力とシステムの推論能力を組み合わせた、ニューロシンボリックアプローチを研究してきた。
  論文  参考訳（メタデータ） (2023-08-09T09:12:35Z)
• The Future of Fundamental Science Led by Generative Closed-Loop Artificial Intelligence [67.70415658080121]
  機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。 AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。 ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
  論文  参考訳（メタデータ） (2023-07-09T21:16:56Z)
• When not to use machine learning: a perspective on potential and limitations [0.0]
  データ駆動モデリングの指針原則と、これらの原則が、ほぼ魔法のような予測力を持つモデルをどのように組み合わせているかを強調します。 フォローすべき議論は、研究者にそのテクニックが適切かどうかをよりよく理解してもらうことを願っている。
  論文  参考訳（メタデータ） (2022-10-06T04:00:00Z)
• MRKL Systems: A modular, neuro-symbolic architecture that combines large language models, external knowledge sources and discrete reasoning [50.40151403246205]
  巨大な言語モデル(LM)は、自然言語ベースの知識タスクのゲートウェイとして機能する、AIの新しい時代を支えている。 離散的な知識と推論モジュールによって補完される、複数のニューラルモデルによる柔軟なアーキテクチャを定義する。 本稿では,MRKL(Modular Reasoning, Knowledge and Language)システムと呼ばれる,このニューロシンボリックアーキテクチャについて述べる。
  論文  参考訳（メタデータ） (2022-05-01T11:01:28Z)
• OntoSeer -- A Recommendation System to Improve the Quality of Ontologies [1.713291434132985]
  オントロジー開発者は、含めるべきクラス、プロパティ、公理の選択に関するいくつかの疑問に答えなければならない。 オントロジーの発展において再利用できる用語(類と性質)の語彙を知ることは困難である。 OntoSeerはオントロジー開発プロセスを監視し、開発中の品質を改善するためにリアルタイムで提案する。
  論文  参考訳（メタデータ） (2022-02-04T13:28:13Z)
• Scientia Potentia Est -- On the Role of Knowledge in Computational Argumentation [52.903665881174845]
  本稿では,計算議論に必要な知識のピラミッドを提案する。 この分野におけるこれらのタイプの役割と統合について,その技術の現状を簡潔に論じる。
  論文  参考訳（メタデータ） (2021-07-01T08:12:41Z)
• On the Complexity of Learning Description Logic Ontologies [14.650545418986058]
  オントロジーはドメイン知識、特に生命科学に関連する領域における知識を表現する一般的な方法である。 学習理論から正確な学習モデルとおそらく正しい学習モデルの形式的な仕様を提供します。
  論文  参考訳（メタデータ） (2021-03-25T09:18:12Z)
• Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
  本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。 具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
  論文  参考訳（メタデータ） (2020-03-09T15:04:07Z)

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。