論文の概要: Dynamic Retrieval Augmented Generation of Ontologies using Artificial
Intelligence (DRAGON-AI)
- arxiv url: http://arxiv.org/abs/2312.10904v1
- Date: Mon, 18 Dec 2023 03:19:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-20 21:25:39.221393
- Title: Dynamic Retrieval Augmented Generation of Ontologies using Artificial
Intelligence (DRAGON-AI)
- Title(参考訳): 人工知能(DRAGON-AI)を用いた動的検索オントロジー生成
- Authors: Sabrina Toro, Anna V Anagnostopoulos, Sue Bello, Kai Blumberg,
Rhiannon Cameron, Leigh Carmody, Alexander D Diehl, Damion Dooley, William
Duncan, Petra Fey, Pascale Gaudet, Nomi L Harris, Marcin Joachimiak, Leila
Kiani, Tiago Lubiana, Monica C Munoz-Torres, Shawn O'Neil, David
Osumi-Sutherland, Aleix Puig, Justin P Reese, Leonore Reiser, Sofia Robb,
Troy Ruemping, James Seager, Eric Sid, Ray Stefancsik, Magalie Weber, Valerie
Wood, Melissa A Haendel, Christopher J Mungall
- Abstract要約: オントロジーは、生物医学、環境学、食品科学などの分野における情報基盤の基本的な構成要素である。
我々はAI(DRAGON-AI)を用いた動的検索オントロジー生成を提案する。
- 参考スコア(独自算出の注目度): 24.636026961059642
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ontologies are fundamental components of informatics infrastructure in
domains such as biomedical, environmental, and food sciences, representing
consensus knowledge in an accurate and computable form. However, their
construction and maintenance demand substantial resources, necessitating
substantial collaborative efforts of domain experts, curators, and ontology
experts.
We present Dynamic Retrieval Augmented Generation of Ontologies using AI
(DRAGON-AI), an ontology generation method employing Large Language Models
(LLMs) and Retrieval Augmented Generation (RAG). This method can generate
textual and logical ontology components, drawing from existing knowledge in
multiple ontologies, as well as unstructured textual sources.
We assessed DRAGON-AI across ten diverse ontologies, making use of extensive
manual evaluation of results. We demonstrate high precision for relationship
generation, close to but lower than precision from logic-based reasoning. We
also demonstrate definition generation comparable with but lower than
human-generated definitions. Notably, expert evaluators were better able to
discern subtle flaws in AI-generated definitions. We also demonstrated the
ability of DRAGON-AI to incorporate natural language instructions in the form
of GitHub issues.
These findings suggest DRAGON-AI's potential to substantially aid the manual
ontology construction process. However, our results also underscore the
importance of having expert curators and ontology editors drive the ontology
generation process.
- Abstract(参考訳): オントロジーは、バイオメディカル、環境、食品科学といった分野における情報基盤の基本的な構成要素であり、正確で計算可能な形でコンセンサス知識を表す。
しかし、その建設と維持にはかなりの資源が必要であり、ドメインの専門家、キュレーター、オントロジーの専門家の協力を必要としている。
本稿では,Large Language Models (LLM) とRetrieval Augmented Generation (RAG) を用いたオントロジー生成手法であるAI (DRAGON-AI) を用いた動的検索用拡張オントロジー生成について述べる。
本手法は,複数オントロジーにおける既存の知識と非構造化テキストソースから,テキストおよび論理オントロジー要素を生成する。
10種類のオントロジでDRAGON-AIを評価し,手作業による評価を行った。
論理に基づく推論の精度は, ほぼ同じでも精度が低い関係生成の精度を示す。
また,人為的な定義に匹敵する定義生成を示す。
特に、専門家の評価者は、AIが生成した定義の微妙な欠陥をよりよく識別することができた。
GitHubイシューの形で自然言語命令を組み込むDRAGON-AIの能力を実証した。
これらの結果から,DRAGON-AIが手動オントロジー構築に有効である可能性が示唆された。
しかし,我々は,専門家キュレーターとオントロジー編集者がオントロジー生成プロセスを推進することの重要性を強調する。
関連論文リスト
- What Generative Artificial Intelligence Means for Terminological
Definitions [0.0]
ChatGPTのようなGenAIツールは、従来の用語リソースと比べて利点と欠点が混在している。
認識資源における用語的定義は、その信頼性のために生き残る可能性が高い。
論文 参考訳(メタデータ) (2024-02-25T16:36:51Z) - Diversifying Knowledge Enhancement of Biomedical Language Models using
Adapter Modules and Knowledge Graphs [54.223394825528665]
我々は、軽量なアダプターモジュールを用いて、構造化された生体医学的知識を事前訓練された言語モデルに注入するアプローチを開発した。
バイオメディカル知識システムUMLSと新しいバイオケミカルOntoChemの2つの大きなKGと、PubMedBERTとBioLinkBERTの2つの著名なバイオメディカルPLMを使用している。
計算能力の要件を低く保ちながら,本手法がいくつかの事例において性能改善につながることを示す。
論文 参考訳(メタデータ) (2023-12-21T14:26:57Z) - Extracting human interpretable structure-property relationships in
chemistry using XAI and large language models [0.4769602527256662]
本稿では,XAI手法と大規模言語モデル(LLM)を統合したXpertAIフレームワークを提案する。
以上の結果から,XpertAI は LLM と XAI ツールの強みを組み合わせ,具体的な,科学的,解釈可能な説明を生成することが示唆された。
論文 参考訳(メタデータ) (2023-11-07T15:02:32Z) - A Comprehensive Survey of AI-Generated Content (AIGC): A History of
Generative AI from GAN to ChatGPT [63.58711128819828]
ChatGPTおよびその他の生成AI(GAI)技術は、人工知能生成コンテンツ(AIGC)のカテゴリに属している。
AIGCの目標は、コンテンツ作成プロセスをより効率的かつアクセスしやすくし、高品質なコンテンツをより高速に生産できるようにすることである。
論文 参考訳(メタデータ) (2023-03-07T20:36:13Z) - Towards Human Cognition Level-based Experiment Design for Counterfactual
Explanations (XAI) [68.8204255655161]
XAI研究の重点は、より理解を深めるために、より実践的な説明アプローチに変わったようだ。
認知科学研究がXAIの進歩に大きく影響を与える可能性のある領域は、ユーザの知識とフィードバックを評価することである。
本研究では,異なる認知レベルの理解に基づく説明の生成と評価を実験する枠組みを提案する。
論文 参考訳(メタデータ) (2022-10-31T19:20:22Z) - Ontology Development is Consensus Creation, Not (Merely) Representation [0.0]
我々は、オントロジー開発における課題の重要かつ過度に強調された貢献は、意見の相違に直面して、創造し、あるいはコンセンサスをもたらす必要性である、と提案する。
同じ理由から、ほとんどの技術的カリキュラムに欠けている特定の社会的交渉スキルを持つ必要がある。
論文 参考訳(メタデータ) (2022-10-21T15:16:28Z) - OAK4XAI: Model towards Out-Of-Box eXplainable Artificial Intelligence
for Digital Agriculture [4.286327408435937]
我々は農業における知識を説明するために農業コンピューティングオントロジー(AgriComO)を構築した。
XAIは、意思決定と訓練されたAIモデルに対して、人間に理解可能な説明を提供しようとしている。
論文 参考訳(メタデータ) (2022-09-29T21:20:25Z) - Automated Biodesign Engineering by Abductive Meta-Interpretive Learning [8.788941848262786]
Abductive Meta-Interpretive Learning($Meta_Abd$)を活用した自動バイオデザインエンジニアリングフレームワークを提案します。
本稿では,Abductive Meta-Interpretive Learning(Meta_Abd$)を活用したバイオデザイン自動工学フレームワークを提案する。
論文 参考訳(メタデータ) (2021-05-17T12:10:26Z) - 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) - Explainability in Deep Reinforcement Learning [68.8204255655161]
説明可能な強化学習(XRL)の実現に向けての最近の成果を概観する。
エージェントの振る舞いを正当化し、説明することが不可欠である重要な状況において、RLモデルのより良い説明可能性と解釈性は、まだブラックボックスと見なされているものの内部動作に関する科学的洞察を得るのに役立つ。
論文 参考訳(メタデータ) (2020-08-15T10:11:42Z) - A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。
このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
論文 参考訳(メタデータ) (2020-03-02T10:32:21Z)
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。