論文の概要: A compendium and evaluation of taxonomy quality attributes
- arxiv url: http://arxiv.org/abs/2403.00111v1
- Date: Thu, 29 Feb 2024 20:29:00 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-05 19:05:14.587295
- Title: A compendium and evaluation of taxonomy quality attributes
- Title（参考訳）: 分類学的品質特性の補遺と評価
- Authors: Michael Unterkalmsteiner, Waleed Adbeen
- Abstract要約: 分類学は、特定のドメインに関する知識を簡潔に捉え、仲間の間で共通の理解を確立する。
ソフトウェアエンジニアリングにおけるこの重要な役割にもかかわらず、その品質はめったに評価されない。
本研究の目的は,実測値を提供する分類品質特性を同定し,定義することである。
- 参考スコア（独自算出の注目度）: 1.6055823478216908
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Introduction: Taxonomies capture knowledge about a particular domain in a
succinct manner and establish a common understanding among peers. Researchers
use taxonomies to convey information about a particular knowledge area or to
support automation tasks, and practitioners use them to enable communication
beyond organizational boundaries. Aims: Despite this important role of
taxonomies in software engineering, their quality is seldom evaluated. Our aim
is to identify and define taxonomy quality attributes that provide practical
measurements, helping researchers and practitioners to compare taxonomies and
choose the one most adequate for the task at hand. Methods: We reviewed 324
publications from software engineering and information systems research and
synthesized, when provided, the definitions of quality attributes and
measurements. We evaluated the usefulness of the measurements on six taxonomies
from three domains. Results: We propose the definition of seven quality
attributes and suggest internal and external measurements that can be used to
assess a taxonomy's quality. For two measurements we provide implementations in
Python. We found the measurements useful for deciding which taxonomy is best
suited for a particular purpose. Conclusion: While there exist several
guidelines for creating taxonomies, there is a lack of actionable criteria to
compare taxonomies. In this paper, we fill this gap by synthesizing from a
wealth of literature seven, non-overlapping taxonomy quality attributes and
corresponding measurements. Future work encompasses their further evaluation of
usefulness and empirical validation.
- Abstract（参考訳）: 序論:分類学は特定の領域に関する知識を簡潔に捉え、仲間間で共通の理解を確立する。
研究者は分類学を使って特定の知識領域に関する情報を伝達したり、自動化タスクをサポートする。
Aims: ソフトウェアエンジニアリングにおける分類学の役割にもかかわらず、その品質はめったに評価されません。
本研究の目的は,実用的指標を提供する分類学的品質属性を特定し,定義することであり,研究者や実践者が分類法を比較し,そのタスクに最も適した属性を選択することを支援する。
方法: ソフトウェア工学および情報システム研究から324の論文をレビューし, 提供時に品質特性と測定値の定義を合成した。
3つの領域の6つの分類群に対する測定の有用性を検討した。
結果:7つの品質属性の定義を提案し,分類の質を評価するために用いられる内部および外部の測定法を提案する。
2つの測定値に対して、Pythonの実装を提供します。
この測定は,特定の目的に最適な分類基準を決定するのに有用であることがわかった。
結論:分類学を作成するためのガイドラインはいくつかあるが、分類学を比較するための実用的な基準が欠如している。
本稿では,このギャップを埋めるために,文献の豊富な7種,重複しない分類の質特性と対応する測定値から合成する。
今後の研究は、有用性と実証的検証のさらなる評価を含む。
関連論文リスト
- Automatic Bottom-Up Taxonomy Construction: A Software Application Domain Study [6.0158981171030685]
ソフトウェアアプリケーションドメイン分類に関するこれまでの研究は、適切な分類法が欠如しているため、課題に直面してきた。
本研究では,複数のデータソースを統合し,アンサンブル手法を活用することで,包括的ソフトウェアアプリケーション領域分類を開発することを目的とする。
論文 参考訳（メタデータ） (2024-09-24T08:55:07Z) - Is Reference Necessary in the Evaluation of NLG Systems? When and Where? [58.52957222172377]
基準自由度は人間の判断と高い相関を示し,言語品質の低下に対する感度が高いことを示す。
本研究は,自動測定の適切な適用方法と,測定値の選択が評価性能に与える影響について考察する。
論文 参考訳（メタデータ） (2024-03-21T10:31:11Z) - Improving Retrieval in Theme-specific Applications using a Corpus
Topical Taxonomy [52.426623750562335]
ToTER (Topical Taxonomy Enhanced Retrieval) フレームワークを紹介する。
ToTERは、クエリとドキュメントの中心的なトピックを分類学のガイダンスで識別し、そのトピックの関連性を利用して、欠落したコンテキストを補う。
プラグイン・アンド・プレイのフレームワークとして、ToTERは様々なPLMベースのレトリバーを強化するために柔軟に使用できる。
論文 参考訳（メタデータ） (2024-03-07T02:34:54Z) - A Taxonomy for Requirements Engineering and Software Test Alignment [9.185784533862469]
本稿では,要求工学とソフトウェアテスト(REST)アライメントの定義,各領域をリンクする手法を特徴付ける分類,アライメントを評価するプロセスを提案する。
情報ダイアドの結果として生じる概念は、アライメントを行うために必要な情報の交換を特徴付ける。
我々は分類がさらに洗練されることを期待するが、情報ダイアドはアライメントを理解するのに有効で有用な構造であると信じている。
論文 参考訳（メタデータ） (2023-07-24T02:18:31Z) - Probing Taxonomic and Thematic Embeddings for Taxonomic Information [2.9874726192215157]
分類学的および主題的関連性をモデル化することは、包括的な自然言語理解を持つAIを構築する上で重要である。
我々は,新しいハイポニム・ハイポニム探索タスクを設計し,分類学およびテーマSGNSとGloVeの埋め込みに関する比較調査を行う。
両種類の埋め込みがいくつかの分類情報をエンコードしていることを示す実験は、エンコーダアーキテクチャと埋め込み訓練データの両方に独立して関係している。
論文 参考訳（メタデータ） (2023-01-25T15:59:26Z) - TaxoCom: Topic Taxonomy Completion with Hierarchical Discovery of Novel
Topic Clusters [57.59286394188025]
我々はTaxoComというトピック分類の完成のための新しい枠組みを提案する。
TaxoComは、用語と文書の新たなサブトピッククラスタを発見する。
2つの実世界のデータセットに関する包括的実験により、TaxoComは、用語の一貫性とトピックカバレッジの観点から、高品質なトピック分類を生成するだけでなく、高品質なトピック分類を生成することを実証した。
論文 参考訳（メタデータ） (2022-01-18T07:07:38Z) - Can Taxonomy Help? Improving Semantic Question Matching using Question
Taxonomy [37.57300969050908]
セマンティックな質問マッチングのためのハイブリッド手法を提案する。
深層学習に基づく質問から得られた質問クラスで最先端のディープラーニングモデルを強化することにより、提案された2層分類を英語の質問に使用します。
論文 参考訳（メタデータ） (2021-01-20T16:23:04Z) - Studying Taxonomy Enrichment on Diachronic WordNet Versions [70.27072729280528]
本稿では,資源の乏しい環境での分類拡張の可能性について検討し,多数の言語に適用可能な手法を提案する。
我々は、分類の豊かさを訓練し評価するための新しい英語とロシア語のデータセットを作成し、他の言語のためのそのようなデータセットを作成する技術を記述する。
論文 参考訳（メタデータ） (2020-11-23T16:49:37Z) - Octet: Online Catalog Taxonomy Enrichment with Self-Supervision [67.26804972901952]
オンラインカタログエンリッチメンTのための自己教師型エンドツーエンドフレームワークOctopを提案する。
本稿では,用語抽出のためのシーケンスラベリングモデルをトレーニングし,分類構造を捉えるためにグラフニューラルネットワーク(GNN)を用いることを提案する。
Octetは、オンラインカタログを、オープンワールド評価の2倍に強化する。
論文 参考訳（メタデータ） (2020-06-18T04:53:07Z) - TaxoExpan: Self-supervised Taxonomy Expansion with Position-Enhanced
Graph Neural Network [62.12557274257303]
分類学は機械解釈可能な意味論から成り、多くのウェブアプリケーションに貴重な知識を提供する。
そこで我々は,既存の分類学から,クエリの集合を自動生成するTaxoExpanという,新しい自己教師型フレームワークを提案する。
本研究では,(1)既存の分類学におけるアンカー概念の局所構造を符号化する位置強調グラフニューラルネットワーク,(2)学習モデルが自己超越データにおけるラベルノイズに敏感になるようなノイズローバスト学習の2つの手法を開発する。
論文 参考訳（メタデータ） (2020-01-26T21:30:21Z)
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。