論文の概要: EDUKG: a Heterogeneous Sustainable K-12 Educational Knowledge Graph

• arxiv url: http://arxiv.org/abs/2210.12228v1
• Date: Fri, 21 Oct 2022 20:14:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-25 12:52:02.782178
• Title: EDUKG: a Heterogeneous Sustainable K-12 Educational Knowledge Graph
• Title（参考訳）: EDUKG: 不均一持続K-12教育知識グラフ
• Authors: Bowen Zhao, Jiuding Sun, Bin Xu, Xingyu Lu, Yuchen Li, Jifan Yu, Minghui Liu, Tingjian Zhang, Qiuyang Chen, Hanming Li, Lei Hou, Juanzi Li
• Abstract要約: 異種持続可能なK-12教育知識グラフであるEDUKGを提案する。 我々はまず,K-12教育における知識と資源を一様にモデル化するための,学際的できめ細かなオントロジーを設計する。 本稿では,教科書から事実知識をインタラクティブに抽出する柔軟な手法を提案する。 EDUKGには2億2200万以上のエンティティと386億のトリプルがある。
• 参考スコア（独自算出の注目度）: 27.95265784375714
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Web and artificial intelligence technologies, especially semantic web and knowledge graph (KG), have recently raised significant attention in educational scenarios. Nevertheless, subject-specific KGs for K-12 education still lack sufficiency and sustainability from knowledge and data perspectives. To tackle these issues, we propose EDUKG, a heterogeneous sustainable K-12 Educational Knowledge Graph. We first design an interdisciplinary and fine-grained ontology for uniformly modeling knowledge and resource in K-12 education, where we define 635 classes, 445 object properties, and 1314 datatype properties in total. Guided by this ontology, we propose a flexible methodology for interactively extracting factual knowledge from textbooks. Furthermore, we establish a general mechanism based on our proposed generalized entity linking system for EDUKG's sustainable maintenance, which can dynamically index numerous heterogeneous resources and data with knowledge topics in EDUKG. We further evaluate EDUKG to illustrate its sufficiency, richness, and variability. We publish EDUKG with more than 252 million entities and 3.86 billion triplets. Our code and data repository is now available at https://github.com/THU-KEG/EDUKG.
• Abstract（参考訳）: Webと人工知能技術、特にセマンティックウェブと知識グラフ(KG)は、最近、教育シナリオにおいて大きな注目を集めている。 それでも、K-12教育のための教科固有のKGは、知識やデータの観点から十分かつ持続性に欠ける。 これらの課題に対処するため、我々は異種持続可能なK-12教育知識グラフであるEDUKGを提案する。 まず,k-12教育における知識と資源を統一的にモデル化するための学際的かつ細粒度のオントロジーを設計し,635のクラス,445のオブジェクト特性,合計1314のデータ型特性を定義した。 このオントロジーを参考に,教科書から事実知識をインタラクティブに抽出する柔軟な方法論を提案する。 さらに,EDUKGの持続的維持のための汎用エンティティリンクシステムに基づく汎用的なメカニズムを構築し,EDUKGの知識トピックに多数の異種資源やデータを動的にインデックスする。 さらにedukgの評価を行い,その満足度,豊かさ,変動性について述べる。 EDUKGには2億2200万以上のエンティティと386億のトリプルがある。 私たちのコードとデータリポジトリはhttps://github.com/thu-keg/edukgで利用可能です。

関連論文リスト

• Resilience in Knowledge Graph Embeddings [1.90894751866253]
  我々は、一般化、性能の整合性、分散適応、堅牢性といったいくつかの要因を含む、レジリエンスを一元的に定義する。 調査の結果,既存の研究のほとんどはレジリエンス,すなわち堅牢性に重点を置いていることがわかった。
  論文  参考訳（メタデータ） (2024-10-28T16:04:22Z)
• AceMap: Knowledge Discovery through Academic Graph [90.12694363549483]
  AceMapは学術グラフによる知識発見のために設計された学術システムである。 本稿では,AceMapデータベースを構築するための高度なデータベース構築手法を提案する。 AceMapは、学術的アイデアの進化をトレースするなど、高度な分析機能を提供する。
  論文  参考訳（メタデータ） (2024-03-05T01:17:56Z)
• Recognizing Unseen Objects via Multimodal Intensive Knowledge Graph Propagation [68.13453771001522]
  画像の領域と対応するセマンティック埋め込みとをマッチングする多モード集中型ZSLフレームワークを提案する。 我々は、大規模な実世界のデータに基づいて、広範囲な実験を行い、そのモデルを評価する。
  論文  参考訳（メタデータ） (2023-06-14T13:07:48Z)
• SKG: A Versatile Information Retrieval and Analysis Framework for Academic Papers with Semantic Knowledge Graphs [9.668240269886413]
  本稿では,抽象概念やメタ情報から意味概念を統合してコーパスを表現するセマンティック知識グラフを提案する。 SKGは、高い多様性と豊富な情報コンテンツが格納されているため、学術文献における様々なセマンティッククエリをサポートすることができる。
  論文  参考訳（メタデータ） (2023-06-07T20:16:08Z)
• Taxonomy Enrichment with Text and Graph Vector Representations [61.814256012166794]
  我々は,既存の分類学に新たな語を加えることを目的とした分類学の豊かさの問題に対処する。 我々は,この課題に対して,少ない労力で高い結果を得られる新しい手法を提案する。 我々は、異なるデータセットにわたる最先端の結果を達成し、ミスの詳細なエラー分析を提供する。
  論文  参考訳（メタデータ） (2022-01-21T09:01:12Z)
• Knowledge Graph Augmented Network Towards Multiview Representation Learning for Aspect-based Sentiment Analysis [96.53859361560505]
  本稿では,知識グラフ拡張ネットワーク(KGAN)を提案する。 KGANは感情の特徴表現を、文脈、構文、知識に基づく複数の視点から捉えている。 3つの人気のあるABSAベンチマークの実験は、我々のKGANの有効性と堅牢性を示している。
  論文  参考訳（メタデータ） (2022-01-13T08:25:53Z)
• DegreEmbed: incorporating entity embedding into logic rule learning for knowledge graph reasoning [7.066269573204757]
  知識グラフのリンク予測は、既存の知識に基づいて推論することで、行方不明の事実を完遂することを目的としたタスクである。 組込み学習と論理ルールマイニングを組み合わせたKG上での推論モデルであるDegreEmbedを提案する。
  論文  参考訳（メタデータ） (2021-12-18T13:38:48Z)
• Trans4E: Link Prediction on Scholarly Knowledge Graphs [4.633748322788302]
  本稿では,特に知識グラフ(KG)に適した新しい埋め込みモデルであるTrans4Eを紹介する。 Trans4E は Academia/Industry DynAmics (AIDA) と Microsoft Academic Graph (MAG) の2つの大規模知識グラフに適用された。 我々はAIDA、MAG、その他の4つのベンチマーク(FB15k、FB15k-237、WN18RR、WN18RR)に対する代替ソリューションに対するアプローチを評価する。
  論文  参考訳（メタデータ） (2021-07-03T09:34:44Z)
• COMET-ATOMIC 2020: On Symbolic and Neural Commonsense Knowledge Graphs [82.8453695903687]
  我々は,手作業で構築したコモンセンス知識グラフ(CSKG)が,NLPエージェントが遭遇するすべての状況に適用可能な範囲を達成できないことを示す。 我々は、事前訓練された言語モデルでは利用できない知識を含む汎用コモンセンス知識の新しいCSKGであるATOMIC 2020を提案する。 我々は,他のCSKGと比較してその特性を評価し,コモンセンス知識資源の大規模一対研究を行った。
  論文  参考訳（メタデータ） (2020-10-12T18:27:05Z)
• Relational Learning Analysis of Social Politics using Knowledge Graph Embedding [11.978556412301975]
  本稿では,新しい信頼性ドメインベースのKG埋め込みフレームワークを提案する。 ヘテロジニアスリソースから得られたデータの融合を、ドメインによって表現された正式なKG表現にキャプチャする。 このフレームワークは、データ品質と信頼性を保証するための信頼性モジュールも具体化している。
  論文  参考訳（メタデータ） (2020-06-02T14:10:28Z)
• ENT-DESC: Entity Description Generation by Exploring Knowledge Graph [53.03778194567752]
  実際には、出力記述が最も重要な知識のみをカバーするため、入力知識は十分以上である可能性がある。 我々は、KG-to-textにおけるこのような実践的なシナリオの研究を容易にするために、大規模で挑戦的なデータセットを導入する。 本稿では,元のグラフ情報をより包括的に表現できるマルチグラフ構造を提案する。
  論文  参考訳（メタデータ） (2020-04-30T14:16:19Z)

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。