論文の概要: Identifying and Consolidating Knowledge Engineering Requirements

• arxiv url: http://arxiv.org/abs/2306.15124v1
• Date: Tue, 27 Jun 2023 00:26:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-28 15:08:24.259989
• Title: Identifying and Consolidating Knowledge Engineering Requirements
• Title（参考訳）: 知識工学要件の明確化と統合
• Authors: Bradley P. Allen and Filip Ilievski and Saurav Joshi
• Abstract要約: 本稿では,主要なソフトウェア手法を用いて参照アーキテクチャを開発することで,4つの課題に対処することを提案する。 異なる利害関係者や時代の要求を調査することにより、参照アーキテクチャを評価する上で重要な品質特性を23つ特定する。 本稿では、品質特性の優先順位付け、相補的な強みを持つコンポーネントの統合、社会技術的要求の欠如など、包括的な参照アーキテクチャへの次のステップについて論じる。
• 参考スコア（独自算出の注目度）: 4.311189028205597
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Knowledge engineering is the process of creating and maintaining knowledge-producing systems. Throughout the history of computer science and AI, knowledge engineering workflows have been widely used because high-quality knowledge is assumed to be crucial for reliable intelligent agents. However, the landscape of knowledge engineering has changed, presenting four challenges: unaddressed stakeholder requirements, mismatched technologies, adoption barriers for new organizations, and misalignment with software engineering practices. In this paper, we propose to address these challenges by developing a reference architecture using a mainstream software methodology. By studying the requirements of different stakeholders and eras, we identify 23 essential quality attributes for evaluating reference architectures. We assess three candidate architectures from recent literature based on these attributes. Finally, we discuss the next steps towards a comprehensive reference architecture, including prioritizing quality attributes, integrating components with complementary strengths, and supporting missing socio-technical requirements. As this endeavor requires a collaborative effort, we invite all knowledge engineering researchers and practitioners to join us.
• Abstract（参考訳）: 知識工学は知識を生み出すシステムを作成し維持する過程である。 コンピュータ科学とaiの歴史を通じて、高度な知識が信頼できる知的エージェントにとって重要であると仮定されるため、知識工学のワークフローが広く使われてきた。 しかし、知識工学の展望は変わり、未対応のステークホルダー要件、ミスマッチした技術、新しい組織への採用障壁、ソフトウェアエンジニアリングプラクティスへの不一致という4つの課題が提示された。 本稿では,主要なソフトウェア手法を用いて参照アーキテクチャを開発することで,これらの課題に対処することを提案する。 異なる利害関係者と時代の要求を調べることで、リファレンスアーキテクチャを評価するために23の必須品質属性を特定した。 これらの特徴に基づき,最近の文献から3つの候補アーキテクチャを評価する。 最後に、品質特性の優先順位付け、相補的な強みを持つコンポーネントの統合、社会技術的要求の欠如のサポートなど、包括的な参照アーキテクチャへの次のステップについて論じる。 この取り組みは協力的な努力を必要とするので、すべての知識工学研究者と実践者を招待します。

関連論文リスト

• Abstraction Engineering [6.091612632147657]
  抽象化はすでに、ソフトウェア開発に関わる多くの分野で使われています。 本稿では、これらの新しい課題を考察し、抽象のレンズを通してそれらに取り組むことを提案する。 抽象化エンジニアリングの基礎について議論し、主要な課題を特定し、これらの課題に対処するための研究課題を強調し、将来の研究のロードマップを作成します。
  論文  参考訳（メタデータ） (2024-08-26T07:56:32Z)
• Standardizing Knowledge Engineering Practices with a Reference Architecture [8.22187358555391]
  本稿では,知識工学の分野でのベストプラクティスを調和させるビジョンを提案する。 本稿では,ユーザニーズと繰り返し発生するシステムパターンを関連付けるために,参照アーキテクチャを反復的に設計,実装する方法について述べる。
  論文  参考訳（メタデータ） (2024-04-04T17:46:32Z)
• Beyond Factuality: A Comprehensive Evaluation of Large Language Models as Knowledge Generators [78.63553017938911]
  大規模言語モデル(LLM)は、下流の知識集約タスクのための情報検索技術より優れている。 しかし、コミュニティの懸念は、この無検閲の知識を使用することの事実と潜在的意味について多岐にわたる。 本研究では,6つの重要な視点から生成した知識を評価するために設計されたCONNERを紹介する。
  論文  参考訳（メタデータ） (2023-10-11T08:22:37Z)
• Architecture Knowledge Representation and Communication Industry Survey [0.0]
  我々は、アーキテクチャ知識の現在の実践を理解し、将来ソフトウェアアーキテクチャの持続可能性に取り組むために持続可能性をどのように適用できるかを探求することを目的としている。 オランダの著名な銀行で働く45人の建築家から回答を得た。
  論文  参考訳（メタデータ） (2023-09-20T18:17:16Z)
• Hierarchical Empowerment: Towards Tractable Empowerment-Based Skill Learning [65.41865750258775]
  汎用エージェントは、大量のスキルのレパートリーを必要とする。 我々は、コンピューティングのエンパワーメントをより魅力的にする新しいフレームワーク、階層エンパワーメントを導入します。 一般的なアリナビゲーション領域では、我々の4つのレベルエージェントは、以前の作業よりも2桁大きい表面積をカバーするスキルを学ぶことができる。
  論文  参考訳（メタデータ） (2023-07-06T02:27:05Z)
• Machine Unlearning: A Survey [56.79152190680552]
  プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。 この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。 この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。 この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
  論文  参考訳（メタデータ） (2023-06-06T10:18:36Z)
• Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
  モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。 特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
  論文  参考訳（メタデータ） (2022-03-06T10:12:56Z)
• Contextualized Knowledge-aware Attentive Neural Network: Enhancing Answer Selection with Knowledge [77.77684299758494]
  ナレッジグラフ(KG)による外部知識による回答選択モデル向上のアプローチを幅広く検討しています。 まず、KGの外部知識とテキスト情報との密接な相互作用を考慮し、QA文表現を学習するコンテキスト知識相互作用学習フレームワークであるナレッジアウェアニューラルネットワーク(KNN)を紹介します。 KG情報の多様性と複雑性に対処するために, カスタマイズされたグラフ畳み込みネットワーク (GCN) を介して構造情報を用いた知識表現学習を改善し, コンテキストベースおよび知識ベースの文表現を総合的に学習する コンテキスト型知識認識型アテンシブニューラルネットワーク (CKANN) を提案する。
  論文  参考訳（メタデータ） (2021-04-12T05:52:20Z)
• Engineering an Intelligent Essay Scoring and Feedback System: An Experience Report [1.5168188294440734]
  専門的な採用支援サービスの顧客から提供されるエッセイの質を評価するための探索システムについて述べる。 オープンエンドの顧客提供のソーステキストがあいまいさとエラーのかなりの範囲を持っているため、問題領域は困難です。 また、専門的なビジネスドメイン知識をインテリジェントな処理システムに組み込む必要もあります。
  論文  参考訳（メタデータ） (2021-03-25T03:46:05Z)
• Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
  再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。 現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。 我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
  論文  参考訳（メタデータ） (2020-07-13T20:30:26Z)
• Synergizing Domain Expertise with Self-Awareness in Software Systems: A Patternized Architecture Guideline [11.155059219430207]
  本稿では、ソフトウェアシステムにおける自己適応性を高めるために、ドメインの専門知識の相乗化と自己認識の重要性を強調する。 我々は、DBASESと呼ばれる概念、豊富なパターン、方法論の総合的なフレームワークを提示し、エンジニアに原則化されたガイドラインを提供する。
  論文  参考訳（メタデータ） (2020-01-20T12:17:22Z)

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。