論文の概要: Semantic relatedness in DBpedia: A comparative and experimental assessment

• arxiv url: http://arxiv.org/abs/2308.09502v1
• Date: Fri, 18 Aug 2023 12:26:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-21 13:16:36.824279
• Title: Semantic relatedness in DBpedia: A comparative and experimental assessment
• Title（参考訳）: DBpediaにおける意味的関連性 : 比較および実験的評価
• Authors: Anna Formica and Francesco Taglino
• Abstract要約: 本稿では,コーパスに基づくアプローチに代わる知識に基づく手法について述べる。 既存の文献から, 隣接資源, トリプルパターン, トリプル重みに基づく手法に基づいて整理した10の手法を選択した。 DBpediaを参考RDF知識グラフとして実装し評価している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Evaluating semantic relatedness of Web resources is still an open challenge. This paper focuses on knowledge-based methods, which represent an alternative to corpus-based approaches, and rely in general on the availability of knowledge graphs. In particular, we have selected 10 methods from the existing literature, that have been organized according to it adjacent resources, triple patterns, and triple weights-based methods. They have been implemented and evaluated by using DBpedia as reference RDF knowledge graph. Since DBpedia is continuously evolving, the experimental results provided by these methods in the literature are not comparable. For this reason, in this work, such methods have been experimented by running them all at once on the same DBpedia release and against 14 well-known golden datasets. On the basis of the correlation values with human judgment obtained according to the experimental results, weighting the RDF triples in combination with evaluating all the directed paths linking the compared resources is the best strategy in order to compute semantic relatedness in DBpedia.
• Abstract（参考訳）: Webリソースのセマンティック関連性を評価することは、まだオープンな課題である。 本稿では,コーパスベースアプローチの代替を表現し,一般に知識グラフの可用性に依拠する知識ベース手法に着目した。 特に,隣接する資源,三重パターン,三重重重みに基づく手法に基づいて整理された既存の文献から10の方法を選択した。 DBpediaを参考RDF知識グラフとして実装し評価している。 dbpediaは継続的に進化しているため、文献におけるこれらの方法による実験結果は比較にならない。 そのため、本研究では、同じDBpediaリリースで、14の有名なゴールデンデータセットに対して、これらすべてを一度に実行する実験が行われている。 実験結果から得られた人的判断との相関値に基づいて,DBpediaにおける意味的関連性を計算する上では,RDFトリプルを重み付け,比較資源をリンクするすべての指示経路を評価することが最善の戦略である。

関連論文リスト

• A Closer Look at Deep Learning on Tabular Data [52.50778536274327]
  タブラルデータは、機械学習の様々な領域で広く使われている。 Deep Neural Network(DNN)ベースの手法は、ツリーベースに匹敵する有望なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2024-07-01T04:24:07Z)
• Matching Weak Informative Ontologies [4.214064911004321]
  本稿では,アライメントの発見に構造情報を活用することで,WIOをマッチングする実用的な手法を提案する。 WIOをマッチングするための新しい類似性伝搬モデルが設計されている。 このWIOのマッチング方法は、最先端のLilyマッチングシステムで実装されている。
  論文  参考訳（メタデータ） (2023-12-01T03:56:29Z)
• Relation-aware Ensemble Learning for Knowledge Graph Embedding [68.94900786314666]
  我々は,既存の手法を関係性に配慮した方法で活用し,アンサンブルを学習することを提案する。 関係認識アンサンブルを用いてこれらのセマンティクスを探索すると、一般的なアンサンブル法よりもはるかに大きな検索空間が得られる。 本稿では,リレーショナルなアンサンブル重みを独立に検索する分割探索合成アルゴリズムRelEns-DSCを提案する。
  論文  参考訳（メタデータ） (2023-10-13T07:40:12Z)
• Current Methods for Drug Property Prediction in the Real World [9.061842820405486]
  薬物特性の予測は、高価な臨床試験の前に資産の破壊を可能にするために、薬物発見の鍵となる。 異なる論文が異なるデータセットやメソッドをベンチマークしているため、どの方法やアプローチが最も適しているかは、実践者にとって依然として不明である。 私たちの大規模な経験的研究は、さまざまなデータセットや手法に関する多くの初期の研究を結び付けています。 最良の方法はデータセットに依存しており、古典的なMLメソッドで構築された機能は、ディープラーニングよりも優れていることが分かりました。
  論文  参考訳（メタデータ） (2023-07-25T17:50:05Z)
• DCID: Deep Canonical Information Decomposition [84.59396326810085]
  本稿では,2つの1次元目標変数間で共有される信号の同定について考察する。 そこで本研究では,地中トラスラベルの存在下で使用可能な評価指標であるICMを提案する。 また、共有変数を学習するための単純かつ効果的なアプローチとして、Deep Canonical Information Decomposition (DCID)を提案する。
  論文  参考訳（メタデータ） (2023-06-27T16:59:06Z)
• An Experimental Investigation into the Evaluation of Explainability Methods [60.54170260771932]
  この研究は、9つの最先端XAI法と3つのダミー法(例えば、ランダム・サリエンシ・マップ)に適用された14の異なるメトリクスを比較した。 実験の結果、これらの指標のどれが高い相関関係を示し、潜在的な冗長性を示している。
  論文  参考訳（メタデータ） (2023-05-25T08:07:07Z)
• Retrieval Augmentation for Commonsense Reasoning: A Unified Approach [64.63071051375289]
  検索強化コモンセンス推論(RACo)の統一的枠組みを提案する。 提案するRACoは,他の知識強化手法よりも優れる。
  論文  参考訳（メタデータ） (2022-10-23T23:49:08Z)
• Towards Realistic Low-resource Relation Extraction: A Benchmark with Empirical Baseline Study [51.33182775762785]
  本稿では,低リソース環境下での関係抽出システムを構築するための実証的研究について述べる。 低リソース環境での性能を評価するための3つのスキームについて検討する。 (i) ラベル付きラベル付きデータを用いた異なるタイプのプロンプトベース手法、 (ii) 長期分布問題に対処する多様なバランシング手法、 (iii) ラベル付きインドメインデータを生成するためのデータ拡張技術と自己学習。
  論文  参考訳（メタデータ） (2022-10-19T15:46:37Z)
• Handling missing values in healthcare data: A systematic review of deep learning-based imputation techniques [9.400097064676991]
  欠落した値の適切な処理は、信頼できる見積と決定を提供する上で非常に重要です。 データの多様性と複雑さの増大により、多くの研究者がディープラーニング(DL)ベースの計算技術を開発した。
  論文  参考訳（メタデータ） (2022-10-15T11:11:20Z)
• Finding Prerequisite Relations between Concepts using Textbook [9.972348663224897]
  本稿では,関連教科書を用いた概念間の前提条件関係の探索手法を提案する。 教科書で利用可能な豊かで構造化された知識を抽出し、それらの概念とそれらが議論される順序の内容を検索する。
  論文  参考訳（メタデータ） (2020-11-20T10:58:31Z)
• Knowledge graph based methods for record linkage [0.0]
  本稿では,レコードリンケージ問題に対処するための知識グラフを提案する。 提案手法は,bf WERLと命名され,主知識グラフ特性を利用して,埋込ベクトルを学習し,国勢調査情報を符号化する。 我々は,この手法をベンチマークデータセット上で評価し,刺激的および満足な結果の関連手法と比較した。
  論文  参考訳（メタデータ） (2020-03-06T11:09:44Z)

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。