論文の概要: Growing and Serving Large Open-domain Knowledge Graphs

• arxiv url: http://arxiv.org/abs/2305.09464v1
• Date: Tue, 16 May 2023 14:23:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-17 14:50:22.246190
• Title: Growing and Serving Large Open-domain Knowledge Graphs
• Title（参考訳）: 大規模オープンドメイン知識グラフの成長と実現
• Authors: Ihab F. Ilyas, JP Lacerda, Yunyao Li, Umar Farooq Minhas, Ali Mousavi, Jeffrey Pound, Theodoros Rekatsinas, Chiraag Sumanth
• Abstract要約: 本稿では,佐賀市における継続的構築と大規模知識提供のためのプラットフォームの拡張について紹介する。 ファクトランキングなどの重要な機能を支える知識グラフの埋め込みをトレーニングするためのパイプラインについて説明する。 次に、グラフ埋め込みを含む私たちのプラットフォームがどのようにしてセマンティックリンクサービスを作成するかを説明します。
• 参考スコア（独自算出の注目度）: 20.506622420854477
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Applications of large open-domain knowledge graphs (KGs) to real-world problems pose many unique challenges. In this paper, we present extensions to Saga our platform for continuous construction and serving of knowledge at scale. In particular, we describe a pipeline for training knowledge graph embeddings that powers key capabilities such as fact ranking, fact verification, a related entities service, and support for entity linking. We then describe how our platform, including graph embeddings, can be leveraged to create a Semantic Annotation service that links unstructured Web documents to entities in our KG. Semantic annotation of the Web effectively expands our knowledge graph with edges to open-domain Web content which can be used in various search and ranking problems. Finally, we leverage annotated Web documents to drive Open-domain Knowledge Extraction. This targeted extraction framework identifies important coverage issues in the KG, then finds relevant data sources for target entities on the Web and extracts missing information to enrich the KG. Finally, we describe adaptations to our knowledge platform needed to construct and serve private personal knowledge on-device. This includes private incremental KG construction, cross-device knowledge sync, and global knowledge enrichment.
• Abstract（参考訳）: 大規模オープンドメイン知識グラフ(KG)の現実世界問題への応用は多くのユニークな課題を生んでいる。 本稿では,嵯峨の継続的構築と大規模知識提供のためのプラットフォームの拡張について述べる。 特に、ファクトランキング、事実検証、関連するエンティティサービス、エンティティリンクのサポートといった重要な機能を支える知識グラフの埋め込みをトレーニングするためのパイプラインについて説明する。 次に、グラフ埋め込みを含む私たちのプラットフォームをどのように活用して、構造化されていないWebドキュメントをKG内のエンティティにリンクするセマンティックアノテーションサービスを作成するかを説明します。 Webのセマンティックアノテーションは、エッジで知識グラフを効果的に拡張し、様々な検索やランキング問題に使用できるオープンドメインWebコンテンツへと拡張する。 最後に、アノテーション付きWebドキュメントを活用して、オープンドメイン知識抽出を推進します。 このターゲット抽出フレームワークは、KGの重要なカバレッジ問題を特定し、Web上でターゲットエンティティに関連するデータソースを見つけ、KGを充実させるために行方不明情報を抽出する。 最後に,個人的知識をデバイス上で構築,提供するために必要な知識プラットフォームへの適応について述べる。 これには、プライベートインクリメンタルなKG構築、デバイス間の知識同期、グローバルな知識強化が含まれる。

関連論文リスト

• Bridging Local Details and Global Context in Text-Attributed Graphs [62.522550655068336]
  GraphBridgeは、コンテキストテキスト情報を活用することで、ローカルおよびグローバルな視点をブリッジするフレームワークである。 提案手法は最先端性能を実現し,グラフ対応トークン削減モジュールは効率を大幅に向上し,スケーラビリティの問題を解消する。
  論文  参考訳（メタデータ） (2024-06-18T13:35:25Z)
• Open Domain Knowledge Extraction for Knowledge Graphs [15.422838487500915]
  我々は,オープンWebから高品質なエンティティや事実を大規模にソースするフレームワークODKEを紹介する。 私たちは、業界規模のオープンドメイン知識グラフを成長させる上での課題と設計上の決定を反映しています。
  論文  参考訳（メタデータ） (2023-10-30T22:18:34Z)
• SKG: A Versatile Information Retrieval and Analysis Framework for Academic Papers with Semantic Knowledge Graphs [9.668240269886413]
  本稿では,抽象概念やメタ情報から意味概念を統合してコーパスを表現するセマンティック知識グラフを提案する。 SKGは、高い多様性と豊富な情報コンテンツが格納されているため、学術文献における様々なセマンティッククエリをサポートすることができる。
  論文  参考訳（メタデータ） (2023-06-07T20:16:08Z)
• Federated Learning on Non-IID Graphs via Structural Knowledge Sharing [47.140441784462794]
  フェデレーショングラフ学習(FGL)により、クライアントはプライベートデータを共有せずに、分散型で強力なGNNモデルをトレーニングできる。 我々はFedStarというFGLフレームワークを提案し、グラフ間学習タスクの共通基盤構造情報を抽出し、共有する。 クロスデータセットとクロスドメインのFGL設定の両方に対して広範な実験を行い、FedStarの優位性を実証した。
  論文  参考訳（メタデータ） (2022-11-23T15:12:16Z)
• FabKG: A Knowledge graph of Manufacturing Science domain utilizing structured and unconventional unstructured knowledge source [1.2597961235465307]
  我々は,商業・教育用両方の実体・関係データに基づく知識グラフを開発する。 学生ノートを活用したKG作成のための新しいクラウドソーシング手法を提案する。 私たちは、すべてのデータソースを使用して、65,000以上のトリプルを含む知識グラフを作成しました。
  論文  参考訳（メタデータ） (2022-05-24T02:32:04Z)
• Knowledge Graph Augmented Network Towards Multiview Representation Learning for Aspect-based Sentiment Analysis [96.53859361560505]
  本稿では,知識グラフ拡張ネットワーク(KGAN)を提案する。 KGANは感情の特徴表現を、文脈、構文、知識に基づく複数の視点から捉えている。 3つの人気のあるABSAベンチマークの実験は、我々のKGANの有効性と堅牢性を示している。
  論文  参考訳（メタデータ） (2022-01-13T08:25:53Z)
• 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)
• Relational Learning Analysis of Social Politics using Knowledge Graph Embedding [11.978556412301975]
  本稿では,新しい信頼性ドメインベースのKG埋め込みフレームワークを提案する。 ヘテロジニアスリソースから得られたデータの融合を、ドメインによって表現された正式なKG表現にキャプチャする。 このフレームワークは、データ品質と信頼性を保証するための信頼性モジュールも具体化している。
  論文  参考訳（メタデータ） (2020-06-02T14:10:28Z)
• ENT-DESC: Entity Description Generation by Exploring Knowledge Graph [53.03778194567752]
  実際には、出力記述が最も重要な知識のみをカバーするため、入力知識は十分以上である可能性がある。 我々は、KG-to-textにおけるこのような実践的なシナリオの研究を容易にするために、大規模で挑戦的なデータセットを導入する。 本稿では,元のグラフ情報をより包括的に表現できるマルチグラフ構造を提案する。
  論文  参考訳（メタデータ） (2020-04-30T14:16:19Z)
• Generative Adversarial Zero-Shot Relational Learning for Knowledge Graphs [96.73259297063619]
  我々は、この厄介なキュレーションを解放するために、新しい定式化、ゼロショット学習を考える。 新たに追加された関係について,テキスト記述から意味的特徴を学習しようと試みる。 我々は,GAN(Generative Adrial Networks)を活用し,テキストと知識グラフ領域の接続を確立する。
  論文  参考訳（メタデータ） (2020-01-08T01:19:08Z)

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。