論文の概要: Knowledge Graphs: Opportunities and Challenges
- arxiv url: http://arxiv.org/abs/2303.13948v1
- Date: Fri, 24 Mar 2023 12:10:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-27 14:38:24.271470
- Title: Knowledge Graphs: Opportunities and Challenges
- Title(参考訳): ナレッジグラフ: 機会と課題
- Authors: Ciyuan Peng, Feng Xia, Mehdi Naseriparsa, Francesco Osborne
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 3.868053839556011
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: With the explosive growth of artificial intelligence (AI) and big data, it
has become vitally important to organize and represent the enormous volume of
knowledge appropriately. As graph data, knowledge graphs accumulate and convey
knowledge of the real world. It has been well-recognized that knowledge graphs
effectively represent complex information; hence, they rapidly gain the
attention of academia and industry in recent years. Thus to develop a deeper
understanding of knowledge graphs, this paper presents a systematic overview of
this field. Specifically, we focus on the opportunities and challenges of
knowledge graphs. We first review the opportunities of knowledge graphs in
terms of two aspects: (1) AI systems built upon knowledge graphs; (2) potential
application fields of knowledge graphs. Then, we thoroughly discuss severe
technical challenges in this field, such as knowledge graph embeddings,
knowledge acquisition, knowledge graph completion, knowledge fusion, and
knowledge reasoning. We expect that this survey will shed new light on future
research and the development of knowledge graphs.
- Abstract(参考訳): 人工知能(AI)とビッグデータの爆発的成長により、膨大な量の知識を適切に整理し、表現することが極めて重要である。
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。
知識グラフは複雑な情報を効果的に表現していることがよく認識されており、近年は学術や産業の注目を集めている。
そこで本稿では,知識グラフの理解を深めるために,この分野を体系的に概観する。
具体的には、知識グラフの機会と課題に焦点を当てる。
まず,(1)知識グラフに基づくaiシステム,(2)知識グラフの応用分野の可能性,という2つの側面から知識グラフの機会を考察する。
そこで我々は,知識グラフの埋め込み,知識獲得,知識グラフの完成,知識融合,知識推論など,この分野の深刻な技術的課題を徹底的に議論する。
この調査は、今後の研究と知識グラフの開発に新たな光を当てることを期待している。
関連論文リスト
- Neural-Symbolic Reasoning over Knowledge Graphs: A Survey from a Query Perspective [55.79507207292647]
知識グラフ推論は、データマイニング、人工知能、Web、社会科学など、さまざまな分野において重要である。
ニューラルAIの台頭は、深層学習の頑健さと象徴的推論の精度を融合させることで、大きな進歩を見せている。
大規模言語モデル(LLM)の出現により、知識グラフ推論の新しいフロンティアが開かれた。
論文 参考訳(メタデータ) (2024-11-30T18:54:08Z) - Towards Loosely-Coupling Knowledge Graph Embeddings and Ontology-based
Reasoning [15.703028753526022]
我々は、知識グラフの埋め込みにおけるデータ駆動力と、専門家や包摂体制から生じるドメイン固有の推論(OWL2)とを緩やかに結合することを提案する。
最初の結果から,バニラ知識グラフ埋め込みのMRR精度を最大3倍に向上し,知識グラフ埋め込みとルールマイニング,最大3.5倍MRRの推論を組み合わせたハイブリッドソリューションより優れていた。
論文 参考訳(メタデータ) (2022-02-07T14:01:49Z) - 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) - A Survey on State-of-the-art Techniques for Knowledge Graphs
Construction and Challenges ahead [0.2578242050187029]
本稿では,人間に近い品質の知識グラフを自律的に作成するための最先端の自動化手法を批判する。
高品質な知識グラフを提供するために対処する必要があるさまざまな研究課題を強調します。
論文 参考訳(メタデータ) (2021-10-15T11:18:28Z) - Graph Self-Supervised Learning: A Survey [73.86209411547183]
SSL(Self-supervised Learning)は、グラフデータの有望でトレンドの学習パラダイムとなっています。
グラフデータにSSL技術を用いた既存のアプローチをタイムリーかつ包括的にレビューします。
論文 参考訳(メタデータ) (2021-02-27T03:04:21Z) - KompaRe: A Knowledge Graph Comparative Reasoning System [85.72488258453926]
本稿では,複数の手がかりに対する共通点と矛盾点の推測を目的とした知識グラフの比較推論を提案する。
我々は,大規模な知識グラフに対して比較推論機能を提供する,最初のプロトタイプシステムであるKompaReを開発した。
論文 参考訳(メタデータ) (2020-11-06T04:57:37Z) - Knowledge Graphs [43.06435841693428]
我々は、知識グラフに使用される様々なグラフベースのデータモデルとクエリ言語を動機付け、対比する。
本稿では,帰納的手法と帰納的手法を組み合わせた知識の表現と抽出について説明する。
我々は知識グラフの高レベルな今後の研究方向性を結論づける。
論文 参考訳(メタデータ) (2020-03-04T20:20:32Z) - 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。