Fugu-MT 論文翻訳(概要): Truveta Mapper: A Zero-shot Ontology Alignment Framework

論文の概要: Truveta Mapper: A Zero-shot Ontology Alignment Framework

arxiv url: http://arxiv.org/abs/2301.09767v2
Date: Fri, 31 Mar 2023 22:05:53 GMT
ステータス: 処理完了
システム内更新日: 2023-04-04 21:39:08.564042
Title: Truveta Mapper: A Zero-shot Ontology Alignment Framework
Title（参考訳）: Truveta Mapper: ゼロショットオントロジーアライメントフレームワーク
Authors: Mariyam Amir, Murchana Baruah, Mahsa Eslamialishah, Sina Ehsani, Alireza Bahramali, Sadra Naddaf-Sh, Saman Zarandioon
Abstract要約: 教師なしオントロジーマッチング(OM)やオントロジーアライメント(OA)に対する新しい視点の提案オントロジはグラフとして表現され、ソースグラフのノードからターゲットグラフのパスへの変換が行われる。提案するフレームワークであるTruveta Mapper (TM)は、マルチタスクのシーケンス・ツー・シーケンス・トランスフォーマーモデルを利用して、ゼロショット・統一・エンドツーエンドで複数のアライメントを実行する。
参考スコア（独自算出の注目度）: 4.602737904936594
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: In this paper, a new perspective is suggested for unsupervised Ontology Matching (OM) or Ontology Alignment (OA) by treating it as a translation task. Ontologies are represented as graphs, and the translation is performed from a node in the source ontology graph to a path in the target ontology graph. The proposed framework, Truveta Mapper (TM), leverages a multi-task sequence-to-sequence transformer model to perform alignment across multiple ontologies in a zero-shot, unified and end-to-end manner. Multi-tasking enables the model to implicitly learn the relationship between different ontologies via transfer-learning without requiring any explicit cross-ontology manually labeled data. This also enables the formulated framework to outperform existing solutions for both runtime latency and alignment quality. The model is pre-trained and fine-tuned only on publicly available text corpus and inner-ontologies data. The proposed solution outperforms state-of-the-art approaches, Edit-Similarity, LogMap, AML, BERTMap, and the recently presented new OM frameworks in Ontology Alignment Evaluation Initiative (OAEI22), offers log-linear complexity in contrast to quadratic in the existing end-to-end methods, and overall makes the OM task efficient and more straightforward without much post-processing involving mapping extension or mapping repair.
Abstract（参考訳）: 本稿では,教師なしオントロジーマッチング(OM)やオントロジーアライメント(OA)を翻訳タスクとして扱うことにより,新たな視点を提案する。オントロジーはグラフとして表現され、ソースオントロジーグラフのノードからターゲットオントロジーグラフのパスへの変換が行われる。提案手法であるtruveta mapper (tm) はマルチタスクシーケンスからシーケンスへのトランスフォーマーモデルを利用して,ゼロショット,統一,エンドツーエンドの方法で複数のオントロジー間のアライメントを行う。マルチタスクにより、手動で明示的な相互オントロジーデータを必要とすることなく、トランスファーラーニングを通じて異なるオントロジー間の関係を暗黙的に学習することができる。これにより、フォーム化されたフレームワークが、ランタイムレイテンシとアライメント品質の両方において、既存のソリューションを上回ることができる。モデルは事前トレーニングされ、公開されているテキストコーパスと内部オントロジーデータのみに微調整される。提案されたソリューションは、最先端のアプローチ、Edit-Similarity、LogMap、AML、BERTMap、および最近発表されたオントロジーアライメント評価イニシアチブ(OAEI22)における新しいOMフレームワークよりも優れており、既存のエンドツーエンドメソッドの2次処理とは対照的に、ログ線形の複雑さを提供する。

関連論文リスト

End-to-End Ontology Learning with Large Language Models [11.755755139228219]
大規模言語モデル(LLM)は、オントロジー学習の様々なサブタスクを解決するために応用されている。我々は、オントロジーの分類学的バックボーンをスクラッチから構築する汎用的でスケーラブルな方法であるOLLMによって、このギャップに対処する。標準的なメトリクスとは対照的に、私たちのメトリクスは、グラフ間のより堅牢な構造的距離測定を定義するためにディープラーニング技術を使用します。私たちのモデルは、arXivのような新しいドメインに効果的に適用できます。
論文参考訳（メタデータ） (2024-10-31T02:52:39Z)
OM4OV: Leveraging Ontology Matching for Ontology Versioning [4.222245509121683]
我々はOMOV4タスクの統一的な定式化、測定、テストベッドを導入し、OV性能を向上する。修正オントロジーアライメントイニシアチブ(OAEI)データセットにおけるOM4OVパイプラインと相互参照機構を実験的に検証した。
論文参考訳（メタデータ） (2024-09-30T14:00:04Z)
Interpetable Target-Feature Aggregation for Multi-Task Learning based on Bias-Variance Analysis [53.38518232934096]
マルチタスク学習(MTL)は、タスク間の共有知識を活用し、一般化とパフォーマンスを改善するために設計された強力な機械学習パラダイムである。本稿では,タスククラスタリングと特徴変換の交点におけるMTL手法を提案する。両段階において、鍵となる側面は減った目標と特徴の解釈可能性を維持することである。
論文参考訳（メタデータ） (2024-06-12T08:30:16Z)
Multi-Scene Generalized Trajectory Global Graph Solver with Composite Nodes for Multiple Object Tracking [61.69892497726235]
複合ノードメッセージパッシングネットワーク(CoNo-Link)は、超長いフレーム情報を関連付けるためのフレームワークである。オブジェクトをノードとして扱う従来の方法に加えて、このネットワークは情報インタラクションのためのノードとしてオブジェクトトラジェクトリを革新的に扱う。我々のモデルは、合成ノードを追加することで、より長い時間スケールでより良い予測を学習することができる。
論文参考訳（メタデータ） (2023-12-14T14:00:30Z)
Single-Stage Visual Relationship Learning using Conditional Queries [60.90880759475021]
TraCQは、マルチタスク学習問題とエンティティペアの分布を回避する、シーングラフ生成の新しい定式化である。我々は,DETRをベースとしたエンコーダ-デコーダ条件付きクエリを用いて,エンティティラベル空間を大幅に削減する。実験結果から、TraCQは既存のシングルステージシーングラフ生成法よりも優れており、Visual Genomeデータセットの最先端の2段階メソッドを多く上回っていることがわかった。
論文参考訳（メタデータ） (2023-06-09T06:02:01Z)
G-MSM: Unsupervised Multi-Shape Matching with Graph-based Affinity Priors [52.646396621449]
G-MSMは、非剛体形状対応のための新しい教師なし学習手法である。学習形態の集合に親和性グラフを自己教師型で構築する。近年の形状対応ベンチマークで最先端の性能を示す。
論文参考訳（メタデータ） (2022-12-06T12:09:24Z)
TokenFlow: Rethinking Fine-grained Cross-modal Alignment in Vision-Language Retrieval [30.429340065755436]
我々は, 細粒度クロスモーダルアライメントのためのモデルに依存しない新しい定式化を考案した。最適輸送理論に着想を得て,提案手法のインスタンス化であるemphTokenFlowを紹介した。
論文参考訳（メタデータ） (2022-09-28T04:11:05Z)
Counterfactual Intervention Feature Transfer for Visible-Infrared Person Re-identification [69.45543438974963]
視覚赤外人物再識別タスク(VI-ReID)におけるグラフベースの手法は,2つの問題により,悪い一般化に悩まされている。十分に訓練された入力特徴は、グラフトポロジーの学習を弱め、推論過程において十分に一般化されない。本稿では,これらの問題に対処するためのCIFT法を提案する。
論文参考訳（メタデータ） (2022-08-01T16:15:31Z)
Decoupled Multi-task Learning with Cyclical Self-Regulation for Face Parsing [71.19528222206088]
顔解析のための周期的自己統制型デカップリング型マルチタスク学習を提案する。具体的には、DML-CSRは、顔解析、バイナリエッジ、カテゴリエッジ検出を含むマルチタスクモデルを設計する。提案手法は,Helen,CelebA-HQ,LapaMaskのデータセット上での最先端性能を実現する。
論文参考訳（メタデータ） (2022-03-28T02:12:30Z)
Neural Transition System for End-to-End Opinion Role Labeling [13.444895891262844]
統一世論役割ラベルリング(ORL)は、意見保有者目標の可能なすべての意見構造を1ショットで検出することを目的としている。我々は、遷移アーキテクチャを再考し、ポインタネットワーク(PointNet)で拡張することで、新しいソリューションを提案する。このフレームワークは、線形時間複雑性におけるすべての意見構造を解析し、PointNetとの任意の項長の制限を突破する。
論文参考訳（メタデータ） (2021-10-05T12:45:59Z)
Learning a Proposal Classifier for Multiple Object Tracking [36.67900094433032]
提案生成,提案スコア,軌道推論のパラダイムをアフィニティグラフ上でモデル化する,新しい提案ベースの学習可能なフレームワークを提案する。提案手法は,従来の2つの公開ベンチマークにおいて,MOTAとIDF1の両性能改善を実現することを実験的に実証した。
論文参考訳（メタデータ） (2021-03-14T10:46:54Z)

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。