論文の概要: Assisted Knowledge Graph Authoring: Human-Supervised Knowledge Graph
Construction from Natural Language
- arxiv url: http://arxiv.org/abs/2401.07683v1
- Date: Mon, 15 Jan 2024 13:51:00 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-17 17:13:25.535037
- Title: Assisted Knowledge Graph Authoring: Human-Supervised Knowledge Graph
Construction from Natural Language
- Title（参考訳）: ナレッジグラフ作成支援:自然言語による人間教師付きナレッジグラフ構築
- Authors: Marcel Gohsen and Benno Stein
- Abstract要約: WAKAは、ドメインの専門家が最も親しみやすいメディアを通して知識グラフを作成することができるWebアプリケーションである。
歴史、物理学、医学などの分野からのドメイン固有の知識は、知識グラフにおいて著しく不足している。
- 参考スコア（独自算出の注目度）: 11.554941963601088
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Encyclopedic knowledge graphs, such as Wikidata, host an extensive repository
of millions of knowledge statements. However, domain-specific knowledge from
fields such as history, physics, or medicine is significantly underrepresented
in those graphs. Although few domain-specific knowledge graphs exist (e.g.,
Pubmed for medicine), developing specialized retrieval applications for many
domains still requires constructing knowledge graphs from scratch. To
facilitate knowledge graph construction, we introduce WAKA: a Web application
that allows domain experts to create knowledge graphs through the medium with
which they are most familiar: natural language.
- Abstract（参考訳）: ウィキデータのような百科事典の知識グラフは、数百万の知識ステートメントの広範なリポジトリをホストしている。
しかしながら、歴史、物理学、医学といった分野からのドメイン固有の知識は、これらのグラフにおいて著しく劣っている。
ドメイン固有の知識グラフはほとんど存在しないが(医学用のPubmedなど)、多くのドメインのための特別な検索アプリケーションを開発するには、知識グラフをゼロから構築する必要がある。
知識グラフ構築を容易にするために、ドメインの専門家が最も親しみやすい媒体である自然言語を通して知識グラフを作成することができるWebアプリケーション、Wakaを紹介した。
関連論文リスト
- Universal Knowledge Graph Embeddings [4.322134229203427]
本稿では,大規模知識源からユニバーサル知識グラフの埋め込みを学習することを提案する。
私たちはDBpediaとWikidataをベースとした普遍的な埋め込みを、約1億5000万のエンティティ、1500万のリレーション、120億のトリプルで計算することで、私たちのアイデアをインスタンス化します。
論文 参考訳（メタデータ） (2023-10-23T13:07:46Z) - State of the Art and Potentialities of Graph-level Learning [54.68482109186052]
グラフレベルの学習は、比較、回帰、分類など、多くのタスクに適用されている。
グラフの集合を学習する伝統的なアプローチは、サブストラクチャのような手作りの特徴に依存している。
ディープラーニングは、機能を自動的に抽出し、グラフを低次元表現に符号化することで、グラフレベルの学習をグラフの規模に適応させるのに役立っている。
論文 参考訳（メタデータ） (2023-01-14T09:15:49Z) - 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) - Entity Context Graph: Learning Entity Representations
fromSemi-Structured Textual Sources on the Web [44.92858943475407]
エンティティ中心のテキスト知識ソースを処理してエンティティ埋め込みを学ぶアプローチを提案する。
私たちのアプローチから学んだ埋め込みは、(i)高品質で、既知の知識グラフベースの埋め込みに匹敵し、それらをさらに改善するために使用することができます。
論文 参考訳（メタデータ） (2021-03-29T20:52:14Z) - JAKET: Joint Pre-training of Knowledge Graph and Language Understanding [73.43768772121985]
本稿では,知識グラフと言語の両方をモデル化する新しい事前学習フレームワークであるJAKETを提案する。
知識モジュールと言語モジュールは相互に支援するための重要な情報を提供する。
我々の設計により、事前学習されたモデルは、新しいドメインの見知らぬ知識グラフに容易に適応できる。
論文 参考訳（メタデータ） (2020-10-02T05:53:36Z) - Benchmark and Best Practices for Biomedical Knowledge Graph Embeddings [8.835844347471626]
SNOMED-CT知識グラフ上に,いくつかの最先端知識グラフ埋め込みモデルを学習する。
本稿では,バイオメディカル知識表現の学習に知識グラフのマルチリレーショナルな性質を活用することの重要性を論じる。
論文 参考訳（メタデータ） (2020-06-24T14:47:33Z) - A Heterogeneous Graph with Factual, Temporal and Logical Knowledge for
Question Answering Over Dynamic Contexts [81.4757750425247]
動的テキスト環境における質問応答について検討する。
構築したグラフ上にグラフニューラルネットワークを構築し,エンドツーエンドでモデルをトレーニングする。
論文 参考訳（メタデータ） (2020-04-25T04:53:54Z) - Knowledge Graphs [43.06435841693428]
我々は、知識グラフに使用される様々なグラフベースのデータモデルとクエリ言語を動機付け、対比する。
本稿では,帰納的手法と帰納的手法を組み合わせた知識の表現と抽出について説明する。
我々は知識グラフの高レベルな今後の研究方向性を結論づける。
論文 参考訳（メタデータ） (2020-03-04T20:20:32Z) - Knowledge Graphs on the Web -- an Overview [1.7778609937758327]
GoogleはまずKnowledge Graphという用語を作り、検索結果を改善する手段として宣伝した。
知識グラフでは、現実世界のエンティティと/またはビジネスドメインはノードとして表現され、エッジによって接続される。
また、DBpediaやWikidataなど、公開可能な知識グラフも多数存在する。
論文 参考訳（メタデータ） (2020-03-02T08:58:21Z) - A Survey on Knowledge Graphs: Representation, Acquisition and
Applications [89.78089494738002]
我々は,1)知識グラフ表現学習,2)知識獲得と完成,3)時間的知識グラフ,および4)知識認識アプリケーションに関する研究トピックをレビューする。
知識獲得、特に知識グラフの完成、埋め込み方法、経路推論、論理ルール推論について概観する。
メタラーニング、コモンセンス推論、時間的知識グラフなど、いくつかの新しいトピックを探求する。
論文 参考訳（メタデータ） (2020-02-02T13:17:31Z)
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。