論文の概要: NLP-based Relation Extraction Methods in RE
- arxiv url: http://arxiv.org/abs/2401.12075v1
- Date: Mon, 22 Jan 2024 16:14:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-23 13:24:01.894063
- Title: NLP-based Relation Extraction Methods in RE
- Title(参考訳): REにおけるNLPに基づく関係抽出法
- Authors: Quim Motger, Xavier Franch
- Abstract要約: モバイルアプリリポジトリは、大規模で適応性の高いクラウドソース情報システムとして、主に科学研究で使用されている。
本稿では,ソフトウェアリソースとデータアーティファクトを組み合わせたMApp-KGを提案する。
私たちのコントリビューションは、モバイルアプリのドメイン固有のカタログをモデル化する知識グラフを自動構築するフレームワークを提供することを目的としています。
- 参考スコア(独自算出の注目度): 4.856095570023289
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mobile app repositories have been largely used in scientific research as
large-scale, highly adaptive crowdsourced information systems. These software
platforms can potentially nourish multiple software and requirements
engineering tasks based on user reviews and other natural language documents,
including feedback analysis, recommender systems and topic modelling.
Consequently, researchers often endeavour to overcome domain-specific
challenges, including integration of heterogeneous data sources, large-scale
data collection and adaptation of a publicly available data set for a given
research scenario. In this paper, we present MApp-KG, a combination of software
resources and data artefacts in the field of mobile app repositories to support
extended knowledge generation tasks. Our contribution aims to provide a
framework for automatically constructing a knowledge graph modelling a
domain-specific catalogue of mobile apps. Complementarily, we distribute
MApp-KG in a public triplestore and as a static data snapshot, which may be
promptly employed for future research and reproduction of our findings.
- Abstract(参考訳): モバイルアプリのリポジトリは、大規模で高度に適応的なクラウドソース情報システムとして、科学研究で広く使われている。
これらのソフトウェアプラットフォームは、ユーザレビューやフィードバック分析、レコメンダシステム、トピックモデリングなど、他の自然言語文書に基づいて、複数のソフトウェアや要件のエンジニアリングタスクを養うことができる。
その結果、研究者は、異種データソースの統合、大規模データ収集、特定の研究シナリオのための公開データセットの適応など、ドメイン固有の課題を克服する努力をしばしば行ないます。
本稿では,モバイルアプリケーションリポジトリの分野におけるソフトウェアリソースとデータアーティファクトの組み合わせであるmapp-kgを提案する。
私たちのコントリビューションは、モバイルアプリのドメイン固有のカタログをモデル化する知識グラフを自動構築するフレームワークを提供することを目的としています。
同時に,MApp-KGをパブリックトリプルストアや静的データスナップショットとして配布し,今後の研究・再生に活用する可能性がある。
関連論文リスト
- Data-driven Discovery with Large Generative Models [47.324203863823335]
このポジションペーパーは、機械学習(ML)コミュニティに、大規模生成モデル(LGM)の能力を活用するよう促す。
我々は、LGMが理想的なデータ駆動探索システムのために、どのようにいくつかのデシラタを満たすかを実証する。
我々は,フィードバック機構によるアクティブなユーザモデレーションとともに,フェールプロテクションツールの統合を提唱する。
論文 参考訳(メタデータ) (2024-02-21T08:26:43Z) - EASRec: Elastic Architecture Search for Efficient Long-term Sequential
Recommender Systems [82.76483989905961]
現在のSRS(Sequential Recommender Systems)は、計算とリソースの非効率に悩まされている。
我々は、効率的な長期シーケンスレコメンダシステム(EASRec)のための弾性アーキテクチャー探索を開発する。
EASRecは、入力データバッチから履歴情報を活用するデータ認識ゲートを導入し、レコメンデーションネットワークの性能を改善する。
論文 参考訳(メタデータ) (2024-02-01T07:22:52Z) - SoTaNa: The Open-Source Software Development Assistant [81.86136560157266]
SoTaNaはオープンソースのソフトウェア開発アシスタントだ。
ソフトウェア工学の分野のための高品質な命令ベースのデータを生成する。
オープンソースの基盤モデルであるLLaMAを強化するためにパラメータ効率のよい微調整アプローチを採用している。
論文 参考訳(メタデータ) (2023-08-25T14:56:21Z) - A Metadata-Based Ecosystem to Improve the FAIRness of Research Software [0.3185506103768896]
研究ソフトの再利用は、研究効率と学術交流の中心である。
DataDescエコシステムは、詳細でマシン操作可能なメタデータを備えたソフトウェアインターフェースのデータモデルを記述するためのアプローチである。
論文 参考訳(メタデータ) (2023-06-18T19:01:08Z) - TSGM: A Flexible Framework for Generative Modeling of Synthetic Time
Series [79.64785804590821]
時系列データは、研究者と産業組織間のデータの共有を妨げるため、しばしば不足または非常に敏感である。
本稿では,合成時系列の生成モデリングのためのオープンソースフレームワークである時系列生成モデリング(TSGM)を紹介する。
論文 参考訳(メタデータ) (2023-05-19T10:11:21Z) - Synergistic Interplay between Search and Large Language Models for
Information Retrieval [141.18083677333848]
InteRにより、RMはLLM生成した知識コレクションを使用してクエリの知識を拡張することができる。
InteRは、最先端手法と比較して総合的に優れたゼロショット検索性能を実現する。
論文 参考訳(メタデータ) (2023-05-12T11:58:15Z) - Retrieval-Enhanced Machine Learning [110.5237983180089]
本稿では,いくつかの既存モデルを含む汎用的な検索強化機械学習フレームワークについて述べる。
REMLは情報検索の慣例に挑戦し、最適化を含む中核領域における新たな進歩の機会を提示している。
REMLリサーチアジェンダは、情報アクセス研究の新しいスタイルの基礎を築き、機械学習と人工知能の進歩への道を開く。
論文 参考訳(メタデータ) (2022-05-02T21:42:45Z) - DeepShovel: An Online Collaborative Platform for Data Extraction in
Geoscience Literature with AI Assistance [48.55345030503826]
地質学者は、関連する結果やデータを発見、抽出、集約するために膨大な量の文献を読む必要がある。
DeepShovelは、彼らのニーズをサポートするAI支援データ抽出システムである。
14人の研究者によるユーザ評価の結果、DeepShovelは科学データベース構築のためのデータ抽出の効率を改善した。
論文 参考訳(メタデータ) (2022-02-21T12:18:08Z) - The OARF Benchmark Suite: Characterization and Implications for
Federated Learning Systems [41.90546696412147]
Open Application Repository for Federated Learning (OARF)は、フェデレートされた機械学習システムのためのベンチマークスイートである。
OARFは、画像、テキスト、構造化データの異なるデータサイロとして、公開データセットを使って、より現実的なアプリケーションシナリオを模倣します。
論文 参考訳(メタデータ) (2020-06-14T10:11:36Z)
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。