論文の概要: Smart Knowledge Transfer using Google-like Search
- arxiv url: http://arxiv.org/abs/2308.06653v1
- Date: Sat, 12 Aug 2023 23:38:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-15 16:14:33.474009
- Title: Smart Knowledge Transfer using Google-like Search
- Title(参考訳): Googleライク検索を用いた知識伝達
- Authors: Srijoni Majumdar and Partha Pratim Das
- Abstract要約: 本稿では,アプリケーションの様々な側面に関する知識を意味グラフとして抽出し,統合する検索フレームワークを提案する。
このグラフは、構文とセマンティッククエリをサポートし、プログラム理解の過程をエム検索のような検索問題に変換する。
- 参考スコア(独自算出の注目度): 2.7811524444021156
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: To address the issue of rising software maintenance cost due to program
comprehension challenges, we propose SMARTKT (Smart Knowledge Transfer), a
search framework, which extracts and integrates knowledge related to various
aspects of an application in form of a semantic graph. This graph supports
syntax and semantic queries and converts the process of program comprehension
into a {\em google-like} search problem.
- Abstract(参考訳): プログラム理解の課題によりソフトウェアメンテナンスコストが上昇する問題に対処するために,セマンティックグラフを用いてアプリケーションの様々な側面に関する知識を抽出・統合する検索フレームワークsmartkt(smart knowledge transfer)を提案する。
このグラフは構文と意味的クエリをサポートし、プログラム理解のプロセスをgoogleのような検索問題に変換する。
関連論文リスト
- Enhancing Software-Related Information Extraction via Single-Choice Question Answering with Large Language Models [3.6637903428898055]
本稿では,生成型大規模言語モデルによる学術テキスト間の関係抽出の改善に焦点をあてる。
この方法論は、ソフトウェア関連エンティティを抽出するために、GLMのコンテキスト内学習機能の使用を優先する。
SOMD共有タスクへの参加は、正確なソフトウェア引用プラクティスの重要性を強調します。
論文 参考訳(メタデータ) (2024-04-08T15:00:36Z) - Navigating the Knowledge Sea: Planet-scale answer retrieval using LLMs [0.0]
情報検索は、技術と技術の継続的な改良によって特徴づけられる。
本稿では,従来の探索手法と解答の新たなパラダイムとのギャップを埋める上で,Large Language Models (LLMs) の役割に焦点を当てる。
論文 参考訳(メタデータ) (2024-02-07T23:39:40Z) - Semantic Parsing for Question Answering over Knowledge Graphs [3.10647754288788]
本稿では,知識グラフ上での質問応答のためのグラフ・ツー・セグメンテーション・マッピングを用いた新しい手法を提案する。
この手法は、これらの発話を解釈するための重要なアプローチである意味解析に焦点を当てている。
我々のフレームワークはルールベースとニューラルベースを組み合わせて意味セグメントのシーケンスを解析・構築する。
論文 参考訳(メタデータ) (2023-12-01T20:45:06Z) - DiscoverPath: A Knowledge Refinement and Retrieval System for
Interdisciplinarity on Biomedical Research [96.10765714077208]
従来のキーワードベースの検索エンジンは、特定の用語に慣れていないユーザーを支援するのに不足している。
本稿では, バイオメディカル研究のための知識グラフに基づく紙検索エンジンを提案し, ユーザエクスペリエンスの向上を図る。
DiscoverPathと呼ばれるこのシステムは、名前付きエンティティ認識(NER)とPOSタグを使って、記事の要約から用語や関係を抽出し、KGを作成する。
論文 参考訳(メタデータ) (2023-09-04T20:52:33Z) - DreamDecompiler: Bayesian Program Learning by Decompiling Amortised
Knowledge [55.67080853781928]
本稿では,ニューラルサーチポリシーを直接活用するライブラリ学習へのアプローチを提案する。
これにより、検索幅を減らすために学習したアモート化された知識が、探索深度を減らすために使用されるようになる。
論文 参考訳(メタデータ) (2023-06-13T15:35:01Z) - Query-Specific Knowledge Graphs for Complex Finance Topics [6.599344783327053]
ドメインの専門家が挑戦的な質問を作成できるCODECデータセットに重点を置いています。
最先端のランキングシステムには改善の余地があることが示される。
実体と文書の関連性は正の相関関係にあることを示す。
論文 参考訳(メタデータ) (2022-11-08T10:21:13Z) - Exposing Query Identification for Search Transparency [69.06545074617685]
本稿では,検索システムの2つのクラスにおいて,クエリとドキュメントの役割を逆転させることにより,検索タスクとしてのEQIの実現可能性について検討する。
本研究では,クエリのランク付けの質を評価するための評価基準を導出するとともに,近似EQIの様々な実践的側面に着目した経験的分析を行う。
論文 参考訳(メタデータ) (2021-10-14T20:19:27Z) - 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) - Retrieve, Program, Repeat: Complex Knowledge Base Question Answering via
Alternate Meta-learning [56.771557756836906]
本稿では,弱い監督からプログラマと交互に検索モデルを自動的に学習する手法を提案する。
本システムでは,知識ベースに対する複雑な質問応答を行う大規模タスクにおいて,最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2020-10-29T18:28:16Z) - On the Social and Technical Challenges of Web Search Autosuggestion
Moderation [118.47867428272878]
自動提案は通常、検索ログと文書表現のコーパスに基づいてトレーニングされた機械学習(ML)システムによって生成される。
現在の検索エンジンは、このような問題のある提案を抑えるのに、ますます熟練している。
問題のある提案のいくつかの側面、パイプラインに沿った困難な問題、そしてWeb検索を超えたアプリケーションの増加になぜ私たちの議論が適用されるのかについて論じる。
論文 参考訳(メタデータ) (2020-07-09T19:22:00Z) - Detecting Asks in SE attacks: Impact of Linguistic and Structural
Knowledge [8.115417052826194]
ソーシャルエンジニアは、リンクをクリックしてマルウェアをダウンロードするなど、ユーザーを操作しようとする。
自然言語処理、計算社会言語学、メディア固有の構造的手がかりは、質問によって入力されるリスクとリワードの両方を検出する手段を提供する。
本手法は,社会工学的リスク状況をユーザに通知するシステムに実装されている。
論文 参考訳(メタデータ) (2020-02-25T15:05:06Z)
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。