論文の概要: An Ontology-Based multi-domain model in Social Network Analysis: Experimental validation and case study

• arxiv url: http://arxiv.org/abs/2402.02181v1
• Date: Sat, 3 Feb 2024 15:11:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-06 21:39:28.493239
• Title: An Ontology-Based multi-domain model in Social Network Analysis: Experimental validation and case study
• Title（参考訳）: ネットワーク分析におけるオントロジーに基づくマルチドメインモデル:実験的検証とケーススタディ
• Authors: Jos\'e Alberto Ben\'itez-Andrades, Isa\'ias Garc\'ia-Rodr\'iguez, Carmen Benavides, H\'ector Al\'aiz-Moret\'on and Jos\'e Emilio Labra Gayo
• Abstract要約: 本研究では,データを自動的に収集し,異なるソーシャルネットワーク分析を行うマルチドメイン知識モデルを提案する。 このモデルはOntoSNAQAと呼ばれるオントロジーで表現され、クラス、プロパティ、ルールで構成されている。 OntoSNAQAを用いて知識ベースシステムを作成し,本手法の利点を示すために実ケーススタディに適用した。
• 参考スコア（独自算出の注目度）: 0.3749861135832073
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The use of social network theory and methods of analysis have been applied to different domains in recent years, including public health. The complete procedure for carrying out a social network analysis (SNA) is a time-consuming task that entails a series of steps in which the expert in social network analysis could make mistakes. This research presents a multi-domain knowledge model capable of automatically gathering data and carrying out different social network analyses in different domains, without errors and obtaining the same conclusions that an expert in SNA would obtain. The model is represented in an ontology called OntoSNAQA, which is made up of classes, properties and rules representing the domains of People, Questionnaires and Social Network Analysis. Besides the ontology itself, different rules are represented by SWRL and SPARQL queries. A Knowledge Based System was created using OntoSNAQA and applied to a real case study in order to show the advantages of the approach. Finally, the results of an SNA analysis obtained through the model were compared to those obtained from some of the most widely used SNA applications: UCINET, Pajek, Cytoscape and Gephi, to test and confirm the validity of the model.
• Abstract（参考訳）: 社会的ネットワーク理論と分析手法の使用は、近年、公衆衛生を含む様々な分野に応用されている。 ソーシャルネットワーク分析(SNA)を実施するための完全な手順は、ソーシャルネットワーク分析の専門家がミスを犯す可能性のある一連のステップを必要とする時間を要するタスクである。 本研究では,SNAの専門家が得られるのと同じ結論を得ることなく,データを自動的に収集し,異なる領域で異なるソーシャルネットワーク分析を行うことができる多分野知識モデルを提案する。 モデルはOntoSNAQAと呼ばれるオントロジーで表現され、それは、人、アンケート、ソーシャルネットワーク分析の領域を表すクラス、プロパティ、ルールで構成されている。 オントロジー自体に加えて、SWRLとSPARQLクエリによって異なるルールが表現される。 OntoSNAQAを用いて知識ベースシステムを作成し,本手法の利点を示すために実ケーススタディに適用した。 最後に、モデルを用いて得られたSNA分析の結果を、最も広く使われているSNAアプリケーション(UCINET、Pajek、Cytoscape、Gephi)から得られたものと比較し、モデルの妥当性を検証した。

関連論文リスト

• Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
  オントロジはドメイン知識とメタデータを表現するために広く使われている。 1つの簡単な解決策は、統計分析と機械学習を統合することである。 埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
  論文  参考訳（メタデータ） (2024-06-16T14:49:19Z)
• A Semantic Social Network Analysis Tool for Sensitivity Analysis and What-If Scenario Testing in Alcohol Consumption Studies [42.29248343585333]
  本稿では,このような感性学習を容易にするために,意味的知識表現技術を用いたツールについて述べる。 ツールの基盤は概念構造であり、「オントロジー」と呼ばれ、異なる概念とその定義を表現できる。
  論文  参考訳（メタデータ） (2024-02-14T16:17:04Z)
• Topological Data Analysis for Neural Network Analysis: A Comprehensive Survey [35.29334376503123]
  このサーベイは、ニューラルネットワーク分析におけるトポロジカルデータ分析(TDA)の適用を包括的に調査する。 我々は、TDAを用いて、データとニューラルネットワークから位相情報を得るための様々な戦略について議論する。 深層学習の実践的意義を考察し、特に敵対的検出やモデル選択といった分野に焦点を当てる。
  論文  参考訳（メタデータ） (2023-12-10T09:50:57Z)
• UniSA: Unified Generative Framework for Sentiment Analysis [48.78262926516856]
  感情分析は、人々の感情状態を理解し、マルチモーダル情報に基づいて感情カテゴリーを予測することを目的としている。 会話における感情認識(ERC)、アスペクトベース感情分析(ABSA)、マルチモーダル感情分析(MSA)など、いくつかのサブタスクから構成される。
  論文  参考訳（メタデータ） (2023-09-04T03:49:30Z)
• Stochastic Step-wise Feature Selection for Exponential Random Graph Models (ERGMs) [2.1005766703532713]
  本研究では,指数ランダムグラフモデルにおける内在変数選択に着目した新しい手法を提案し,検証する。 提案手法は, 計算負荷を克服し, 観測されたネットワーク依存の収容性を改善することを目的としている。
  論文  参考訳（メタデータ） (2023-07-24T15:02:03Z)
• FairSNA: Algorithmic Fairness in Social Network Analysis [17.39106091928567]
  ソーシャルネットワークの構造的バイアスが、さまざまな方法の公平性にどのように影響するかを強調します。 我々は、異なるSNA問題に対して、ネットワーク構造に基づくソリューションを提案しながら考慮すべき公平性について論じる。 フェアネスとSNAのギャップを埋めるために研究者の注意を必要とする様々なオープンな研究の方向性を強調した。
  論文  参考訳（メタデータ） (2022-09-04T19:11:38Z)
• Locally Adaptive Algorithms for Multiple Testing with Network Structure, with Application to Genome-Wide Association Studies [4.851566905442038]
  本稿では、ネットワークデータや関連するソースドメインからの補助データの複数サンプルを組み込むための、原則的で汎用的なフレームワークを提案する。 LASLAは、データ駆動重み付けを個々のテストポイントに割り当てるために構造的洞察を活用する、$p$値重み付けアプローチを採用している。 LASLAは様々な合成実験を通じて説明され、T2D関連SNP同定への応用がある。
  論文  参考訳（メタデータ） (2022-03-22T04:58:03Z)
• f-Domain-Adversarial Learning: Theory and Algorithms [82.97698406515667]
  教師なしのドメイン適応は、トレーニング中、ターゲットドメイン内のラベルなしデータにアクセス可能な、多くの機械学習アプリケーションで使用されている。 領域適応のための新しい一般化法を導出し、f-発散体の変分的特徴に基づく分布間の相違性の新しい尺度を利用する。
  論文  参考訳（メタデータ） (2021-06-21T18:21:09Z)
• A Survey of Community Detection Approaches: From Statistical Modeling to Deep Learning [95.27249880156256]
  ネットワークコミュニティファイリング手法の統一アーキテクチャを開発し,提案する。 既存の手法を確率的グラフィカルモデルとディープラーニングという2つのカテゴリに分けた新しい分類法を提案する。 フィールドの課題の議論と今後の研究の方向性の提案を締めくくります。
  論文  参考訳（メタデータ） (2021-01-03T02:32:45Z)
• Sentiment Analysis Based on Deep Learning: A Comparative Study [69.09570726777817]
  世論の研究は我々に貴重な情報を提供することができる。 感情分析の効率性と正確性は、自然言語処理で直面する課題によって妨げられている。 本稿では、感情分析の問題を解決するためにディープラーニングを用いた最新の研究をレビューする。
  論文  参考訳（メタデータ） (2020-06-05T16:28:10Z)
• Rethinking Generalization of Neural Models: A Named Entity Recognition Case Study [81.11161697133095]
  NERタスクをテストベッドとして、異なる視点から既存モデルの一般化挙動を分析する。 詳細な分析による実験は、既存のニューラルNERモデルのボトルネックを診断する。 本論文の副産物として,最近のNER論文の包括的要約を含むプロジェクトをオープンソース化した。
  論文  参考訳（メタデータ） (2020-01-12T04:33:53Z)

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。