論文の概要: An ontology-aided, natural language-based approach for multi-constraint
BIM model querying
- arxiv url: http://arxiv.org/abs/2303.15116v1
- Date: Mon, 27 Mar 2023 11:35:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-28 15:43:07.048779
- Title: An ontology-aided, natural language-based approach for multi-constraint
BIM model querying
- Title(参考訳): 多制約BIMモデルクエリのためのオントロジー支援自然言語ベースアプローチ
- Authors: Mengtian Yin, Llewellyn Tang, Chris Webster, Shen Xu, Xiongyi Li,
Huaquan Ying
- Abstract要約: 本稿では,異なる制約を含む自然言語クエリ(NLQ)を,複雑なBIMモデルを問合せするためのコンピュータ可読コードに自動的にマッピングする,新しいオントロジー支援セマンティクスを提案する。
実世界の住宅ビルの設計チェックに関する事例研究は,建設業における提案手法の実践的価値を実証している。
- 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: Being able to efficiently retrieve the required building information is
critical for construction project stakeholders to carry out their engineering
and management activities. Natural language interface (NLI) systems are
emerging as a time and cost-effective way to query Building Information Models
(BIMs). However, the existing methods cannot logically combine different
constraints to perform fine-grained queries, dampening the usability of natural
language (NL)-based BIM queries. This paper presents a novel ontology-aided
semantic parser to automatically map natural language queries (NLQs) that
contain different attribute and relational constraints into computer-readable
codes for querying complex BIM models. First, a modular ontology was developed
to represent NL expressions of Industry Foundation Classes (IFC) concepts and
relationships, and was then populated with entities from target BIM models to
assimilate project-specific information. Hereafter, the ontology-aided semantic
parser progressively extracts concepts, relationships, and value restrictions
from NLQs to fully identify constraint conditions, resulting in standard SPARQL
queries with reasoning rules to successfully retrieve IFC-based BIM models. The
approach was evaluated based on 225 NLQs collected from BIM users, with a 91%
accuracy rate. Finally, a case study about the design-checking of a real-world
residential building demonstrates the practical value of the proposed approach
in the construction industry.
- Abstract(参考訳): 必要な建物情報を効率的に取得できることは、建設プロジェクトのステークホルダーがエンジニアリングやマネジメント活動を行う上で非常に重要です。
自然言語インタフェース(NLI)システムは、ビルディング情報モデル(BIM)に問い合わせる時間と費用効率のよい方法として登場しつつある。
しかし、既存の手法では、異なる制約を論理的に組み合わせて細かなクエリを実行できるため、自然言語(NL)ベースのBIMクエリの使用性が低下する。
本稿では,異なる属性と関係制約を含む自然言語クエリ(NLQ)を,複雑なBIMモデルを問合せするためのコンピュータ可読コードに自動的にマッピングする,オントロジー支援型セマンティックパーサを提案する。
まず,IFCの概念と関係のNL表現を表現するためにモジュールオントロジーが開発され,対象とするBIMモデルから,プロジェクト固有の情報を同化するためのエンティティに集約された。
その後、オントロジー支援セマンティックパーザは、NLQから概念、関係、および値の制約を段階的に抽出し、制約条件を完全に識別する。
提案手法は,BIMユーザから収集した225NLQを91%の精度で評価した。
最後に, 実世界の住宅の設計検査を事例として, 建設業における提案手法の実用的価値を示す。
関連論文リスト
- STaRK: Benchmarking LLM Retrieval on Textual and Relational Knowledge Bases [93.96463520716759]
テキストとリレーショナルベース知識に関する大規模半構造検索ベンチマークSTARKを開発した。
多様な情報と複雑なテキスト特性を統合した,自然かつ現実的なユーザクエリを合成する,新しいパイプラインを設計する。
本ベンチマークは,検索システムの性能評価のための総合的なテストベッドとして機能する。
論文 参考訳(メタデータ) (2024-04-19T22:54:54Z) - Interactive-KBQA: Multi-Turn Interactions for Knowledge Base Question
Answering with Large Language Models [8.316367927545373]
Interactive-KBQAは知識ベース(KB)との直接インタラクションを通じて論理形式を生成するように設計されたフレームワークである
提案手法は,WebQuestionsSP, ComplexWebQuestions, KQA Pro, MetaQAデータセット上での競合結果を実現する。
論文 参考訳(メタデータ) (2024-02-23T06:32:18Z) - SymbolicAI: A framework for logic-based approaches combining generative
models and solvers [10.558183419341514]
SymbolicAIは、生成プロセスにおける概念学習とフロー管理に論理ベースのアプローチを採用する、汎用的でモジュール化されたフレームワークである。
我々は,大規模言語モデル(LLM)を,自然言語命令と形式言語命令の両方に基づいてタスクを実行する意味的解決器として扱う。
論文 参考訳(メタデータ) (2024-02-01T18:50:50Z) - Exploiting Contextual Target Attributes for Target Sentiment
Classification [53.30511968323911]
TSCの既存のPTLMベースモデルは、1)PTLMをコンテキストエンコーダとして採用した微調整ベースモデル、2)テキスト/単語生成タスクに分類タスクを転送するプロンプトベースモデル、の2つのグループに分類される。
我々は,PTLM を TSC に活用する新たな視点として,言語モデリングと文脈的ターゲット属性による明示的ターゲットコンテキスト相互作用の利点を同時に活用する。
論文 参考訳(メタデータ) (2023-12-21T11:45:28Z) - Information Association for Language Model Updating by Mitigating
LM-Logical Discrepancy [68.31760483418901]
大規模言語モデル(LLM)は、時代遅れの事前学習データのために現在の情報を提供するのに苦労する。
知識編集や連続的な微調整など,従来のLCMの更新方法は,新たな情報の一般化に重大な欠点がある。
これらの欠点の中核となる課題は,言語モデリングの確率と論理的確率の差を特徴とするLM論理的相違である。
論文 参考訳(メタデータ) (2023-05-29T19:48:37Z) - A Machine Learning Approach to Classifying Construction Cost Documents
into the International Construction Measurement Standard [0.0]
原価文書で提供される自然言語記述を分類する最初の自動モデル「Bills of Quantities」を紹介した。
英国中の24の大規模なインフラ建設プロジェクトから収集された5万件以上の項目のデータセットから学習する。
論文 参考訳(メタデータ) (2022-10-24T11:35:53Z) - Schema-aware Reference as Prompt Improves Data-Efficient Knowledge Graph
Construction [57.854498238624366]
本稿では,データ効率のよい知識グラフ構築のためのRAP(Schema-Aware Reference As Prompt)の検索手法を提案する。
RAPは、人間の注釈付きおよび弱教師付きデータから受け継いだスキーマと知識を、各サンプルのプロンプトとして動的に活用することができる。
論文 参考訳(メタデータ) (2022-10-19T16:40:28Z) - Improving Meta-learning for Low-resource Text Classification and
Generation via Memory Imitation [87.98063273826702]
本稿では,メモリ模倣メタラーニング(MemIML)手法を提案する。
本手法の有効性を証明するために理論的解析を行った。
論文 参考訳(メタデータ) (2022-03-22T12:41:55Z) - Leveraging Advantages of Interactive and Non-Interactive Models for
Vector-Based Cross-Lingual Information Retrieval [12.514666775853598]
対話型モデルと非対話型モデルの利点を活用する新しいフレームワークを提案する。
非対話型アーキテクチャ上でモデルを構築できる半対話型機構を導入するが、各文書を関連付けられた多言語クエリと共にエンコードする。
本手法は,計算効率を維持しながら検索精度を大幅に向上させる。
論文 参考訳(メタデータ) (2021-11-03T03:03:19Z) - Text Modular Networks: Learning to Decompose Tasks in the Language of
Existing Models [61.480085460269514]
本稿では,既存のモデルで解けるより単純なモデルに分解することで,複雑なタスクを解くための解釈可能なシステムを構築するためのフレームワークを提案する。
我々はこのフレームワークを用いて、ニューラルネットワークのファクトイド単一スパンQAモデルとシンボリック電卓で答えられるサブクエストに分解することで、マルチホップ推論問題に答えられるシステムであるModularQAを構築する。
論文 参考訳(メタデータ) (2020-09-01T23:45:42Z) - Exploring Probabilistic Soft Logic as a framework for integrating
top-down and bottom-up processing of language in a task context [0.6091702876917279]
このアーキテクチャは既存のNLPコンポーネントを統合し、8段階の言語モデリングの候補分析を生成する。
このアーキテクチャは、形式レベルでの表現形式としてUniversal Dependencies (UD) と、学習者回答のセマンティックな分析を表現するための抽象的意味表現 (AMR) に基づいて構築されている。
論文 参考訳(メタデータ) (2020-04-15T11:00:07Z)
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。