論文の概要: Bangladesh Agricultural Knowledge Graph: Enabling Semantic Integration and Data-driven Analysis--Full Version
- arxiv url: http://arxiv.org/abs/2403.11920v2
- Date: Tue, 19 Mar 2024 04:40:43 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-20 19:40:35.767175
- Title: Bangladesh Agricultural Knowledge Graph: Enabling Semantic Integration and Data-driven Analysis--Full Version
- Title（参考訳）: バングラデシュの農業知識グラフ: セマンティック統合とデータ駆動分析の実現--フルバージョン
- Authors: Rudra Pratap Deb Nath, Tithi Rani Das, Tonmoy Chandro Das, S. M. Shafkat Raihan,
- Abstract要約: 我々はバングラデシュの農業データを統合する連合知識グラフを開発した。
BDAKGは多次元意味論を取り入れ、外部知識グラフとリンクし、OLAPと互換性があり、FAIRの原則に準拠している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In Bangladesh, agriculture is a crucial driver for addressing Sustainable Development Goal 1 (No Poverty) and 2 (Zero Hunger), playing a fundamental role in the economy and people's livelihoods. To enhance the sustainability and resilience of the agriculture industry through data-driven insights, the Bangladesh Bureau of Statistics and other organizations consistently collect and publish agricultural data on the Web. Nevertheless, the current datasets encounter various challenges: 1) they are presented in an unsustainable, static, read-only, and aggregated format, 2) they do not conform to the Findability, Accessibility, Interoperability, and Reusability (FAIR) principles, and 3) they do not facilitate interactive analysis and integration with other data sources. In this paper, we present a thorough solution, delineating a systematic procedure for developing BDAKG: a knowledge graph that semantically and analytically integrates agriculture data in Bangladesh. BDAKG incorporates multidimensional semantics, is linked with external knowledge graphs, is compatible with OLAP, and adheres to the FAIR principles. Our experimental evaluation centers on evaluating the integration process and assessing the quality of the resultant knowledge graph in terms of completeness, timeliness, FAIRness, OLAP compatibility and data-driven analysis. Our federated data analysis recommend a strategic approach focused on decreasing CO$_2$ emissions, fostering economic growth, and promoting sustainable forestry.
- Abstract（参考訳）: バングラデシュでは、農業は持続可能開発目標1(貧困なし)と2(飢餓回避)に対処するための重要な要因であり、経済と人々の生活に基本的な役割を担っている。
バングラデシュ統計局は、データ駆動の洞察を通じて農業産業の持続可能性とレジリエンスを高めるため、ウェブ上で一貫して農業データを収集し、公開している。
それでも、現在のデータセットは、さまざまな課題に直面している。
1)持続不可能で、静的で、読み取り専用で、集約されたフォーマットで表示されます。
2)FAIR(Finderability, Accessibility, Interoperability, and Reusability)の原則に従っていない。
3)他のデータソースとの対話的分析や統合を容易にするものではない。
本稿では,バングラデシュにおける農業データを意味的に解析的に統合した知識グラフであるBDAKGを開発するための体系的な手順を概説する。
BDAKGは多次元意味論を取り入れ、外部知識グラフとリンクし、OLAPと互換性があり、FAIRの原則に準拠している。
実験的な評価は,完全性,タイムライン,FAIR性,OLAP適合性,データ駆動分析の観点から,統合プロセスの評価と結果の知識グラフの品質評価に重点を置いている。
当社のフェデレーションデータ分析は、CO$2の排出削減、経済成長の促進、持続可能な林業の促進に重点を置く戦略的アプローチを推奨している。
関連論文リスト
- Analyzing Poverty through Intra-Annual Time-Series: A Wavelet Transform Approach [2.3213238782019316]
ランドサット画像と夜間光データを用いて,年内EOデータを用いたEO-ML手法の評価を行った。
以上の結果から, 特定のNDVI特徴とマルチスペクトルデータの統合は, 貧困分析に有意義な洞察をもたらすことが示唆された。
論文 参考訳（メタデータ） (2024-11-05T06:59:05Z) - FedNE: Surrogate-Assisted Federated Neighbor Embedding for Dimensionality Reduction [47.336599393600046]
textscFedNEは、textscFedAvgフレームワークと対照的なNEテクニックを統合する新しいアプローチである。
我々は、合成データセットと実世界のデータセットの両方について包括的な実験を行う。
論文 参考訳（メタデータ） (2024-09-17T19:23:24Z) - Assessing the Potential of AI for Spatially Sensitive Nature-Related Financial Risks [0.0]
本報告では,ブラジル産牛肉供給利用事例と水利用利用事例という,2つの異なるユースケースのモデルに対するAIソリューションの可能性について述べる。
ブラジルの牛の農業用ユースケースは、自然に関する考慮事項を主要な金融決定に組み込む、グリーン化ファイナンスの一例である。
英国における水利事業のユースケースにおける自然ベースのソリューションの展開は、自然に肯定的な結果に投資するグリーン融資の例である。
論文 参考訳（メタデータ） (2024-04-26T12:42:39Z) - Transforming Agriculture with Intelligent Data Management and Insights [3.027257459810039]
現代の農業は、気候変動と天然資源の枯渇の制約の下で、食料、燃料、飼料、繊維の需要の増加に対応するための大きな課題に直面している。
データ革新は、アグロエコシステムの生産性、持続可能性、レジリエンスの確保と改善に緊急に必要です。
論文 参考訳（メタデータ） (2023-11-07T22:02:54Z) - Towards Data-centric Graph Machine Learning: Review and Outlook [120.64417630324378]
データ中心グラフ機械学習(DC-GML)という,グラフデータライフサイクルのすべての段階を包含する体系的なフレームワークを導入する。
各段階の完全な分類法が示され、3つの重要なグラフ中心の質問に答える。
我々は、DC-GMLドメインの将来展望を指摘し、その進歩と応用をナビゲートするための洞察を提供する。
論文 参考訳（メタデータ） (2023-09-20T00:40:13Z) - Harnessing the Web and Knowledge Graphs for Automated Impact Investing
Scoring [2.4107880640624706]
持続可能な開発目標のフレームワークを作成するプロセスを自動化するための,データ駆動システムについて説明する。
本稿では,異なるWebソースからテキストのデータセットを収集・フィルタリングする新しい手法と,企業の集合に関連する知識グラフを提案する。
以上の結果から,我々の最高性能モデルでは,マイクロ平均F1スコア0.89でSDGスコアを正確に予測できることがわかった。
論文 参考訳（メタデータ） (2023-08-04T15:14:16Z) - CHATREPORT: Democratizing Sustainability Disclosure Analysis through
LLM-based Tools [10.653984116770234]
ChatReportは、企業サステナビリティレポートの分析を自動化するLLMベースの新しいシステムである。
提案手法,注釈付きデータセット,および1015件のレポートを公開して分析する。
論文 参考訳（メタデータ） (2023-07-28T18:58:16Z) - Joint Learning of Label and Environment Causal Independence for Graph
Out-of-Distribution Generalization [60.4169201192582]
本稿では,ラベルと環境情報を完全に活用するために,ラベルと環境の因果独立(LECI)を導入することを提案する。
LECIは、合成データセットと実世界のデータセットの両方において、従来の手法よりも大幅に優れている。
論文 参考訳（メタデータ） (2023-06-01T19:33:30Z) - Federated Causal Discovery [74.37739054932733]
本稿では,DAG-Shared Federated Causal Discovery (DS-FCD) という勾配学習フレームワークを開発する。
ローカルデータに直接触れることなく因果グラフを学習し、データの不均一性を自然に扱うことができる。
合成および実世界の両方のデータセットに対する大規模な実験により,提案手法の有効性が検証された。
論文 参考訳（メタデータ） (2021-12-07T08:04:12Z) - SustainBench: Benchmarks for Monitoring the Sustainable Development
Goals with Machine Learning [63.192289553021816]
国連持続可能な開発目標の進展は、主要な環境・社会経済指標のデータ不足によって妨げられている。
近年の機械学習の進歩により、衛星やソーシャルメディアなど、豊富な、頻繁に更新され、グローバルに利用可能なデータを活用することが可能になった。
本稿では,7個のSDGにまたがる15個のベンチマークタスクの集合であるSustainBenchを紹介する。
論文 参考訳（メタデータ） (2021-11-08T18:59:04Z) - Challenges in biomarker discovery and biorepository for Gulf-war-disease
studies: a novel data platform solution [48.7576911714538]
ROSALINDという新しいデータプラットフォームを導入し、課題を克服し、健全で重要なコラボレーションを育み、科学的調査を進めます。
ROSALINDは、自己管理されたアクセシビリティ、リンク性、可積分性、中立性、信頼性を持つリソース有機体を指します。
過去12ヶ月のGWI研究におけるROSALINDの展開により、データ実験と分析のペースが加速し、多数のエラーソースが削除され、研究品質と生産性が向上しました。
論文 参考訳（メタデータ） (2021-02-04T20:38:30Z)
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。