Fugu-MT 論文翻訳(概要): Disentangling Domain Ontologies

論文の概要: Disentangling Domain Ontologies

arxiv url: http://arxiv.org/abs/2304.00004v1
Date: Tue, 21 Mar 2023 08:36:14 GMT
ステータス: 処理完了
システム内更新日: 2023-04-09 05:55:58.085055
Title: Disentangling Domain Ontologies
Title（参考訳）: ドメインオントロジーの解消
Authors: Mayukh Bagchi and Subhashis Das
Abstract要約: そこで本研究では,マルチレベルな概念モデリング戦略であるConceptual Disentanglementを提案する。現状の技術開発手法とアプローチが、我々の特性に関して不十分である理由を論じる。
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: In this paper, we introduce and illustrate the novel phenomenon of Conceptual Entanglement which emerges due to the representational manifoldness immanent while incrementally modelling domain ontologies step-by-step across the following five levels: perception, labelling, semantic alignment, hierarchical modelling and intensional definition. In turn, we propose Conceptual Disentanglement, a multi-level conceptual modelling strategy which enforces and explicates, via guiding principles, semantic bijections with respect to each level of conceptual entanglement (across all the above five levels) paving the way for engineering conceptually disentangled domain ontologies. We also briefly argue why state-of-the-art ontology development methodologies and approaches are insufficient with respect to our characterization.
Abstract（参考訳）: 本稿では,認識,ラベリング,意味的アライメント,階層的モデリング,インテンテンション定義という5つのレベルを段階的にモデル化しながら,表現的多様体性が不連続であることから生じる概念的絡み合いの新たな現象を紹介,解説する。そこで本研究では,概念的絡み合い(上述の5段階にわたって)の各レベルに対する意味的ビジェクションを導くことによって,概念的絡み合い(conceptual Disentanglement)を強制・説明する多段階概念モデリング戦略を提案する。また, 現状のオントロジー開発手法とアプローチが不十分である理由についても, 評価について簡潔に論じる。

関連論文リスト

On the Role of Entity and Event Level Conceptualization in Generalizable Reasoning: A Survey of Tasks, Methods, Applications, and Future Directions [46.63556358247516]
エンティティとイベントレベルの概念化は、一般化可能な推論において重要な役割を果たす。現在、概念化の定義、実行、適用に関する既存の研究を包括的に調べる体系的な概要が欠如している。本稿では,150以上の論文を総合的に調査し,概念化に関連する様々な定義,資源,方法,下流のアプリケーションを統一分類に分類する。
論文参考訳（メタデータ） (2024-06-16T10:32:41Z)
Encoding Hierarchical Schema via Concept Flow for Multifaceted Ideology Detection [26.702058189138462]
多面的イデオロギー検出(MID)は、テキストの複数の面へのイデオロギー的傾きを検出することを目的としている。 MIDタスクのための新しい概念セマンティクス強化フレームワークを開発する。提案手法は, クロストピックシナリオを含む, MIDにおける最先端性能を実現する。
論文参考訳（メタデータ） (2024-05-29T10:37:28Z)
A Self-explaining Neural Architecture for Generalizable Concept Learning [29.932706137805713]
現在,SOTA の概念学習アプローチは,概念の忠実さの欠如と,概念の相互運用の限界という2つの大きな問題に悩まされている。ドメイン間の概念学習のための新しい自己説明型アーキテクチャを提案する。提案手法は,現在広く使われている4つの実世界のデータセットに対するSOTA概念学習手法に対して有効であることを示す。
論文参考訳（メタデータ） (2024-05-01T06:50:18Z)
A survey on Concept-based Approaches For Model Improvement [2.1516043775965565]
概念は人間の思考基盤として知られている。ディープニューラルネットワーク(DNN)における様々な概念表現とその発見アルゴリズムの体系的レビューと分類について述べる。また,これらの手法を総合的に調査した最初の論文として,概念に基づくモデル改善文献について詳述する。
論文参考訳（メタデータ） (2024-03-21T17:09:20Z)
An Axiomatic Approach to Model-Agnostic Concept Explanations [67.84000759813435]
本稿では、線形性、再帰性、類似性という3つの自然な公理を満たす概念的説明へのアプローチを提案する。次に、従来の概念的説明手法とのつながりを確立し、それらの意味の異なる意味についての洞察を提供する。
論文参考訳（メタデータ） (2024-01-12T20:53:35Z)
Concept Gradient: Concept-based Interpretation Without Linear Assumption [77.96338722483226]
概念活性化ベクトル(Concept Activation Vector, CAV)は、与えられたモデルと概念の潜在表現の間の線形関係を学習することに依存する。我々は、線形概念関数を超えて概念に基づく解釈を拡張する概念グラディエント(CG)を提案した。我々は、CGがおもちゃの例と実世界のデータセットの両方でCAVより優れていることを実証した。
論文参考訳（メタデータ） (2022-08-31T17:06:46Z)
Human-Centered Concept Explanations for Neural Networks [47.71169918421306]
概念活性化ベクトル(Concept Activation Vectors, CAV)のクラスを含む概念的説明を紹介する。次に、自動的に概念を抽出するアプローチと、それらの注意事項に対処するアプローチについて議論する。最後に、このような概念に基づく説明が、合成設定や実世界の応用において有用であることを示すケーススタディについて論じる。
論文参考訳（メタデータ） (2022-02-25T01:27:31Z)
Toward a Visual Concept Vocabulary for GAN Latent Space [74.12447538049537]
本稿では,GANの潜在空間で表現される原始視覚概念のオープンエンド語彙を構築するための新しい手法を提案する。提案手法は, 層選択性に基づく知覚的正当方向の自動識別, 自由形, 構成的自然言語記述による人為的アノテーションの3つの要素から構成される。実験により、我々のアプローチで学んだ概念は信頼性があり、構成可能であることが示され、クラス、コンテキスト、オブザーバをまたいで一般化される。
論文参考訳（メタデータ） (2021-10-08T17:58:19Z)
Is Disentanglement all you need? Comparing Concept-based & Disentanglement Approaches [24.786152654589067]
概念に基づく説明と非絡み合いのアプローチの概要を述べる。両クラスからの最先端のアプローチは、データ非効率、分類/回帰タスクの特定の性質に敏感、あるいは採用した概念表現に敏感であることを示す。
論文参考訳（メタデータ） (2021-04-14T15:06:34Z)
Formalising Concepts as Grounded Abstractions [68.24080871981869]
このレポートは、表現学習が生データから概念を誘導する方法を示しています。このレポートの主な技術的目標は、表現学習のテクニックが概念空間の格子理論的定式化とどのように結婚できるかを示すことである。
論文参考訳（メタデータ） (2021-01-13T15:22:01Z)
CHAIN: Concept-harmonized Hierarchical Inference Interpretation of Deep Convolutional Neural Networks [25.112903533844296]
The Concept-harmonized HierArchical Inference (CHAIN) is proposed to interpretation the net decision-making process。ネット決定を解釈するために、提案手法は、ネット決定を階層的に導出できるCHAIN解釈を示す。定量的および定性的な実験では、CHAINのインスタンスレベルとクラスレベルでの有効性を示す。
論文参考訳（メタデータ） (2020-02-05T06:45:23Z)

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。