論文の概要: RDF Stream Taxonomy: Systematizing RDF Stream Types in Research and
Practice
- arxiv url: http://arxiv.org/abs/2311.14540v2
- Date: Thu, 7 Dec 2023 09:29:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-08 18:15:59.522561
- Title: RDF Stream Taxonomy: Systematizing RDF Stream Types in Research and
Practice
- Title(参考訳): RDFストリーム分類:研究開発におけるRDFストリームタイプの体系化
- Authors: Piotr Sowinski, Pawel Szmeja, Maria Ganzha, Marcin Paprzycki
- Abstract要約: 本研究は,新たな分類法で文献に存在するRDFストリームタイプを体系化することによって,この重要な研究ギャップに対処しようとするものである。
提案したRDFストリーム分類法(RDF-STaX)は、FAIRの原則に従うOWL 2 DLオントロジーに具体化されており、実際に容易に適用可能である。
RDF-STaXの目的は、RDFストリームの体系化と記述方法を改善するために、コミュニティの真のニーズに対処することである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Over the years, RDF streaming was explored in research and practice from many
angles, resulting in a wide range of RDF stream definitions. This variety
presents a major challenge in discussing and integrating streaming solutions,
due to the lack of a common language. This work attempts to address this
critical research gap, by systematizing RDF stream types present in the
literature in a novel taxonomy. The proposed RDF Stream Taxonomy (RDF-STaX) is
embodied in an OWL 2 DL ontology that follows the FAIR principles, making it
readily applicable in practice. Extensive documentation and additional
resources are provided, to foster the adoption of the ontology. Two realized
use cases are presented, demonstrating the usefulness of the resource in
discussing research works and annotating streaming datasets. Another result of
this contribution is the novel nanopublications dataset, which serves as a
collaborative, living state-of-the-art review of RDF streaming. The aim of
RDF-STaX is to address a real need of the community for a better way to
systematize and describe RDF streams. The resource is designed to help drive
innovation in RDF streaming, by fostering scientific discussion, cooperation,
and tool interoperability.
- Abstract(参考訳): 長年にわたり、rdfストリーミングは様々な角度から研究と実践で研究され、幅広いrdfストリーム定義を生み出した。
この多様性は、共通言語がないため、ストリーミングソリューションの議論と統合において大きな課題となっている。
本研究は,新たな分類法で文献に存在するRDFストリームタイプを体系化することによって,この重要な研究ギャップに対処しようとするものである。
提案したRDFストリーム分類法(RDF-STaX)は、FAIR原則に従ってOWL 2 DLオントロジーに具体化されており、実際に容易に適用可能である。
オントロジーの採用を促進するため、広範なドキュメントと追加のリソースが提供される。
研究成果の議論やストリーミングデータセットの注釈付けにおいて,リソースの有用性を示す2つの実例が提示される。
この貢献のもう1つの結果は、RDFストリーミングのコラボレーション的で生きた状態レビューとして機能する、新しいナノパブリケーションデータセットである。
RDF-STaXの目的は、RDFストリームの体系化と記述方法を改善するために、コミュニティの真のニーズに対処することである。
このリソースは、科学的議論、協力、ツールの相互運用性を促進することによって、RDFストリーミングのイノベーションを促進するために設計されている。
関連論文リスト
- REAR: A Relevance-Aware Retrieval-Augmented Framework for Open-Domain
Question Answering [122.62012375722124]
既存の手法では,大規模言語モデル (LLM) は検索した文書の関連性を正確に評価することはできない。
Relevance-Aware Retrieval-augmented approach for open- domain question answering (QA)を提案する。
論文 参考訳(メタデータ) (2024-02-27T13:22:51Z) - Iterative Preference Learning from Human Feedback: Bridging Theory and
Practice for RLHF under KL-Constraint [59.18441633176669]
本稿では,RLHFによる強化学習を用いた生成モデルのアライメント過程の理論的枠組みについて検討する。
我々は、標準的な数学的定式化、RLHFの逆KL正規化文脈帯域を考える。
我々は、オフライン、オンライン、ハイブリッドの3つの異なる設定でその振る舞いを調査し、有限サンプル理論的保証を持つ効率的なアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-12-18T18:58:42Z) - CDR-Adapter: Learning Adapters to Dig Out More Transferring Ability for
Cross-Domain Recommendation Models [15.487701831604767]
クロスドメインレコメンデーション(CDR)は、ソースドメインからの知識を利用して、ターゲットドメインのレコメンデーションパフォーマンスを改善する、有望なソリューションである。
従来のCDRアプローチは主に、知識伝達を促進するためにマッピング関数を学習するEmbedding and Mapping(EMCDR)フレームワークに従ったものだ。
我々は,CDRにおけるデータ分散性やコールドスタート問題に対処する,スケーラブルで効率的なパラダイムであるCDR-Adapterを提案する。
論文 参考訳(メタデータ) (2023-11-04T13:03:24Z) - Synergistic Interplay between Search and Large Language Models for
Information Retrieval [141.18083677333848]
InteRにより、RMはLLM生成した知識コレクションを使用してクエリの知識を拡張することができる。
InteRは、最先端手法と比較して総合的に優れたゼロショット検索性能を実現する。
論文 参考訳(メタデータ) (2023-05-12T11:58:15Z) - DiffusionRet: Generative Text-Video Retrieval with Diffusion Model [56.03464169048182]
既存のテキストビデオ検索ソリューションは、条件付き可能性、すなわちp(candidates|query)の最大化に焦点を当てている。
我々は、このタスクを生成的視点から創造的に取り組み、テキストとビデオの相関関係を共同確率p(candidates,query)としてモデル化する。
これは拡散に基づくテキストビデオ検索フレームワーク(DiffusionRet)によって実現され、ノイズから徐々に関節分布を生成するプロセスとして検索タスクをモデル化する。
論文 参考訳(メタデータ) (2023-03-17T10:07:19Z) - RDF-to-Text Generation with Reinforcement Learning Based Graph-augmented
Structural Neural Encoders [34.774049199809426]
本稿では, RDF三重項における局所構造情報と大域構造情報の両方を学習するために, 2つのグラフ拡張構造型ニューラルエンコーダを組み合わせたモデルを提案する。
テキストの忠実性をさらに向上するため,情報抽出に基づく強化学習報酬を革新的に導入する。
論文 参考訳(メタデータ) (2021-11-20T08:41:54Z) - Introducing the viewpoint in the resource description using machine
learning [0.0]
本稿では,従来のRDFリソース記述を視点を考慮したリソース記述に変換する手法を提案する。
実験により、この変換はユーザの要求に非常に関連する応答を与えることができることが示された。
論文 参考訳(メタデータ) (2021-09-27T18:54:57Z) - A Generalizable Model-and-Data Driven Approach for Open-Set RFF
Authentication [74.63333951647581]
高周波指紋(RFF)は、低コストな物理層認証を実現するための有望な解決策である。
RFF抽出と識別のために機械学習に基づく手法が提案されている。
生受信信号からRFFを抽出するエンド・ツー・エンドのディープラーニングフレームワークを提案する。
論文 参考訳(メタデータ) (2021-08-10T03:59:37Z) - DORO: Distributional and Outlier Robust Optimization [98.44757325531631]
本稿では,分散ロバスト最適化のためのDOROのフレームワークを提案する。
このアプローチのコアとなるのは、DROがオーバーフィットして潜在的な外れ値に収まらないような、洗練されたリスク関数である。
提案手法の有効性を理論的に証明し, DOROがDROの性能と安定性を向上することを示す。
論文 参考訳(メタデータ) (2021-06-11T02:59:54Z) - Cross-Domain Recommendation: Challenges, Progress, and Prospects [21.60393384976869]
クロスドメインレコメンデーション(CDR)は、スパーサードメインのレコメンデーションパフォーマンスを改善するために、よりリッチなドメインからの比較的リッチな情報を活用するために提案されている。
本稿では,課題,研究の進展,今後の方向性など,既存のCDRアプローチの総合的なレビューを行う。
論文 参考訳(メタデータ) (2021-03-02T12:58:08Z)
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。