論文の概要: From Knowledge Representation to Knowledge Organization and Back
- arxiv url: http://arxiv.org/abs/2312.07302v1
- Date: Tue, 12 Dec 2023 14:23:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-13 15:50:00.063762
- Title: From Knowledge Representation to Knowledge Organization and Back
- Title（参考訳）: 知識表現から知識組織へ
- Authors: Fausto Giunchiglia and Mayukh Bagchi
- Abstract要約: 知識表現(KR)と顔分析知識組織(KO)は、データと知識モデリングの最も顕著な2つの方法論である。
本稿では,KR法とfacet-analytical KO法の両方を詳細に解明し,それらの機能的マッピングを提供する。
- 参考スコア（独自算出の注目度）: 11.970701039437493
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Knowledge Representation (KR) and facet-analytical Knowledge Organization
(KO) have been the two most prominent methodologies of data and knowledge
modelling in the Artificial Intelligence community and the Information Science
community, respectively. KR boasts of a robust and scalable ecosystem of
technologies to support knowledge modelling while, often, underemphasizing the
quality of its models (and model-based data). KO, on the other hand, is less
technology-driven but has developed a robust framework of guiding principles
(canons) for ensuring modelling (and model-based data) quality. This paper
elucidates both the KR and facet-analytical KO methodologies in detail and
provides a functional mapping between them. Out of the mapping, the paper
proposes an integrated KO-enriched KR methodology with all the standard
components of a KR methodology plus the guiding canons of modelling quality
provided by KO. The practical benefits of the methodological integration has
been exemplified through a prominent case study of KR-based image annotation
exercise.
- Abstract（参考訳）: 知識表現 (kr) と facet-analytical knowledge organization (ko) はそれぞれ、人工知能コミュニティと情報科学コミュニティにおけるデータと知識モデリングの最も顕著な方法論である。
KRは、知識モデリングをサポートするテクノロジの堅牢でスケーラブルなエコシステムを誇っており、しばしばモデル(およびモデルベースのデータ)の品質を過小評価している。
一方、KOは技術駆動ではないが、モデリング(およびモデルベースのデータ)の品質を保証するための指針(カノン)の堅牢なフレームワークを開発した。
本稿では,KR法とfacet-analytical KO法の両方を詳細に解明し,それらの機能的マッピングを提供する。
そこで本研究では、KR手法の標準コンポーネントと、KOが提供したモデリング品質の指針を組み込んだ、KO富化KR手法を提案する。
方法論統合の実践的メリットは、KRに基づく画像アノテーション演習の顕著なケーススタディによって実証されている。
関連論文リスト
- High-Performance Few-Shot Segmentation with Foundation Models: An Empirical Study [64.06777376676513]
基礎モデルに基づく数ショットセグメンテーション(FSS)フレームワークを開発した。
具体的には、基礎モデルから暗黙的な知識を抽出し、粗い対応を構築するための簡単なアプローチを提案する。
2つの広く使われているデータセットの実験は、我々のアプローチの有効性を実証している。
論文 参考訳（メタデータ） (2024-09-10T08:04:11Z) - Contextualization Distillation from Large Language Model for Knowledge
Graph Completion [51.126166442122546]
我々は、差別的かつ生成的なKGCフレームワークと互換性のあるプラグイン・アンド・プレイ方式であるContextualization Distillation戦略を導入する。
提案手法は,大規模言語モデルに対して,コンパクトで構造的な三重項を文脈に富んだセグメントに変換するように指示することから始まる。
多様なデータセットとKGC技術にわたる総合的な評価は、我々のアプローチの有効性と適応性を強調している。
論文 参考訳（メタデータ） (2024-01-28T08:56:49Z) - From Knowledge Organization to Knowledge Representation and Back [10.13291863168277]
知識組織(KO)と知識表現(KR)は、知識モデリングの主流となる2つの方法論である。
本稿では, ファセット解析における KO 法と KR 法の両方を詳細に解明し, それらの間の機能的マッピングを提供する。
方法論統合の実践的な利点は、イタリア・トレント大学のデジタル大学(Digital University)の旗艦的応用を通じて実証されている。
論文 参考訳（メタデータ） (2024-01-22T08:28:28Z) - Unifying Structure and Language Semantic for Efficient Contrastive
Knowledge Graph Completion with Structured Entity Anchors [0.3913403111891026]
知識グラフ補完(KGC)の目標は、すでに知られている訓練された事実を用いて、KGの欠落したリンクを予測することである。
本稿では,帰納的推論の力を失うことなく,構造情報と言語意味を効果的に統一する手法を提案する。
論文 参考訳（メタデータ） (2023-11-07T11:17:55Z) - A Closer Look at Knowledge Distillation with Features, Logits, and
Gradients [81.39206923719455]
知識蒸留(KD)は、学習した知識をあるニューラルネットワークモデルから別のニューラルネットワークモデルに転送するための重要な戦略である。
この研究は、古典的なKL分割基準を異なる知識源で近似することで、一連の知識蒸留戦略を動機付ける新しい視点を提供する。
分析の結果,ロジットは一般的により効率的な知識源であり,十分な特徴次元を持つことがモデル設計に不可欠であることが示唆された。
論文 参考訳（メタデータ） (2022-03-18T21:26:55Z) - Image Quality Assessment in the Modern Age [53.19271326110551]
本チュートリアルは、画像品質評価(IQA)の基礎的理論、方法論、現状の進歩を聴衆に提供する。
まず,視覚刺激を適切に選択する方法に着目し,主観的品質評価手法を再考する。
手書きのエンジニアリングと(深い)学習ベースの手法の両方をカバーします。
論文 参考訳（メタデータ） (2021-10-19T02:38:46Z) - Towards a Predictive Processing Implementation of the Common Model of
Cognition [79.63867412771461]
本稿では,ニューラル生成符号化とホログラフィック連想記憶に基づく認知モデルの実装について述べる。
提案システムは,多様なタスクから継続的に学習し,大規模に人的パフォーマンスをモデル化するエージェントを開発するための基盤となる。
論文 参考訳（メタデータ） (2021-05-15T22:55:23Z) - REGINA - Reasoning Graph Convolutional Networks in Human Action
Recognition [1.2891210250935146]
本稿では,人行動認識におけるグラフ畳み込みネットワークの推論手法について述べる。
提案された戦略は既存のGCNベースの方法で簡単に統合できる。
論文 参考訳（メタデータ） (2021-05-14T08:46:42Z) - Knowledge-Guided Dynamic Systems Modeling: A Case Study on Modeling
River Water Quality [8.110949636804774]
実世界の現象をモデル化することは、エコロジーモデリングや財務予測など、多くの科学と工学の取り組みの焦点である。
複雑な動的システムのための正確なモデルの構築は、基盤となるプロセスの理解を改善し、リソース効率に繋がる。
反対の極端に、データ駆動モデリングはデータから直接モデルを学び、広範囲なデータと潜在的に過剰なフィッティングを生成する。
中間的アプローチであるモデルリビジョンに注目し,事前知識とデータを組み合わせることで,両世界のベストを達成する。
論文 参考訳（メタデータ） (2021-03-01T06:31:38Z) - A Diagnostic Study of Explainability Techniques for Text Classification [52.879658637466605]
既存の説明可能性技術を評価するための診断特性のリストを作成する。
そこで本研究では, モデルの性能と有理性との整合性の関係を明らかにするために, 説明可能性手法によって割り当てられた有理性スコアと有理性入力領域の人間のアノテーションを比較した。
論文 参考訳（メタデータ） (2020-09-25T12:01:53Z)
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。