論文の概要: Manufacturing Service Capability Prediction with Graph Neural Networks
- arxiv url: http://arxiv.org/abs/2403.17239v1
- Date: Mon, 25 Mar 2024 22:39:47 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-27 19:16:39.633382
- Title: Manufacturing Service Capability Prediction with Graph Neural Networks
- Title(参考訳): グラフニューラルネットワークによる製造サービス能力予測
- Authors: Yunqing Li, Xiaorui Liu, Binil Starly,
- Abstract要約: 本研究では,知識グラフ上でのサービス機能識別のためのグラフニューラルネットワークを用いた手法を提案する。
識別性能を向上させるために,グラフノードの近傍から情報を集約する手法を提案する。
- 参考スコア(独自算出の注目度): 11.15269328474278
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In the current landscape, the predominant methods for identifying manufacturing capabilities from manufacturers rely heavily on keyword matching and semantic matching. However, these methods often fall short by either overlooking valuable hidden information or misinterpreting critical data. Consequently, such approaches result in an incomplete identification of manufacturers' capabilities. This underscores the pressing need for data-driven solutions to enhance the accuracy and completeness of manufacturing capability identification. To address the need, this study proposes a Graph Neural Network-based method for manufacturing service capability identification over a knowledge graph. To enhance the identification performance, this work introduces a novel approach that involves aggregating information from the graph nodes' neighborhoods as well as oversampling the graph data, which can be effectively applied across a wide range of practical scenarios. Evaluations conducted on a Manufacturing Service Knowledge Graph and subsequent ablation studies demonstrate the efficacy and robustness of the proposed approach. This study not only contributes a innovative method for inferring manufacturing service capabilities but also significantly augments the quality of Manufacturing Service Knowledge Graphs.
- Abstract(参考訳): 現在の状況では、製造業者から製造能力を識別する主要な方法はキーワードマッチングとセマンティックマッチングに大きく依存している。
しかし、これらの手法は、貴重な隠れ情報を見落としたり、重要なデータを誤解釈することで、しばしば不足する。
結果として、そのようなアプローチは製造業者の能力を不完全に識別する結果となった。
このことは、製造能力の同定の正確性と完全性を高めるために、データ駆動型ソリューションの必要性を浮き彫りにしている。
そこで本研究では,知識グラフ上でのサービス機能識別を実現するために,グラフニューラルネットワークを用いた手法を提案する。
識別性能を向上させるため,本研究では,グラフノードの近傍からの情報収集や,グラフデータのオーバーサンプリングを行う新しい手法を導入する。
製造サービス知識グラフおよびその後のアブレーション研究に基づく評価は,提案手法の有効性とロバスト性を示すものである。
本研究は, 製造サービス能力の推測方法として革新的なだけでなく, 製造サービス知識グラフの品質向上にも寄与する。
関連論文リスト
- Building A Knowledge Graph to Enrich ChatGPT Responses in Manufacturing Service Discovery [0.5919433278490629]
本研究では,ボトムアップオントロジーと高度な機械学習モデルを統合し,製造サービス知識グラフを開発する手法を提案する。
知識グラフと学習グラフ埋め込みベクトルを利用して、デジタルサプライチェーンネットワーク内の複雑なクエリに対処する。
このアプローチは、グローバルな製造サービス知識ネットワークグラフを形成するために分散できる数百万のエンティティにスケーラブルである。
論文 参考訳(メタデータ) (2024-04-09T18:46:46Z) - GraphGuard: Detecting and Counteracting Training Data Misuse in Graph
Neural Networks [69.97213941893351]
グラフデータ分析におけるグラフニューラルネットワーク(GNN)の出現は、モデルトレーニング中のデータ誤用に関する重要な懸念を引き起こしている。
既存の手法は、データ誤用検出または緩和のいずれかに対応しており、主にローカルGNNモデル用に設計されている。
本稿では,これらの課題に対処するため,GraphGuardという先駆的なアプローチを導入する。
論文 参考訳(メタデータ) (2023-12-13T02:59:37Z) - Leveraging Knowledge Graphs for Orphan Entity Allocation in Resume
Processing [1.3654846342364308]
本研究では,知識グラフを用いた履歴処理における孤児実体割当の新しい手法を提案する。
その目的は、履歴書内の孤児エンティティのバケット化を成功させることで、ジョブスクリーニングプロセスの自動化と効率化である。
論文 参考訳(メタデータ) (2023-10-21T19:10:30Z) - GraphCloak: Safeguarding Task-specific Knowledge within Graph-structured Data from Unauthorized Exploitation [61.80017550099027]
グラフニューラルネットワーク(GNN)は、さまざまな分野でますます普及している。
個人データの不正利用に関する懸念が高まっている。
近年の研究では、このような誤用から画像データを保護する効果的な方法として、知覚不能な毒殺攻撃が報告されている。
本稿では,グラフデータの不正使用に対する保護のためにGraphCloakを導入する。
論文 参考訳(メタデータ) (2023-10-11T00:50:55Z) - A Survey of Graph Unlearning [11.841882902141696]
グラフアンラーニングは、トレーニングされたモデルからセンシティブなデータトレースを取り除き、忘れられる権利を維持する手段を提供する。
本稿では,多種多様な方法論を包含したグラフアンラーニング手法の体系的レビューを行う。
我々は、ソーシャルネットワーク、敵対的設定、リソース制約のある環境など、さまざまな領域にわたるグラフアンラーニングの汎用性について検討する。
論文 参考訳(メタデータ) (2023-08-23T20:50:52Z) - Iterative Zero-Shot LLM Prompting for Knowledge Graph Construction [104.29108668347727]
本稿では,最新の生成型大規模言語モデルの可能性を活用する,革新的な知識グラフ生成手法を提案する。
このアプローチは、新しい反復的なゼロショットと外部知識に依存しない戦略を含むパイプラインで伝達される。
我々は、我々の提案がスケーラブルで多目的な知識グラフ構築に適したソリューションであり、異なる新しい文脈に適用できると主張している。
論文 参考訳(メタデータ) (2023-07-03T16:01:45Z) - Bures-Wasserstein Means of Graphs [60.42414991820453]
本研究では,スムーズなグラフ信号分布の空間への埋め込みを通じて,グラフ平均を定義する新しいフレームワークを提案する。
この埋め込み空間において平均を求めることにより、構造情報を保存する平均グラフを復元することができる。
我々は,新しいグラフの意味の存在と特異性を確立し,それを計算するための反復アルゴリズムを提供する。
論文 参考訳(メタデータ) (2023-05-31T11:04:53Z) - Bayesian Graph Contrastive Learning [55.36652660268726]
本稿では,ランダムな拡張がエンコーダにつながることを示すグラフコントラスト学習手法の新たな視点を提案する。
提案手法は,各ノードを決定論的ベクトルに埋め込む既存の手法とは対照的に,各ノードを潜在空間の分布で表現する。
いくつかのベンチマークデータセットにおける既存の最先端手法と比較して,性能が大幅に向上したことを示す。
論文 参考訳(メタデータ) (2021-12-15T01:45:32Z) - Data Considerations in Graph Representation Learning for Supply Chain
Networks [64.72135325074963]
本稿では,隠れた依存関係リンクを明らかにするためのグラフ表現学習手法を提案する。
本稿では,グローバルな自動車サプライチェーンネットワークのリンク予測における最先端の性能向上を実証する。
論文 参考訳(メタデータ) (2021-07-22T12:28:15Z) - Knowledge Graphs in Manufacturing and Production: A Systematic
Literature Review [0.0]
製造と生産におけるナレッジグラフは、生産ラインをより効率的で柔軟にし、高品質の出力を目指しています。
これにより、知識グラフは企業が産業の4.0の目標に達するのを魅力的にしている。
この分野の既存の研究は非常に予備的であり、ナレッジグラフをどのように適用できるかを分析する研究がさらに必要である。
論文 参考訳(メタデータ) (2020-12-16T16:15:28Z) - Goal-directed graph construction using reinforcement learning [3.291429094499946]
我々は、中央エージェントが試行錯誤によってトポロジを生成する決定過程としてグラフの構築を定式化する。
グラフ構築と改善戦略を学習するための強化学習とグラフニューラルネットワークに基づくアルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-01-30T12:11:45Z)
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。