論文の概要: NASA Science Mission Directorate Knowledge Graph Discovery

• arxiv url: http://arxiv.org/abs/2303.10871v1
• Date: Mon, 20 Mar 2023 05:12:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-21 16:51:32.201480
• Title: NASA Science Mission Directorate Knowledge Graph Discovery
• Title（参考訳）: NASAの科学ミッション、知識グラフ発見を監督
• Authors: Roelien C. Timmer, Fech Scen Khoo, Megan Mark, Marcella Scoczynski Ribeiro Martins, Anamaria Berea, Gregory Renard, Kaylin Bugbee
• Abstract要約: 本稿では,NASAの異なる領域を表す知識グラフ(KG)を生成するパイプラインを提案する。 これらのKGは、データセット検索エンジンの基礎として使用でき、研究者の時間を節約し、新しいコネクションを見つけるのをサポートする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The size of the National Aeronautics and Space Administration (NASA) Science Mission Directorate (SMD) is growing exponentially, allowing researchers to make discoveries. However, making discoveries is challenging and time-consuming due to the size of the data catalogs, and as many concepts and data are indirectly connected. This paper proposes a pipeline to generate knowledge graphs (KGs) representing different NASA SMD domains. These KGs can be used as the basis for dataset search engines, saving researchers time and supporting them in finding new connections. We collected textual data and used several modern natural language processing (NLP) methods to create the nodes and the edges of the KGs. We explore the cross-domain connections, discuss our challenges, and provide future directions to inspire researchers working on similar challenges.
• Abstract（参考訳）: 米国航空宇宙局(NASA)科学ミッション局(SMD)のサイズは指数関数的に増加しており、研究者が発見できるようになっている。 しかし、データカタログのサイズのため、発見することは困難で時間がかかり、多くの概念やデータが間接的に繋がっている。 本稿では,NASA SMD領域の異なる領域を表す知識グラフ(KG)を生成するパイプラインを提案する。 これらのKGは、データセット検索エンジンの基礎として使用でき、研究者の時間を節約し、新しいコネクションを見つけるのをサポートする。 テキストデータを集め,いくつかの現代自然言語処理 (nlp) 手法を用いて,kgsのノードとエッジを作成した。 我々は、クロスドメイン接続を探求し、我々の課題を議論し、同様の課題に取り組む研究者を刺激する将来の方向性を提供する。

関連論文リスト

• Rapid Automated Mapping of Clouds on Titan With Instance Segmentation [0.49478969093606673]
  我々は、転送学習により訓練されたMask R-CNNを用いて、カッシーニ探査機が取得したタイタン画像中の雲のインスタンスセグメンテーションを行う。 タイタン特有の課題にもかかわらず、我々のアプローチは地球や他の世界の現代の雲の識別研究に匹敵する精度を得る。 このような手法は、現在未利用の惑星科学における同様の問題に応用できる可能性が広いことを示唆する。
  論文  参考訳（メタデータ） (2025-01-08T12:30:06Z)
• Towards a Reliable Offline Personal AI Assistant for Long Duration Spaceflight [4.382282101149638]
  本稿では, GPT, Retrieval-Augmented Generation (RAG), Knowledge Graphs (KGs), Augmented Reality (AR)を統合したMETISなどの拡張システムを提案する。 そのアイデアは、宇宙飛行士が自然言語のクエリを使って、より直感的に自分のデータと対話し、ARでリアルタイム情報を視覚化できるようにすることだ。
  論文  参考訳（メタデータ） (2024-10-21T18:08:42Z)
• MASSW: A New Dataset and Benchmark Tasks for AI-Assisted Scientific Workflows [58.56005277371235]
  我々は,Multi-Aspect Summarization of ScientificAspectsに関する総合テキストデータセットであるMASSWを紹介する。 MASSWには過去50年間にわたる17の主要なコンピュータサイエンスカンファレンスから152,000以上の査読論文が含まれている。 我々は、この新しいデータセットを用いてベンチマーク可能な、複数の新しい機械学習タスクを通じて、MASSWの有用性を実証する。
  論文  参考訳（メタデータ） (2024-06-10T15:19:09Z)
• Experimenting with Large Language Models and vector embeddings in NASA SciX [26.396350836111935]
  我々は,大量の抽象文と全文コンテンツを集めたセマンティックベクターを開発した。 システムからコンテキストチャンクを用いて質問を行うプロンプトシステムを設計した。 非体系的な人的評価に基づいて、この実験は、検索拡張生成を用いた場合、より低い幻覚とより良い応答を示す。
  論文  参考訳（メタデータ） (2023-12-21T10:19:58Z)
• Deep Learning for Spatiotemporal Big Data: A Vision on Opportunities and Challenges [4.497634148674422]
  一時的ビッグデータは、これまで不可能だった問題を解決する新たな機会を育むことができる。 ビッグデータの特徴は、ディープラーニング技術に新たな課題をもたらす。
  論文  参考訳（メタデータ） (2023-10-30T19:12:51Z)
• A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
  本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。 このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
  論文  参考訳（メタデータ） (2022-11-04T09:58:57Z)
• Search to Pass Messages for Temporal Knowledge Graph Completion [97.40256786473516]
  我々は、時間知識グラフ(TKG)の補完のために、NAS(Neural Architecture Search)を用いて、データ固有のメッセージパッシングアーキテクチャを設計することを提案する。 特に,TKGにおけるトポロジカルおよび時間的情報を探るための一般化されたフレームワークを開発する。 より低コストで効率的な探索のために単一経路をサンプリングし,スーパーネット構造を訓練する探索アルゴリズムを採用する。
  論文  参考訳（メタデータ） (2022-10-30T04:05:06Z)
• Modeling Information Change in Science Communication with Semantically Matched Paraphrases [50.67030449927206]
  SPICEDは、情報変化の度合いに注釈を付けた科学的な発見の最初のパラフレーズデータセットである。 SPICEDには、ニュース記事、ソーシャルメディアの議論、オリジナル論文の全文から抽出された6000の科学的発見ペアが含まれている。 SPICEDで訓練されたモデルは、実世界の科学的主張の事実チェックのための証拠検索において下流のパフォーマンスを改善する。
  論文  参考訳（メタデータ） (2022-10-24T07:44:38Z)
• The Wind in Our Sails: Developing a Reusable and Maintainable Dutch Maritime History Knowledge Graph [0.13764085113103217]
  知識グラフは、人間と機械がクエリできる唯一の接続された真実の情報源を提供することによって、研究を加速することができる。 歴史的海洋ドメインから4つのデータセットを知識グラフに変換する。 私たちの知識グラフは、オランダ東インド会社の日々のビジネスを調査するために、海洋史家や他の興味のあるユーザーにとって利用可能です。
  論文  参考訳（メタデータ） (2021-11-10T09:54:01Z)
• Neural Online Graph Exploration [65.49668396771239]
  トラベリングセールスパーソン問題のオンライン版であるオンライングラフ探索の問題について検討する。 グラフ探索を強化学習問題として再検討し,その解決にダイレクトフューチャー予測を適用した。 これは、オンライングラフ探索をデータ駆動方式で解決する最初の試みである。
  論文  参考訳（メタデータ） (2020-12-06T18:19:05Z)
• Batch Exploration with Examples for Scalable Robotic Reinforcement Learning [63.552788688544254]
  BEE(Batch Exploration with Examples)は、重要状態の画像の少ない数の人間がガイドする状態空間の関連領域を探索する。 BEEは、シミュレーションと本物のフランカロボットの両方で、視覚ベースの操作に挑戦することができる。
  論文  参考訳（メタデータ） (2020-10-22T17:49:25Z)

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。