Fugu-MT 論文翻訳(概要): Linked Papers With Code: The Latest in Machine Learning as an RDF Knowledge Graph

論文の概要: Linked Papers With Code: The Latest in Machine Learning as an RDF Knowledge Graph

arxiv url: http://arxiv.org/abs/2310.20475v1
Date: Tue, 31 Oct 2023 14:09:15 GMT
ステータス: 処理完了
システム内更新日: 2023-11-01 14:57:03.664301
Title: Linked Papers With Code: The Latest in Machine Learning as an RDF Knowledge Graph
Title（参考訳）: Linked Papers with Code: RDFナレッジグラフとしての機械学習の最新情報
Authors: Michael F\"arber, David Lamprecht
Abstract要約: Linked Papers With CodeはRDFの知識グラフで、40万近い機械学習出版物に関する包括的で現在の情報を提供する。非RDFベースのPapers With Codeと比較して、LPWCは機械学習の最新の進歩をRDFフォーマットに変換する。 Linked Open Dataクラウドのナレッジグラフとして、RDFダンプファイルからSPARQLエンドポイントまで、複数のフォーマットでLPWCを提供しています。
参考スコア（独自算出の注目度）: 1.450405446885067
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, we introduce Linked Papers With Code (LPWC), an RDF knowledge graph that provides comprehensive, current information about almost 400,000 machine learning publications. This includes the tasks addressed, the datasets utilized, the methods implemented, and the evaluations conducted, along with their results. Compared to its non-RDF-based counterpart Papers With Code, LPWC not only translates the latest advancements in machine learning into RDF format, but also enables novel ways for scientific impact quantification and scholarly key content recommendation. LPWC is openly accessible at https://linkedpaperswithcode.com and is licensed under CC-BY-SA 4.0. As a knowledge graph in the Linked Open Data cloud, we offer LPWC in multiple formats, from RDF dump files to a SPARQL endpoint for direct web queries, as well as a data source with resolvable URIs and links to the data sources SemOpenAlex, Wikidata, and DBLP. Additionally, we supply knowledge graph embeddings, enabling LPWC to be readily applied in machine learning applications.
Abstract（参考訳）: 本稿では,約40万の機械学習出版物に関する包括的かつ現在の情報を提供するRDF知識グラフであるLinked Papers With Code (LPWC)を紹介する。これには、対処したタスク、データセットの利用、実装されたメソッド、実行された評価、およびそれらの結果が含まれる。非RDFベースのPapers With Codeと比較すると、LPWCは機械学習の最新の進歩をRDFフォーマットに変換するだけでなく、科学的影響の定量化と学術的に重要なコンテンツレコメンデーションを可能にする。 LPWCはhttps://linkedpaperswithcode.comで公開されており、CC-BY-SA 4.0でライセンスされている。 Linked Open Dataクラウドのナレッジグラフとして、RDFダンプファイルから直接Webクエリ用のSPARQLエンドポイント、解決可能なURIとデータソースSemOpenAlex、Wikidata、DBLPへのリンクを備えたデータソースまで、複数のフォーマットでLPWCを提供しています。さらに、知識グラフ埋め込みを提供し、lpwcを機械学習アプリケーションに容易に適用できるようにする。

関連論文リスト

DocKD: Knowledge Distillation from LLMs for Open-World Document Understanding Models [66.91204604417912]
本研究の目的は,LLMの知識を蒸留することにより,小型VDUモデルの一般化性を高めることである。我々は、外部文書知識を統合することでデータ生成プロセスを強化する新しいフレームワーク(DocKD)を提案する。実験の結果,DocKDは高品質な文書アノテーションを生成し,直接知識蒸留手法を超越していることがわかった。
論文参考訳（メタデータ） (2024-10-04T00:53:32Z)
RDFGraphGen: A Synthetic RDF Graph Generator based on SHACL Constraints [0.0]
本稿では、SHACL制約に基づく合成RDFグラフのドメイン依存生成であるRDFGraphGenを紹介する。 RDFGraphGenの目的は、ベンチマーク、テスト、品質管理、トレーニングなどの目的で、小規模、中規模のRDF知識グラフを作成することである。
論文参考訳（メタデータ） (2024-07-25T10:58:50Z)
KnowledgeHub: An end-to-end Tool for Assisted Scientific Discovery [1.6080795642111267]
本稿では、知識Hubツール、科学文献情報抽出(IE)および質問回答(QA)パイプラインについて述べる。これはPDF文書がテキストや構造化表現に変換されるのをサポートすることで達成される。ブラウザベースのアノテーションツールは、オントロジーに従ってPDF文書の内容に注釈を付けることができる。これらのエンティティと関係トリプルから知識グラフを構築し、データから洞察を得るためにクエリすることができる。
論文参考訳（メタデータ） (2024-05-16T13:17:14Z)
RAFT: Adapting Language Model to Domain Specific RAG [75.63623523051491]
本稿では、ドメイン内の「オープンブック」設定において、モデルが質問に答える能力を改善するためのトレーニングレシピであるRetrieval Augmented FineTuning(RAFT)を紹介する。 RAFTは、質問に答える助けとなる関連文書から、動詞の正しいシーケンスを引用することで、これを達成します。 RAFTは、PubMed、HotpotQA、Gorillaデータセット全体のモデルのパフォーマンスを一貫して改善する。
論文参考訳（メタデータ） (2024-03-15T09:26:02Z)
Relational Deep Learning: Graph Representation Learning on Relational Databases [69.7008152388055]
複数のテーブルにまたがって配置されたデータを学ぶために、エンドツーエンドの表現アプローチを導入する。メッセージパッシンググラフニューラルネットワークは、自動的にグラフを学習して、すべてのデータ入力を活用する表現を抽出する。
論文参考訳（メタデータ） (2023-12-07T18:51:41Z)
SemOpenAlex: The Scientific Landscape in 26 Billion RDF Triples [0.0]
SemOpenAlexは、科学出版物とその関連エンティティに関する26億の3倍の知識グラフである。当社は、RDFダンプファイル、SPARQLエンドポイント、Linked Open Dataクラウドのデータソースなど、複数のチャネルを通じてデータを提供しています。
論文参考訳（メタデータ） (2023-08-07T15:46:39Z)
Deep learning for table detection and structure recognition: A survey [49.09628624903334]
本調査の目的は,テーブル検出の分野での大きな進展を深く理解することである。この分野における古典的アプリケーションと新しいアプリケーションの両方について分析する。既存のモデルのデータセットとソースコードは、読者にこの膨大な文献のコンパスを提供するために組織されている。
論文参考訳（メタデータ） (2022-11-15T19:42:27Z)
Generate rather than Retrieve: Large Language Models are Strong Context Generators [74.87021992611672]
本稿では,文書検索を大規模言語モデル生成器に置き換えることで,知識集約型タスクを解く新しい視点を提案する。我々は,提案手法をgenRead (genRead) と呼び,まず大きな言語モデルに対して,与えられた質問に基づいて文脈文書を生成し,次に生成された文書を読み出して最終回答を生成する。
論文参考訳（メタデータ） (2022-09-21T01:30:59Z)
Skip Vectors for RDF Data: Extraction Based on the Complexity of Feature Patterns [0.0]
Resource Description Framework(RDF)は、Web上のリソースの属性や関連性などのメタデータを記述するためのフレームワークである。本研究では,近隣のエッジとノードの様々な組み合わせを抽出することにより,RDFグラフ内の各リソースの特徴を表す新しい特徴ベクトル(スキップベクトル)を提案する。分類タスクは、SVM、k-nearest neighbors法、ニューラルネットワーク、ランダムフォレスト、AdaBoostなどの従来の機械学習アルゴリズムに、各リソースの低次元スキップベクトルを適用することで行うことができる。
論文参考訳（メタデータ） (2022-01-06T10:07:49Z)
Open Domain Question Answering over Virtual Documents: A Unified Approach for Data and Text [62.489652395307914]
我々は、知識集約型アプリケーションのための構造化知識を符号化する手段として、Data-to-text法、すなわち、オープンドメイン質問応答(QA)を用いる。具体的には、ウィキペディアとウィキソースの3つのテーブルを付加知識源として使用する、データとテキスト上でのオープンドメインQAのための冗長化-レトリバー・リーダー・フレームワークを提案する。 UDT-QA(Unified Data and Text QA)は,知識インデックスの拡大を効果的に活用できることを示す。
論文参考訳（メタデータ） (2021-10-16T00:11:21Z)
RDFFrames: Knowledge Graph Access for Machine Learning Tools [6.50725902438059]
ナレッジグラフのための機械学習ツールは、データベースシステムを使用することの明らかな利点にもかかわらず、SPARQLを使用しない。これは、データモデルとプログラミングスタイルの点で、SPARQLと機械学習ツールのミスマッチのためです。本稿では,機械学習ソフトウェアスタックからの知識グラフのインターフェースを提供するフレームワークであるRDFFramesを提案する。
論文参考訳（メタデータ） (2020-02-10T09:39:25Z)

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。