論文の概要: Matching Weak Informative Ontologies
- arxiv url: http://arxiv.org/abs/2312.00332v1
- Date: Fri, 1 Dec 2023 03:56:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-04 15:54:16.287837
- Title: Matching Weak Informative Ontologies
- Title(参考訳): マッチング弱情報オントロジー
- Authors: Peng Wang
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 4.214064911004321
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Most existing ontology matching methods utilize the literal information to
discover alignments. However, some literal information in ontologies may be
opaque and some ontologies may not have sufficient literal information. In this
paper, these ontologies are named as weak informative ontologies (WIOs) and it
is challenging for existing methods to matching WIOs. On one hand, string-based
and linguistic-based matching methods cannot work well for WIOs. On the other
hand, some matching methods use external resources to improve their
performance, but collecting and processing external resources is still
time-consuming. To address this issue, this paper proposes a practical method
for matching WIOs by employing the ontology structure information to discover
alignments. First, the semantic subgraphs are extracted from the ontology graph
to capture the precise meanings of ontology elements. Then, a new similarity
propagation model is designed for matching WIOs. Meanwhile, in order to avoid
meaningless propagation, the similarity propagation is constrained by semantic
subgraphs and other conditions. Consequently, the similarity propagation model
ensures a balance between efficiency and quality during matching. Finally, the
similarity propagation model uses a few credible alignments as seeds to find
more alignments, and some useful strategies are adopted to improve the
performance. This matching method for WIOs has been implemented in the ontology
matching system Lily. Experimental results on public OAEI benchmark datasets
demonstrate that Lily significantly outperforms most of the state-of-the-art
works in both WIO matching tasks and general ontology matching tasks. In
particular, Lily increases the recall by a large margin, while it still obtains
high precision of matching results.
- Abstract(参考訳): 既存のオントロジーマッチング手法の多くは、リテラル情報を用いてアライメントを発見する。
しかし、オントロジーのリテラル情報は不透明であり、オントロジーの中には十分なリテラル情報を持たないものもある。
本稿では,これらのオントロジーを弱情報オントロジー (WIO) とみなし,既存の手法でWIOをマッチングすることは困難である。
一方、文字列ベースおよび言語ベースのマッチング手法は、WIOではうまく動作しない。
一方で、パフォーマンスを改善するために外部リソースを使用する方法もありますが、外部リソースの収集や処理には依然として時間がかかります。
そこで本稿では, オントロジ構造情報を用いてアライメントを見つけることで, wiosをマッチングする実用的な手法を提案する。
まず、意味部分グラフをオントロジーグラフから抽出し、オントロジー要素の正確な意味を捉える。
そして、wiosをマッチングするための新しい類似性伝播モデルを設計する。
一方、意味のない伝播を避けるために、類似性伝播は意味的な部分グラフやその他の条件によって制限される。
その結果、類似性伝播モデルにより、マッチング時の効率と品質のバランスが保証される。
最後に、類似性伝播モデルでは、いくつかの信頼性のあるアライメントを種として使用して、さらなるアライメントを見つけ、パフォーマンスを向上させるためにいくつかの有用な戦略が採用されている。
このWIOのマッチング方法はオントロジーマッチングシステムであるLilyで実装されている。
公開oaeiベンチマークデータセットにおける実験の結果は、lilyがwioマッチングタスクと一般的なオントロジーマッチングタスクの両方において、最先端の作業の大部分を著しく上回っていることを示している。
特に、Lilyはリコールを大きなマージンで増加させる一方、マッチング結果の精度は高い。
関連論文リスト
- 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) - Revisiting text decomposition methods for NLI-based factuality scoring
of summaries [9.044665059626958]
細粒度分解が必ずしも事実性スコアの勝利戦略であるとは限らないことを示す。
また,従来提案されていたエンテーメントに基づくスコアリング手法の小さな変更により,性能が向上することを示した。
論文 参考訳(メタデータ) (2022-11-30T09:54:37Z) - DORE: Document Ordered Relation Extraction based on Generative Framework [56.537386636819626]
本稿では,既存のDocREモデルの根本原因について検討する。
本稿では,モデルが学習しやすく,決定論的な関係行列から記号列と順序列を生成することを提案する。
4つのデータセットに対する実験結果から,提案手法は生成型DocREモデルの性能を向上させることができることが示された。
論文 参考訳(メタデータ) (2022-10-28T11:18:10Z) - ECO-TR: Efficient Correspondences Finding Via Coarse-to-Fine Refinement [80.94378602238432]
粗大な処理で対応性を見出すことにより、ECO-TR(Correspondence Efficient Transformer)と呼ばれる効率的な構造を提案する。
これを実現するために、複数の変圧器ブロックは段階的に連結され、予測された座標を徐々に洗練する。
種々のスパースタスクと密マッチングタスクの実験は、既存の最先端技術に対する効率性と有効性の両方において、我々の手法の優位性を実証している。
論文 参考訳(メタデータ) (2022-09-25T13:05:33Z) - Efficient Subgraph Isomorphism using Graph Topology [10.332465264309693]
部分グラフ同型 (subgraph isomorphism) あるいは部分グラフマッチング (subgraph matching) は一般にNP完全問題と考えられる。
ほとんど全てのサブグラフマッチング手法はノードラベルを使用してノード-ノードマッチングを行う。
本稿では,ノードラベルのない不正確な場合において,サブグラフとフルグラフのノード対応を同定する手法を提案する。
論文 参考訳(メタデータ) (2022-09-15T02:45:05Z) - Stretching Sentence-pair NLI Models to Reason over Long Documents and
Clusters [35.103851212995046]
自然言語推論(NLI)は,文ペア間の意味的関係を推定するフレームワークとして,NLPコミュニティによって広く研究されている。
我々は、NLIモデルの実アプリケーションへの直接ゼロショット適用性について、訓練された文ペア設定を超えて検討する。
本研究では,ContractNLIデータセット上で,フルドキュメント上で動作し,最先端のパフォーマンスを実現するための新たなアグリゲーション手法を開発した。
論文 参考訳(メタデータ) (2022-04-15T12:56:39Z) - Neighborhood Contrastive Learning for Scientific Document
Representations with Citation Embeddings [35.879758282914565]
以前の研究は、コントラストサンプルを生成するために離散的な励起関係に依存していた。
提案手法では, 参照グラフの埋め込みに近接する近距離サンプリングをコントラスト学習に用いる。
その結果、SciNCLはSciDocsベンチマークの最先端よりも優れている。
論文 参考訳(メタデータ) (2022-02-14T12:57:37Z) - Combining Feature and Instance Attribution to Detect Artifacts [62.63504976810927]
トレーニングデータアーティファクトの識別を容易にする手法を提案する。
提案手法は,トレーニングデータのアーティファクトの発見に有効であることを示す。
我々は,これらの手法が実際にNLP研究者にとって有用かどうかを評価するために,小規模なユーザスタディを実施している。
論文 参考訳(メタデータ) (2021-07-01T09:26:13Z) - Efficient Clustering from Distributions over Topics [0.0]
本稿では,類似度関数を計算可能な文書の小さなサブセットを識別する手段として,コレクション内の文書上のトピックモデリングアルゴリズムの結果に依存するアプローチを提案する。
このアプローチは、科学出版分野における類似文書の特定において、有望な結果を得ることが証明されている。
論文 参考訳(メタデータ) (2020-12-15T10:52:19Z) - Revisiting LSTM Networks for Semi-Supervised Text Classification via
Mixed Objective Function [106.69643619725652]
我々は,単純なBiLSTMモデルであっても,クロスエントロピー損失でトレーニングした場合に,競争的な結果が得られるようなトレーニング戦略を開発する。
いくつかのベンチマークデータセット上で,テキスト分類タスクの最先端結果について報告する。
論文 参考訳(メタデータ) (2020-09-08T21:55:22Z) - Pairwise Similarity Knowledge Transfer for Weakly Supervised Object
Localization [53.99850033746663]
弱教師付き画像ラベルを持つ対象クラスにおける局所化モデル学習の問題点について検討する。
本研究では,対象関数のみの学習は知識伝達の弱い形態であると主張する。
COCOおよびILSVRC 2013検出データセットの実験では、ペアワイズ類似度関数を含むことにより、ローカライズモデルの性能が大幅に向上することが示された。
論文 参考訳(メタデータ) (2020-03-18T17:53:33Z)
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。