論文の概要: A survey on the development status and application prospects of
knowledge graph in smart grids
- arxiv url: http://arxiv.org/abs/2211.00901v1
- Date: Wed, 2 Nov 2022 05:57:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-03 13:20:12.660299
- Title: A survey on the development status and application prospects of
knowledge graph in smart grids
- Title（参考訳）: スマートグリッドにおける知識グラフの開発状況と応用展望
- Authors: Jian Wang, Xi Wang, Chaoqun Ma, Lei Kou
- Abstract要約: 電力知識グラフは、巨大な電力資源と知的アプリケーションに対する継続的な需要の矛盾を解決する機会を提供する。
この研究はまず、知識駆動型インテリジェントアプリケーション統合に関する総合的研究を提示する。
次に、スマートグリッドにおける知識グラフの概要を紹介し、さらに、スマートグリッドとクリティカルテクノロジーのためのビッグナレッジグラフプラットフォームのアーキテクチャについて述べる。
- 参考スコア（独自算出の注目度）: 7.070357628640114
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the advent of the electric power big data era, semantic interoperability
and interconnection of power data have received extensive attention. Knowledge
graph technology is a new method describing the complex relationships between
concepts and entities in the objective world, which is widely concerned because
of its robust knowledge inference ability. Especially with the proliferation of
measurement devices and exponential growth of electric power data empowers,
electric power knowledge graph provides new opportunities to solve the
contradictions between the massive power resources and the continuously
increasing demands for intelligent applications. In an attempt to fulfil the
potential of knowledge graph and deal with the various challenges faced, as
well as to obtain insights to achieve business applications of smart grids,
this work first presents a holistic study of knowledge-driven intelligent
application integration. Specifically, a detailed overview of electric power
knowledge mining is provided. Then, the overview of the knowledge graph in
smart grids is introduced. Moreover, the architecture of the big knowledge
graph platform for smart grids and critical technologies are described.
Furthermore, this paper comprehensively elaborates on the application prospects
leveraged by knowledge graph oriented to smart grids, power consumer service,
decision-making in dispatching, and operation and maintenance of power
equipment. Finally, issues and challenges are summarised.
- Abstract（参考訳）: 電力ビッグデータ時代の到来に伴い、電力データのセマンティック相互運用性と相互接続が注目されている。
知識グラフ技術(英: knowledge graph technology)は、客観的な世界における概念と実体の複雑な関係を記述する新しい手法である。
特に、測定装置の急増と電力データの指数的増加によって、電力知識グラフは、膨大な電力資源とインテリジェントなアプリケーションに対する継続的に増加する要求との矛盾を解決する新しい機会を提供する。
知識グラフの潜在能力をフルフィルし、直面する様々な課題に対処すると同時に、スマートグリッドのビジネス応用を実現するための洞察を得るために、この研究はまず、知識駆動のインテリジェントアプリケーション統合に関する総合的研究を提示する。
具体的には、電力知識マイニングの詳細な概要を提供する。
次に,スマートグリッドにおける知識グラフの概要を紹介する。
さらに,スマートグリッドと重要な技術のための大規模知識グラフプラットフォームのアーキテクチャについて述べる。
さらに,スマートグリッド指向のナレッジグラフ,電力消費サービス,ディスパッチにおける意思決定,電力機器の運用・保守などにより活用されるアプリケーションの展望を包括的に解説する。
最後に、問題と課題を要約する。
関連論文リスト
- Foundation Models for the Electric Power Grid [53.02072064670517]
ファンデーションモデル(FM)がニュースの見出しを支配している。
多様なグリッドデータやトポロジからFMを学習することで、トランスフォーメーション能力が解放されるのではないか、と私たちは主張する。
本稿では,グラフニューラルネットワークに基づく電力グリッドFMの概念,すなわちGridFMについて論じる。
論文 参考訳（メタデータ） (2024-07-12T17:09:47Z) - Knowledge Graph Extension by Entity Type Recognition [2.8231106019727195]
本稿では,エンティティ型認識に基づく知識グラフ拡張フレームワークを提案する。
このフレームワークは、異なる知識グラフ間でスキーマとエンティティを整列させることにより、高品質な知識抽出を実現することを目的としている。
論文 参考訳（メタデータ） (2024-05-03T19:55:03Z) - Knowledge Graphs: Opportunities and Challenges [3.868053839556011]
膨大な量の知識を適切に整理し、表現することが重要になっている。
グラフデータとして、知識グラフは現実世界の知識を蓄積し伝達する。
本稿では知識グラフの機会と課題に焦点を当てる。
論文 参考訳（メタデータ） (2023-03-24T12:10:42Z) - Conditional Attention Networks for Distilling Knowledge Graphs in
Recommendation [74.14009444678031]
本稿では,知識グラフをレコメンデーションシステムに組み込むために,知識対応コンディショナルアテンションネットワーク(KCAN)を提案する。
本研究では,まず,ユーザ・イテムネットワークとナレッジグラフのグローバルな意味的類似性を捉えるノード表現を得る。
そして,そのサブグラフに条件付きアテンションアグリゲーションを適用することで,その知識グラフを改良し,目標固有ノード表現を得る。
論文 参考訳（メタデータ） (2021-11-03T09:40:43Z) - An Intelligent Question Answering System based on Power Knowledge Graph [4.424381928034146]
本稿では、電力の巨大異種データからグラフデータベースとグラフコンピューティング技術を用いて、ドメイン知識グラフを紹介する。
その後、電力知識グラフに基づくIQAシステムを提案し、自然尋問の意図と制約を抽出した。
提案した研究は、文脈対応のインテリジェントな質問と回答の基盤を提供することもできる。
論文 参考訳（メタデータ） (2021-06-16T17:57:51Z) - Contextualized Knowledge-aware Attentive Neural Network: Enhancing
Answer Selection with Knowledge [77.77684299758494]
ナレッジグラフ(KG)による外部知識による回答選択モデル向上のアプローチを幅広く検討しています。
まず、KGの外部知識とテキスト情報との密接な相互作用を考慮し、QA文表現を学習するコンテキスト知識相互作用学習フレームワークであるナレッジアウェアニューラルネットワーク(KNN)を紹介します。
KG情報の多様性と複雑性に対処するために, カスタマイズされたグラフ畳み込みネットワーク (GCN) を介して構造情報を用いた知識表現学習を改善し, コンテキストベースおよび知識ベースの文表現を総合的に学習する コンテキスト型知識認識型アテンシブニューラルネットワーク (CKANN) を提案する。
論文 参考訳（メタデータ） (2021-04-12T05:52:20Z) - Deep Learning for Intelligent Demand Response and Smart Grids: A
Comprehensive Survey [3.0746367873237]
ディープラーニングを利用して、生成されたデータからパターンを学び、電力とピーク時間の需要を予測する。
本稿では,DLの基礎,スマートグリッド,需要応答,DLの背景にあるモチベーションについて述べる。
本稿では,電力負荷予測,状態推定,エネルギー盗難検出,エネルギー共有,取引など,スマートグリッドと需要応答におけるdlの最先端の応用について検討する。
論文 参考訳（メタデータ） (2021-01-20T08:07:41Z) - KRISP: Integrating Implicit and Symbolic Knowledge for Open-Domain
Knowledge-Based VQA [107.7091094498848]
VQAの最も難しい質問の1つは、質問に答えるために画像に存在しない外部の知識を必要とする場合です。
本研究では,解答に必要な知識が与えられたり記入されたりしないオープンドメイン知識を,トレーニング時やテスト時にも検討する。
知識表現と推論には2つのタイプがあります。
まず、トランスベースのモデルで教師なし言語事前トレーニングと教師付きトレーニングデータから効果的に学ぶことができる暗黙的な知識。
論文 参考訳（メタデータ） (2020-12-20T20:13:02Z) - Smart Grid: A Survey of Architectural Elements, Machine Learning and
Deep Learning Applications and Future Directions [0.0]
ビッグデータ分析、機械学習(ML)、ディープラーニング(DL)は、この膨大なデータの分析と貴重な洞察の生成において重要な役割を果たす。
本稿では、スマートグリッドのコンテキストにおいて、スマートグリッドアーキテクチャ要素、機械学習、ディープラーニングベースのアプリケーションおよびアプローチを調査し、調査する。
論文 参考訳（メタデータ） (2020-10-16T01:40:24Z) - A Heterogeneous Graph with Factual, Temporal and Logical Knowledge for
Question Answering Over Dynamic Contexts [81.4757750425247]
動的テキスト環境における質問応答について検討する。
構築したグラフ上にグラフニューラルネットワークを構築し,エンドツーエンドでモデルをトレーニングする。
論文 参考訳（メタデータ） (2020-04-25T04:53:54Z) - A Survey on Knowledge Graphs: Representation, Acquisition and
Applications [89.78089494738002]
我々は,1)知識グラフ表現学習,2)知識獲得と完成,3)時間的知識グラフ,および4)知識認識アプリケーションに関する研究トピックをレビューする。
知識獲得、特に知識グラフの完成、埋め込み方法、経路推論、論理ルール推論について概観する。
メタラーニング、コモンセンス推論、時間的知識グラフなど、いくつかの新しいトピックを探求する。
論文 参考訳（メタデータ） (2020-02-02T13:17:31Z)
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。