論文の概要: Empirical Basis of Engineering Design Knowledge

• arxiv url: http://arxiv.org/abs/2312.06355v1
• Date: Mon, 11 Dec 2023 13:03:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-12 15:44:45.209829
• Title: Empirical Basis of Engineering Design Knowledge
• Title（参考訳）: 工学設計知識の実証的基礎
• Authors: L. Siddharth, Jianxi Luo
• Abstract要約: 本稿では,特許文書からの実証観察に基づく設計知識の構成について述べる。 我々は33,881件の特許のサンプルを取得し、これらの文から2400万件以上の事実を収集した。 本稿では,抽象的な実体と部分グラフ内の関係を包含する規制規範を提案するとともに,階層構造を解明する。
• 参考スコア（独自算出の注目度）: 2.06682776181122
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Engineering design knowledge is embodied in natural language text through intricate placement of entities and relationships. Ontological constructs of design knowledge often limit the performances of NLP techniques to extract design knowledge. Also, large-language models could be less useful for generating and explicating design knowledge, as these are trained predominantly on common-sense text. In this article, we present the constituents of design knowledge based on empirical observations from patent documents. We obtain a sample of 33,881 patents and populate over 24 million facts from the sentences in these. We conduct Zipf distribution analyses using the frequencies of unique entities and relationships that are present in the facts thus populated. While the literal entities cannot be generalised from the sample of patents, the relationships largely capture attributes ('of'), structure ('in', 'with'), purpose ('to', 'for'), hierarchy ('include'), exemplification ('such as'), and behaviour ('to', 'from'). The analyses reveal that over half of entities and relationships could be generalised to 64 and 24 linguistic syntaxes respectively, while hierarchical relationships include 75 syntaxes. These syntaxes represent the linguistic basis of engineering design knowledge. We combine facts within each patent into a knowledge graph, from which we discover motifs that are statistically over-represented subgraph patterns. Across all patents in the sample, we identify eight patterns that could be simplified into sequence [->...->], aggregation [->...<-], and hierarchy [<-...->] that form the structural basis of engineering design knowledge. We propose regulatory precepts for concretising abstract entities and relationships within subgraphs, while also explicating hierarchical structures. These precepts could be useful for better construction and management of knowledge in a design environment.
• Abstract（参考訳）: 工学設計知識は、実体と関係の複雑な配置を通じて自然言語テキストに具体化されている。 設計知識のオントロジ的構成はしばしば設計知識を抽出するためにnlp技術の性能を制限する。 また、大言語モデルは、主に常識的なテキストに基づいて訓練されるため、設計知識の生成や説明にはあまり役に立たない。 本稿では,特許文書からの実証的観察に基づく設計知識の構成について述べる。 我々は33,881件の特許のサンプルを取得し、これらの文から2400万件以上の事実を収集した。 そこで我々は,その事実に存在する一意な実体の頻度と関係性を用いてzipf分布解析を行う。 文字通りの実体は特許のサンプルから一般化することはできないが、その関係は主に属性('of')、構造('in'、'with')、目的('to'、'for')、階層('include')、例示('like')、行動('to'、'from')を捉えている。 分析の結果、エンティティと関係の半数以上がそれぞれ64と24の言語構文に一般化され、階層的関係には75の構文が含まれることがわかった。 これらの構文は工学的設計知識の言語的基礎を表している。 各特許内の事実を知識グラフに組み合わせ、そこから統計的に過剰に表現されたサブグラフパターンであるモチーフを発見する。 サンプルのすべての特許を通じて、エンジニアリング設計の知識の構造的基礎を形成する、シーケンス [->...->]、アグリゲーション [->...<-]、階層 [<-...->]に単純化可能な8つのパターンを特定しました。 本稿では,抽象的な実体と部分グラフ内の関係を包含する規制規範を提案する。 これらの規範は、設計環境における知識の構築と管理に有用である。

関連論文リスト

• In-situ graph reasoning and knowledge expansion using Graph-PReFLexOR [0.0]
  グラフ推論とシンボリック抽象化を組み合わせてドメイン知識を動的に拡張するフレームワークであるGraph-PReFLexORを提案する。 強化学習に触発されて、推論は構造化されたマッピングとして定義され、タスクが知識グラフ、抽象パターン、そして最終的には最終回答を生み出す。 その結果、より優れた推論深度と適応性を示し、透明で多分野のAI駆動型発見の可能性を示している。
  論文  参考訳（メタデータ） (2025-01-14T13:52:41Z)
• Retrieval Augmented Generation using Engineering Design Knowledge [1.7495213911983414]
  本稿では,特許資料から明確で工学的な設計事実を識別する手法を提案する。 本手法では,一対のエンティティが一意にマークされた文を与えられた場合,その文で明示的に伝達される関係を抽出する。 4,870件のファンシステム特許のドメインにこの手法を適用すると、2,93万件以上の知識ベースを蓄積する。
  論文  参考訳（メタデータ） (2023-07-13T17:25:28Z)
• Knowledge Graph Guided Semantic Evaluation of Language Models For User Trust [7.063958622970576]
  本研究では、明示的な知識グラフ構造を利用して、自己注意変換器の符号化意味性を評価する。 言語モデルの不透明さは、信頼と説明可能な決定結果の社会的問題に大きく影響している。
  論文  参考訳（メタデータ） (2023-05-08T18:53:14Z)
• Structural and Statistical Texture Knowledge Distillation for Semantic Segmentation [72.67912031720358]
  セグメンテーションのための構造的・統計的テクスチャ知識蒸留(SSTKD)フレームワークを提案する。 構造的テクスチャ知識のために,低レベルの特徴を分解するContourlet Decomposition Module (CDM)を導入する。 本稿では, 統計的テクスチャ知識を適応的に抽出し, 強化するDenoized Texture Intensity Equalization Module (DTIEM)を提案する。
  論文  参考訳（メタデータ） (2023-05-06T06:01:11Z)
• Joint Language Semantic and Structure Embedding for Knowledge Graph Completion [66.15933600765835]
  本稿では,知識三重項の自然言語記述と構造情報とを共同で組み込むことを提案する。 本手法は,学習済み言語モデルを微調整することで,完了作業のための知識グラフを埋め込む。 各種知識グラフベンチマーク実験により,本手法の最先端性能を実証した。
  論文  参考訳（メタデータ） (2022-09-19T02:41:02Z)
• Taxonomy Enrichment with Text and Graph Vector Representations [61.814256012166794]
  我々は,既存の分類学に新たな語を加えることを目的とした分類学の豊かさの問題に対処する。 我々は,この課題に対して,少ない労力で高い結果を得られる新しい手法を提案する。 我々は、異なるデータセットにわたる最先端の結果を達成し、ミスの詳細なエラー分析を提供する。
  論文  参考訳（メタデータ） (2022-01-21T09:01:12Z)
• Knowledge Graph Augmented Network Towards Multiview Representation Learning for Aspect-based Sentiment Analysis [96.53859361560505]
  本稿では,知識グラフ拡張ネットワーク(KGAN)を提案する。 KGANは感情の特徴表現を、文脈、構文、知識に基づく複数の視点から捉えている。 3つの人気のあるABSAベンチマークの実験は、我々のKGANの有効性と堅牢性を示している。
  論文  参考訳（メタデータ） (2022-01-13T08:25:53Z)
• Modelling Compositionality and Structure Dependence in Natural Language [0.12183405753834563]
  言語学と集合論に基づいて、これらの概念の形式化がこの論文の前半で述べられている。 言語処理を行う認知システムは,特定の機能的制約を持つ必要がある。 単語埋め込み技術の進歩を利用して、関係学習のモデルがシミュレートされる。
  論文  参考訳（メタデータ） (2020-11-22T17:28:50Z)
• Computational linguistic assessment of textbook and online learning media by means of threshold concepts in business education [59.003956312175795]
  言語学的観点では、しきい値の概念は特別な語彙の例であり、特定の言語的特徴を示す。 ビジネス教育における63のしきい値の概念のプロファイルは、教科書、新聞、ウィキペディアで調査されている。 3種類のリソースは、しきい値の概念のプロファイルから区別できる。
  論文  参考訳（メタデータ） (2020-08-05T12:56:16Z)
• Exploiting Structured Knowledge in Text via Graph-Guided Representation Learning [73.0598186896953]
  本稿では、知識グラフからのガイダンスを用いて、生テキスト上で学習する2つの自己教師型タスクを提案する。 エンティティレベルのマスキング言語モデルに基づいて、最初のコントリビューションはエンティティマスキングスキームです。 既存のパラダイムとは対照的に,本手法では事前学習時にのみ,知識グラフを暗黙的に使用する。
  論文  参考訳（メタデータ） (2020-04-29T14:22:42Z)

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。