論文の概要: Semantic Association Rule Learning from Time Series Data and Knowledge Graphs

• arxiv url: http://arxiv.org/abs/2310.07348v1
• Date: Wed, 11 Oct 2023 09:57:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-12 23:22:20.649357
• Title: Semantic Association Rule Learning from Time Series Data and Knowledge Graphs
• Title（参考訳）: 時系列データと知識グラフを用いた意味関連ルール学習
• Authors: Erkan Karabulut, Victoria Degeler, Paul Groth
• Abstract要約: 本稿では,知識グラフ(KG)と時系列データを用いたDigital Twins(DT)のセマンティックアソシエーションルール学習のためのパイプラインを提案する。 この手法は産業用水道網のシナリオで評価される。
• 参考スコア（独自算出の注目度）: 1.5607572410953625
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Digital Twins (DT) are a promising concept in cyber-physical systems research due to their advanced features including monitoring and automated reasoning. Semantic technologies such as Knowledge Graphs (KG) are recently being utilized in DTs especially for information modelling. Building on this move, this paper proposes a pipeline for semantic association rule learning in DTs using KGs and time series data. In addition to this initial pipeline, we also propose new semantic association rule criterion. The approach is evaluated on an industrial water network scenario. Initial evaluation shows that the proposed approach is able to learn a high number of association rules with semantic information which are more generalizable. The paper aims to set a foundation for further work on using semantic association rule learning especially in the context of industrial applications.
• Abstract（参考訳）: デジタルツイン(dt)は、監視や自動推論などの高度な機能により、サイバー物理システム研究において有望な概念である。 近年,知識グラフ (KG) などのセマンティック技術がDTにおいて特に情報モデリングに利用されている。 そこで本研究では,KGと時系列データを用いたDTのセマンティックアソシエーションルール学習のためのパイプラインを提案する。 また,この初期パイプラインに加えて,新たな意味関連ルール基準を提案する。 このアプローチは産業用水ネットワークのシナリオで評価される。 最初の評価から,提案手法は,より一般化可能な意味的情報を含む多数の関連ルールを学習できることがわかった。 本稿は,特に産業分野における意味関連ルール学習のさらなる活用に向けた基礎を築くことを目的としている。

関連論文リスト

• Exploiting the Semantic Knowledge of Pre-trained Text-Encoders for Continual Learning [70.64617500380287]
  継続的な学習は、モデルが学習した知識を維持しながら、新しいデータから学習することを可能にする。 画像のラベル情報で利用できるセマンティック知識は、以前に取得したセマンティッククラスの知識と関連する重要なセマンティック情報を提供する。 テキスト埋め込みを用いて意味的類似性を把握し,タスク内およびタスク間のセマンティックガイダンスの統合を提案する。
  論文  参考訳（メタデータ） (2024-08-02T07:51:44Z)
• Large Language Models-guided Dynamic Adaptation for Temporal Knowledge Graph Reasoning [87.10396098919013]
  大規模言語モデル (LLM) は、時間的推論において広範な知識と卓越した能力を示した。 本稿では,時間的知識グラフに基づく推論のためのLarge Language Models-Guided Dynamic Adaptation (LLM-DA)法を提案する。 LLM-DAは、歴史的データを解析し、時間的論理規則を抽出するLLMの機能を利用する。
  論文  参考訳（メタデータ） (2024-05-23T04:54:37Z)
• AE SemRL: Learning Semantic Association Rules with Autoencoders [1.3886978730184498]
  アソシエーションルールマイニング(アソシエーションルールマイニング、英: Association Rule Mining、ARM)は、データ特徴間の関連を論理ルールの形で学習するタスクである。 本稿では,時系列データから関連ルールを学習し,抽出するためのオートエンコーダに基づく手法を提案する。 実験の結果,オートエンコーダが生成した潜在表現から意味的関連ルールを抽出できることが示唆された。
  論文  参考訳（メタデータ） (2024-03-26T22:28:43Z)
• Learning Symbolic Rules over Abstract Meaning Representations for Textual Reinforcement Learning [63.148199057487226]
  本稿では,汎用的な意味一般化とルール誘導システムを組み合わせて,解釈可能なルールをポリシーとして学習するモジュール型 NEuroSymbolic Textual Agent (NESTA) を提案する。 実験の結果,NESTA法は,未確認テストゲームや少ないトレーニングインタラクションから学習することで,深層強化学習技術よりも優れることがわかった。
  論文  参考訳（メタデータ） (2023-07-05T23:21:05Z)
• Learning Intents behind Interactions with Knowledge Graph for Recommendation [93.08709357435991]
  知識グラフ(KG)は、推薦システムにおいてますます重要な役割を果たす。 既存のGNNベースのモデルは、きめ細かいインテントレベルでのユーザ項目関係の特定に失敗します。 本稿では,新しいモデルである知識グラフベースインテントネットワーク(kgin)を提案する。
  論文  参考訳（メタデータ） (2021-02-14T03:21:36Z)
• Model-Based Machine Learning for Communications [110.47840878388453]
  モデルベースのアルゴリズムと機械学習をハイレベルな視点で組み合わせるための既存の戦略を見直します。 通信受信機の基本的なタスクの一つであるシンボル検出に注目する。
  論文  参考訳（メタデータ） (2021-01-12T19:55:34Z)
• Rule-Guided Graph Neural Networks for Recommender Systems [15.973065623038424]
  本稿ではルール学習とグラフニューラルネットワーク(GNN)を組み合わせたRGRecを提案する。 実世界の3つのデータセットに対するRGRecの有効性を示す。
  論文  参考訳（メタデータ） (2020-09-09T05:00:02Z)
• Common-Knowledge Concept Recognition for SEVA [15.124939896007472]
  我々はシステムエンジニアの仮想アシスタント(SEVA)のための共通知識概念認識システムを構築した。 この問題は、名前付きエンティティ抽出と同様のトークン分類タスクとして定式化される。 システム工学の概念を認識するためにシーケンスモデルをトレーニングするためのラベル付けスキームを慎重に定義することにより、単語レベルで注釈付けされたデータセットを構築する。
  論文  参考訳（メタデータ） (2020-03-26T00:30:36Z)
• Generative Adversarial Zero-Shot Relational Learning for Knowledge Graphs [96.73259297063619]
  我々は、この厄介なキュレーションを解放するために、新しい定式化、ゼロショット学習を考える。 新たに追加された関係について,テキスト記述から意味的特徴を学習しようと試みる。 我々は,GAN(Generative Adrial Networks)を活用し,テキストと知識グラフ領域の接続を確立する。
  論文  参考訳（メタデータ） (2020-01-08T01:19:08Z)

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。