論文の概要: Linguistic and Structural Basis of Engineering Design Knowledge
- arxiv url: http://arxiv.org/abs/2312.06355v2
- Date: Tue, 16 Jan 2024 13:35:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-18 00:10:07.207599
- Title: Linguistic and Structural Basis of Engineering Design Knowledge
- Title（参考訳）: 工学設計知識の言語的・構造的基礎
- Authors: L. Siddharth, Jianxi Luo
- Abstract要約: 我々は,33,881件の特許文書の膨大なサンプルから,知識グラフとしてのエンジニアリング設計知識を抽出する。
言語基盤の観点では、実体と関係性は64と24の言語構文に一般化できる。
構造的基盤を理解するため,生物・生態ネットワークに関する様々な研究からインスピレーションを得た。
- 参考スコア（独自算出の注目度）: 2.06682776181122
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artefact descriptions are the primary carriers of engineering design
knowledge that is both an outcome and a driver of the design process. While an
artefact could be described in different connotations, the design process
requires a description to embody engineering design knowledge, which is
expressed in the text through intricate placement of entities and
relationships. As large-language models learn from all kinds of text merely as
a sequence of characters/tokens, these are yet to generate text that embodies
explicit engineering design facts. Existing ontological design theories are
less likely to guide the large-language models whose applications are currently
limited to ideation and learning purposes. In this article, we explicate
engineering design knowledge as knowledge graphs from a large sample of 33,881
patent documents. We examine the constituents of these knowledge graphs to
understand the linguistic and structural basis of engineering design knowledge.
In terms of linguistic basis, we observe that entities and relationships could
be generalised to 64 and 24 linguistic syntaxes. While relationships mainly
capture attributes ('of'), structure ('in', 'with'), purpose ('to', 'for'),
hierarchy ('include'), exemplification ('such as'), and behaviour ('to',
'from'), the hierarchical relationships could specifically be identified using
75 unique syntaxes. To understand the structural basis, we draw inspiration
from various studies on biological/ecological networks and discover motifs from
patent knowledge graphs. We identify four 3-node and four 4-node patterns that
could further be converged and simplified into sequence [->...->], aggregation
[->...<-], and hierarchy [<-...->]. Expected to guide large-language model
based design tools, we propose few regulatory precepts for concretising
abstract entities and relationships within subgraphs, while explicating
hierarchical structures.
- Abstract（参考訳）: アーティファクト記述(Artefact descriptions)は、設計プロセスの成果とドライバの両方であるエンジニアリング設計知識の主要なキャリアである。
アーティファクトは異なる意味で記述できるが、設計プロセスは、エンティティと関係の複雑な配置を通じてテキストで表現されるエンジニアリング設計の知識を具現化する記述を必要とする。
大言語モデルは、文字/文字のシーケンスとしてのみ、あらゆる種類のテキストから学習するので、これらはまだ明示的なエンジニアリングデザインの事実を具現化するテキストを生成していない。
既存の存在論的設計理論は、アイデアや学習目的に制限されている大規模言語モデルを導く可能性が低い。
本稿では,33,881件の特許文書から工学的設計知識を知識グラフとして解説する。
工学設計知識の言語的・構造的基礎を理解するために,これらの知識グラフの構成式を検討する。
言語基盤の観点からは、実体と関係を64と24の言語構文に一般化することができる。
主に属性('in'、'with')、構造('in'、'with')、目的('to'、'for')、階層('include')、例示(' such')、行動('to'、'from')をキャプチャするが、階層的な関係は75のユニークな構文を用いて明確に識別できる。
構造的基盤を理解するため,生物・生態ネットワークの研究からインスピレーションを得て,特許知識グラフからモチーフを発見する。
4つの3ノードパターンと4つの4ノードパターンを、さらに収束して、シーケンス [->...->]、アグリゲーション [->...<-]、階層 [<-...->] に単純化することができる。
大規模言語モデルに基づく設計ツールの指針として,階層構造を解明しつつ,抽象エンティティやサブグラフ内の関係を拡大するための規制規範をほとんど提案しない。
関連論文リスト
- 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) - CodeKGC: Code Language Model for Generative Knowledge Graph Construction [46.220237225553234]
コードのような構造化データに基づいて訓練された大規模な生成言語モデルは、構造予測や推論タスクのために自然言語を理解する素晴らしい能力を示してきた。
知識グラフ内の意味構造を効果的に活用するスキーマ対応プロンプトを開発した。
実験結果から,提案手法はベースラインと比較してベンチマークデータセットの性能が向上することが示唆された。
論文 参考訳（メタデータ） (2023-04-18T15:12:34Z) - 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。