論文の概要: DeepOnto: A Python Package for Ontology Engineering with Deep Learning
- arxiv url: http://arxiv.org/abs/2307.03067v1
- Date: Thu, 6 Jul 2023 15:35:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-07 13:36:38.869369
- Title: DeepOnto: A Python Package for Ontology Engineering with Deep Learning
- Title（参考訳）: DeepOnto: ディープラーニングによるオントロジーエンジニアリングのためのPythonパッケージ
- Authors: Yuan He, Jiaoyan Chen, Hang Dong, Ian Horrocks, Carlo Allocca, Taehun
Kim, Brahmananda Sapkota
- Abstract要約: Deepontoはオントロジーエンジニアリング用に設計されたPythonパッケージである。
このパッケージはOWL API上に構築されたコアオントロジー処理モジュールを含んでいる。
このモジュール上に構築されたDeepontoは、一連のツール、リソース、アルゴリズムを提供する。
- 参考スコア（独自算出の注目度）: 34.017539010289056
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Applying deep learning techniques, particularly language models (LMs), in
ontology engineering has raised widespread attention. However, deep learning
frameworks like PyTorch and Tensorflow are predominantly developed for Python
programming, while widely-used ontology APIs, such as the OWL API and Jena, are
primarily Java-based. To facilitate seamless integration of these frameworks
and APIs, we present Deeponto, a Python package designed for ontology
engineering. The package encompasses a core ontology processing module founded
on the widely-recognised and reliable OWL API, encapsulating its fundamental
features in a more "Pythonic" manner and extending its capabilities to include
other essential components including reasoning, verbalisation, normalisation,
projection, and more. Building on this module, Deeponto offers a suite of
tools, resources, and algorithms that support various ontology engineering
tasks, such as ontology alignment and completion, by harnessing deep learning
methodologies, primarily pre-trained LMs. In this paper, we also demonstrate
the practical utility of Deeponto through two use-cases: the Digital Health
Coaching in Samsung Research UK and the Bio-ML track of the Ontology Alignment
Evaluation Initiative (OAEI).
- Abstract（参考訳）: オントロジー工学におけるディープラーニング技術、特に言語モデル(LM)の適用は、広く注目を集めている。
しかし、PyTorchやTensorflowのようなディープラーニングフレームワークは主にPythonプログラミング用に開発されており、OWL APIやJanaといった広く使われているオントロジーAPIは主にJavaベースである。
これらのフレームワークとAPIのシームレスな統合を容易にするため、オントロジーエンジニアリング用に設計されたPythonパッケージであるDeepontoを紹介します。
このパッケージには、広く認識され信頼性の高いOWL API上に構築されたコアオントロジー処理モジュールが含まれており、基本的な機能をよりPython的な方法でカプセル化し、推論、動詞化、正規化、投影など、他の必須コンポーネントを含むように拡張している。
このモジュール上に構築されているDeepontoは、オントロジーアライメントや完了といった様々なオントロジーエンジニアリングタスクをサポートする一連のツール、リソース、アルゴリズムを提供する。
本稿では,Samsung Research UKのDigital Health Coachingと,Ontology Alignment Evaluation Initiative(OAEI)のBio-MLトラックの2つのユースケースを通じて,Deepontoの実用性を実証する。
関連論文リスト
- Deep Learning and Machine Learning -- Python Data Structures and Mathematics Fundamental: From Theory to Practice [17.571124565519263]
本はPythonに焦点をあて、理論数学と実践的応用のギャップを埋める。
基本的なPythonプログラミング、基本的な数学的演算、行列演算、線形代数、最適化技術などが含まれる。
初心者と高度な学習者の両方のためにデザインされた本は、スケーラブルなAIソリューションの開発における数学的原則の重要な役割を強調している。
論文 参考訳（メタデータ） (2024-10-22T06:55:53Z) - MALPOLON: A Framework for Deep Species Distribution Modeling [3.1457219084519004]
MALPOLONは深部種分布モデル(deep-SDM)の訓練と推測を容易にすることを目的としている
Pythonで書かれ、PyTorchライブラリ上に構築されている。
このフレームワークはGitHubとPyPiでオープンソース化されている。
論文 参考訳（メタデータ） (2024-09-26T17:45:10Z) - Open and reusable deep learning for pathology with WSInfer and QuPath [2.554961754124123]
WSInferは、病理の深い学習をより合理化し、アクセスしやすくするために設計された、新しいオープンソースのソフトウェアエコシステムです。
2)ユーザフレンドリでインタラクティブなソフトウェアを通じて代替の推論エンジンを提供するQuPath拡張、3)病理モデルとメタデータを標準化された形式で簡単に共有できるモデル動物園である。
論文 参考訳（メタデータ） (2023-09-08T22:47:23Z) - Deep networks for system identification: a Survey [56.34005280792013]
システム識別は、入力出力データから動的システムの数学的記述を学習する。
同定されたモデルの主な目的は、以前の観測から新しいデータを予測することである。
我々は、フィードフォワード、畳み込み、リカレントネットワークなどの文献で一般的に採用されているアーキテクチャについて論じる。
論文 参考訳（メタデータ） (2023-01-30T12:38:31Z) - Enabling Deep Learning for All-in EDGE paradigm [4.055662817794178]
ディープラーニングモデルは広く研究され、非自明なタスクにおいて顕著な性能を示した。
デバイスクラウド統合プラットフォームのようなエッジパラダイムにおけるディープラーニングは、その優れたパフォーマンスを活用するために必要である。
本稿では、エッジでのディープラーニング、アーキテクチャ、技術の実現、モデル適応技術について検討する。
論文 参考訳（メタデータ） (2022-04-07T09:47:10Z) - pymdp: A Python library for active inference in discrete state spaces [52.85819390191516]
pymdpはPythonでアクティブな推論をシミュレートするオープンソースパッケージである。
我々は,POMDPによるアクティブな推論をシミュレートする,最初のオープンソースパッケージを提供する。
論文 参考訳（メタデータ） (2022-01-11T12:18:44Z) - DeepKE: A Deep Learning Based Knowledge Extraction Toolkit for Knowledge
Base Population [95.0099875111663]
DeepKEは、名前付きエンティティ認識、関係抽出、属性抽出など、さまざまな情報抽出タスクを実装している。
DeepKEを使えば、開発者や研究者はデータセットやモデルをカスタマイズして、要求に応じて構造化されていないデータから情報を抽出できる。
論文 参考訳（メタデータ） (2022-01-10T13:29:05Z) - Tensor Methods in Computer Vision and Deep Learning [120.3881619902096]
テンソル(tensor)は、複数の次元の視覚データを自然に表現できるデータ構造である。
コンピュータビジョンにおけるディープラーニングパラダイムシフトの出現により、テンソルはさらに基本的なものになっている。
本稿では,表現学習と深層学習の文脈において,テンソルとテンソル法を深く,実践的に検討する。
論文 参考訳（メタデータ） (2021-07-07T18:42:45Z) - PyKale: Knowledge-Aware Machine Learning from Multiple Sources in Python [6.276936701568444]
Pykaleは、グラフ、画像、テキスト、ビデオに関する知識を意識した機械学習のためのPythonライブラリである。
我々は、標準的なソフトウェアエンジニアリングプラクティスに基づいて、新しいグリーン機械学習ガイドラインを定式化する。
私たちはPyTorch上にPyKaleを構築し、リッチなPyTorchエコシステムを活用しています。
論文 参考訳（メタデータ） (2021-06-17T18:35:37Z) - Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。
ディープラーニングは、独自の機械学習のサブフィールドになっている。
生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
論文 参考訳（メタデータ） (2021-05-29T21:02:44Z) - OPFython: A Python-Inspired Optimum-Path Forest Classifier [68.8204255655161]
本稿では,OPFythonと表記されるPythonベースのOptimum-Path Forestフレームワークを提案する。
OPFythonはPythonベースのライブラリなので、C言語よりもフレンドリーな環境とプロトタイピングの作業スペースを提供する。
論文 参考訳（メタデータ） (2020-01-28T15:46:19Z)
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。