論文の概要: From Knowledge Organization to Knowledge Representation and Back
- arxiv url: http://arxiv.org/abs/2401.11753v1
- Date: Mon, 22 Jan 2024 08:28:28 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-23 14:45:23.506531
- Title: From Knowledge Organization to Knowledge Representation and Back
- Title（参考訳）: 知識組織から知識表現へ
- Authors: Fausto Giunchiglia, Mayukh Bagchi and Subhashis Das
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 10.13291863168277
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Knowledge Organization (KO) and Knowledge Representation (KR) have been the
two mainstream methodologies of knowledge modelling in the Information Science
community and the Artificial Intelligence community, respectively. The
facet-analytical tradition of KO has developed an exhaustive set of guiding
canons for ensuring quality in organising and managing knowledge but has
remained limited in terms of technology-driven activities to expand its scope
and services beyond the bibliographic universe of knowledge. KR, on the other
hand, boasts of a robust ecosystem of technologies and technology-driven
service design which can be tailored to model any entity or scale to any
service in the entire universe of knowledge. This paper elucidates both the
facet-analytical KO and KR methodologies in detail and provides a functional
mapping between them. Out of the mapping, the paper proposes an integrated
KR-enriched KO methodology with all the standard components of a KO methodology
plus the advanced technologies provided by the KR approach. The practical
benefits of the methodological integration has been exemplified through the
flagship application of the Digital University at the University of Trento,
Italy.
- Abstract（参考訳）: 知識組織(KO)と知識表現(KR)はそれぞれ、情報科学コミュニティと人工知能コミュニティにおいて、知識モデリングの主流となる2つの方法論である。
KOのファセット分析の伝統は、知識の組織化と管理の質を保証するためのガイド・カノンを徹底的に開発してきたが、知識の書誌的世界を超えて、その範囲とサービスを拡張するための技術主導活動の観点ではまだ限られている。
一方KRは、技術と技術駆動型サービス設計の堅牢なエコシステムを誇っており、知識の世界全体のあらゆるエンティティやスケールをモデル化できる。
本稿では,facet-analytical ko と kr の方法論を詳細に解明し,それらの間の機能的マッピングを提供する。
本稿では,そのマッピングから,k 手法の標準成分と kr 手法が提供する先進技術をすべて統合した kr-enriched ko 方法論を提案する。
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。
関連論文リスト
- Explainability in AI Based Applications: A Framework for Comparing Different Techniques [2.5874041837241304]
ビジネスアプリケーションでは、理解可能性と精度のバランスをとる適切な説明可能性方法を選択することが課題である。
本稿では,異なる説明可能性手法の一致を評価するための新しい手法を提案する。
多様な説明可能性手法の合意を理解するための実践的な枠組みを提供することにより、ビジネスアプリケーションにおける解釈可能なAIシステムのより広範な統合を促進することを目的としている。
論文 参考訳（メタデータ） (2024-10-28T09:45:34Z) - Développement automatique de lexiques pour les concepts émergents : une exploration méthodologique [0.0]
本稿では,非技術革新を中心に,新しい概念を中心としたレキシコンの開発について述べる。
人間の専門知識、統計分析、機械学習技術を組み合わせた4段階の方法論を導入し、複数のドメインにまたがって一般化可能なモデルを確立する。
論文 参考訳（メタデータ） (2024-06-10T12:58:56Z) - FecTek: Enhancing Term Weight in Lexicon-Based Retrieval with Feature Context and Term-level Knowledge [54.61068946420894]
FEature Context と TErm レベルの知識モジュールを導入して,革新的な手法を提案する。
項重みの特徴コンテキスト表現を効果的に強化するために、FCM(Feature Context Module)が導入された。
また,用語レベルの知識を効果的に活用し,用語重みのモデル化プロセスをインテリジェントに導くための用語レベルの知識誘導モジュール(TKGM)を開発した。
論文 参考訳（メタデータ） (2024-04-18T12:58:36Z) - A Unified and General Framework for Continual Learning [58.72671755989431]
継続学習(CL)は、以前取得した知識を維持しながら、動的かつ変化するデータ分布から学ぶことに焦点を当てている。
正規化ベース、ベイズベース、メモリ再生ベースなど、破滅的な忘れ込みの課題に対処する様々な手法が開発されている。
本研究の目的は,既存の方法論を包含し,整理する包括的かつ包括的な枠組みを導入することで,このギャップを埋めることである。
論文 参考訳（メタデータ） (2024-03-20T02:21:44Z) - A Knowledge-Injected Curriculum Pretraining Framework for Question Answering [70.13026036388794]
本稿では,知識に基づく質問応答タスクの総合的なKG学習と活用を実現するための一般知識注入型カリキュラム事前学習フレームワーク(KICP)を提案する。
KIモジュールはまずKG中心の事前学習コーパスを生成してLMに知識を注入し、プロセスを3つの重要なステップに一般化する。
KAモジュールは、アダプタを備えたLMで生成されたコーパスから知識を学習し、元の自然言語理解能力を維持できる。
CRモジュールは人間の推論パターンに従って3つのコーパスを構築する。
論文 参考訳（メタデータ） (2024-03-11T03:42:03Z) - From Knowledge Representation to Knowledge Organization and Back [11.970701039437493]
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。
論文 参考訳（メタデータ） (2023-12-12T14:23:18Z) - Generalization Bounds: Perspectives from Information Theory and PAC-Bayes [31.803107987439784]
PAC-Bayesianアプローチは、機械学習アルゴリズムの一般化機能に対処するための柔軟なフレームワークとして確立されている。
一般化に関する情報理論的な視点が発達し、一般化と様々な情報手段の関係が確立された。
本稿では,2つの視点が共通する手法と結果を提示し,異なるアプローチと解釈について議論する。
論文 参考訳（メタデータ） (2023-09-08T15:23:40Z) - Semantic Communications for Artificial Intelligence Generated Content
(AIGC) Toward Effective Content Creation [75.73229320559996]
本稿では,AIGCとSemComの統合の概念モデルを開発する。
AIGC技術を利用した新しいフレームワークが,意味情報のためのエンコーダおよびデコーダとして提案されている。
このフレームワークは、生成されたさまざまなタイプのコンテンツ、要求される品質、活用される意味情報に適応することができる。
論文 参考訳（メタデータ） (2023-08-09T13:17:21Z) - Holistically Placing the ICT Artefact in Capability Approach [0.0]
本稿では,情報通信技術(ICT)アーティファクト・イン・キャパビリティ・アプローチ(CA)を体系的に配置する枠組みを提案する。
このフレームワークはICT4DにおけるCAベースのフレームワークにおける技術の異なる概念化を調和させる。
論文 参考訳（メタデータ） (2021-08-22T16:49:20Z) - Contextualized Knowledge-aware Attentive Neural Network: Enhancing
Answer Selection with Knowledge [77.77684299758494]
ナレッジグラフ(KG)による外部知識による回答選択モデル向上のアプローチを幅広く検討しています。
まず、KGの外部知識とテキスト情報との密接な相互作用を考慮し、QA文表現を学習するコンテキスト知識相互作用学習フレームワークであるナレッジアウェアニューラルネットワーク(KNN)を紹介します。
KG情報の多様性と複雑性に対処するために, カスタマイズされたグラフ畳み込みネットワーク (GCN) を介して構造情報を用いた知識表現学習を改善し, コンテキストベースおよび知識ベースの文表現を総合的に学習する コンテキスト型知識認識型アテンシブニューラルネットワーク (CKANN) を提案する。
論文 参考訳（メタデータ） (2021-04-12T05:52:20Z) - Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。
具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
論文 参考訳（メタデータ） (2020-03-09T15:04:07Z)
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。