Fugu-MT 論文翻訳(概要): On the Evolution of Knowledge Graphs: A Survey and Perspective

論文の概要: On the Evolution of Knowledge Graphs: A Survey and Perspective

arxiv url: http://arxiv.org/abs/2310.04835v1
Date: Tue, 10 Oct 2023 05:15:08 GMT
ステータス: 処理完了
システム内更新日: 2023-10-12 15:17:37.795007
Title: On the Evolution of Knowledge Graphs: A Survey and Perspective
Title（参考訳）: 知識グラフの進化に関する調査と展望
Authors: Xuhui Jiang, Chengjin Xu, Yinghan Shen, Xun Sun, Lumingyuan Tang, Saizhuo Wang, Zhongwu Chen, Yuanzhuo Wang, Jian Guo
Abstract要約: 知識グラフ(KGs)は、多様な知識の構造化された表現であり、様々なインテリジェントなアプリケーションで広く使われている。我々は,様々な種類のKGの進化と知識抽出・推論技術に関する総合的な調査を行う。本稿では,知識工学の今後の方向性について考察する。
参考スコア（独自算出の注目度）: 11.061075842989817
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Knowledge graphs (KGs) are structured representations of diversified knowledge. They are widely used in various intelligent applications. In this article, we provide a comprehensive survey on the evolution of various types of knowledge graphs (i.e., static KGs, dynamic KGs, temporal KGs, and event KGs) and techniques for knowledge extraction and reasoning. Furthermore, we introduce the practical applications of different types of KGs, including a case study in financial analysis. Finally, we propose our perspective on the future directions of knowledge engineering, including the potential of combining the power of knowledge graphs and large language models (LLMs), and the evolution of knowledge extraction, reasoning, and representation.
Abstract（参考訳）: 知識グラフ (kgs) は多様な知識の構造化表現である。様々なインテリジェントなアプリケーションで広く使われている。本稿では,様々な種類の知識グラフ(静的KG,動的KG,時間的KG,事象KG)の進化に関する総合的な調査と,知識抽出と推論のための技術について述べる。さらに、金融分析におけるケーススタディを含む、さまざまなタイプのKGの実践的応用についても紹介する。最後に、知識グラフと大規模言語モデル(LLM)のパワーと、知識抽出、推論、表現の進化を融合させる可能性を含む、知識工学の今後の方向性に関する視点を提案する。

関連論文リスト

Knowledge Graph Extension by Entity Type Recognition [2.8231106019727195]
本稿では,エンティティ型認識に基づく知識グラフ拡張フレームワークを提案する。このフレームワークは、異なる知識グラフ間でスキーマとエンティティを整列させることにより、高品質な知識抽出を実現することを目的としている。
論文参考訳（メタデータ） (2024-05-03T19:55:03Z)
Knowledge Graphs Meet Multi-Modal Learning: A Comprehensive Survey [61.8716670402084]
本調査は,KG-driven Multi-Modal Learning(KG4MM)とMulti-Modal Knowledge Graph(MM4KG)の2つの主要な側面におけるKG認識研究に焦点を当てる。 KG対応マルチモーダル学習タスクと本質的MMKGタスクの2つの主要なタスクカテゴリについて検討した。これらのタスクの多くに対して、定義、評価ベンチマークを提供し、関連する研究を行うための重要な洞察を概説する。
論文参考訳（メタデータ） (2024-02-08T04:04:36Z)
A Survey of Knowledge Graph Reasoning on Graph Types: Static, Dynamic, and Multimodal [57.8455911689554]
知識グラフ推論(KGR)は、知識グラフに基づくマイニング論理則に基づいて、既存の事実から新しい事実を推論することを目的としている。質問応答やレコメンデーションシステムなど、多くのAIアプリケーションでKGを使うことに大きなメリットがあることが証明されている。
論文参考訳（メタデータ） (2022-12-12T08:40:04Z)
Multi-Modal Knowledge Graph Construction and Application: A Survey [17.203534055251435]
知識グラフのマルチモーダル化は、人間レベルのマシンインテリジェンスの実現に向けた必然的な重要なステップである。まず、テキストや画像によって構築されたMMKGの定義と、マルチモーダルなタスクやテクニックに関する予備的な定義を示す。次に,MMKGの構築と適用における課題,進歩,機会を,それぞれ体系的に検討し,それぞれの解の強度と弱さを詳細に分析した。
論文参考訳（メタデータ） (2022-02-11T17:31:12Z)
A Survey on Visual Transfer Learning using Knowledge Graphs [0.8701566919381223]
本調査は知識グラフ(KG)を用いた視覚伝達学習手法に焦点を当てる。 KGは、基礎となるグラフ構造化スキーマやベクトルベースの知識グラフの埋め込みにおいて補助的な知識を表現することができる。本稿では,知識グラフの埋め込み手法の概要を概説し,それらを高次元の視覚的埋め込みと組み合わせた共同学習の目的について述べる。
論文参考訳（メタデータ） (2022-01-27T20:19:55Z)
What is Event Knowledge Graph: A Survey [46.56390787391834]
本稿では、歴史、オントロジー、例、アプリケーションビューからイベントKG(EKG)を包括的に調査する。 EKGは、インテリジェント検索、質問回答、レコメンデーション、テキスト生成など、多くの機械学習および人工知能アプリケーションにおいて、ますます重要な役割を担っている。
論文参考訳（メタデータ） (2021-12-31T03:42:55Z)
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)
All About Knowledge Graphs for Actions [82.39684757372075]
ゼロショットと少数ショットのアクション認識に使用できる知識グラフ(KG)の理解を深める。 KGsの3つの異なる構成機構について検討した。異なる実験装置に対する異なるKGの影響を広範囲に解析する。
論文参考訳（メタデータ） (2020-08-28T01:44:01Z)
Knowledge Graphs [43.06435841693428]
我々は、知識グラフに使用される様々なグラフベースのデータモデルとクエリ言語を動機付け、対比する。本稿では,帰納的手法と帰納的手法を組み合わせた知識の表現と抽出について説明する。我々は知識グラフの高レベルな今後の研究方向性を結論づける。
論文参考訳（メタデータ） (2020-03-04T20:20:32Z)
A Survey on Knowledge Graphs: Representation, Acquisition and Applications [89.78089494738002]
我々は,1)知識グラフ表現学習,2)知識獲得と完成,3)時間的知識グラフ,および4)知識認識アプリケーションに関する研究トピックをレビューする。知識獲得、特に知識グラフの完成、埋め込み方法、経路推論、論理ルール推論について概観する。メタラーニング、コモンセンス推論、時間的知識グラフなど、いくつかの新しいトピックを探求する。
論文参考訳（メタデータ） (2020-02-02T13:17:31Z)

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。