論文の概要: Standardizing Knowledge Engineering Practices with a Reference Architecture
- arxiv url: http://arxiv.org/abs/2404.03624v1
- Date: Thu, 4 Apr 2024 17:46:32 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-05 13:52:38.984389
- Title: Standardizing Knowledge Engineering Practices with a Reference Architecture
- Title（参考訳）: 参照アーキテクチャによる知識工学の実践の標準化
- Authors: Bradley P. Allen, Filip Ilievski,
- Abstract要約: 本稿では,知識工学の分野でのベストプラクティスを調和させるビジョンを提案する。
本稿では,ユーザニーズと繰り返し発生するシステムパターンを関連付けるために,参照アーキテクチャを反復的に設計,実装する方法について述べる。
- 参考スコア（独自算出の注目度）: 8.22187358555391
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Knowledge engineering is the process of creating and maintaining knowledge-producing systems. Throughout the history of computer science and AI, knowledge engineering workflows have been widely used given the importance of high-quality knowledge for reliable intelligent agents. Meanwhile, the scope of knowledge engineering, as apparent from its target tasks and use cases, has been shifting, together with its paradigms such as expert systems, semantic web, and language modeling. The intended use cases and supported user requirements between these paradigms have not been analyzed globally, as new paradigms often satisfy prior pain points while possibly introducing new ones. The recent abstraction of systemic patterns into a boxology provides an opening for aligning the requirements and use cases of knowledge engineering with the systems, components, and software that can satisfy them best. This paper proposes a vision of harmonizing the best practices in the field of knowledge engineering by leveraging the software engineering methodology of creating reference architectures. We describe how a reference architecture can be iteratively designed and implemented to associate user needs with recurring systemic patterns, building on top of existing knowledge engineering workflows and boxologies. We provide a six-step roadmap that can enable the development of such an architecture, providing an initial design and outcome of the definition of architectural scope, selection of information sources, and analysis. We expect that following through on this vision will lead to well-grounded reference architectures for knowledge engineering, will advance the ongoing initiatives of organizing the neurosymbolic knowledge engineering space, and will build new links to the software architectures and data science communities.
- Abstract（参考訳）: 知識工学は知識を生み出すシステムを作成し維持する過程である。
コンピュータ科学とAIの歴史を通じて、信頼できる知的エージェントに対する高品質な知識の重要性から、知識工学のワークフローが広く使われている。
一方、目標とするタスクやユースケースから明らかなように、知識工学の範囲は、エキスパートシステム、セマンティックウェブ、言語モデリングといったパラダイムとともにシフトしている。
これらのパラダイム間のユースケースとサポートされたユーザ要件は、世界中で分析されていない。
最近のボックスロジーへの体系的パターンの抽象化は、知識工学の要件とユースケースを、それらを最も満足できるシステム、コンポーネント、ソフトウェアと整合させるための開口部を提供する。
本稿では,参照アーキテクチャを作成するソフトウェア工学手法を活用することにより,知識工学の分野でのベストプラクティスを調和させるというビジョンを提案する。
本稿では,既存の知識工学ワークフローとボックスロジに基づいて,ユーザニーズと繰り返し発生するシステムパターンを関連付けるために,参照アーキテクチャを反復的に設計,実装する方法について述べる。
このようなアーキテクチャの開発を可能にする6段階のロードマップを提供し、アーキテクチャの範囲の定義、情報ソースの選択、分析の初期設計と結果を提供する。
このビジョンに従うことで、知識工学のためのしっかりとした参照アーキテクチャが実現し、ニューロシンボリックな知識工学分野を組織化するための継続的なイニシアチブを前進させ、ソフトウェアアーキテクチャやデータサイエンスコミュニティへの新たなリンクを構築することを期待しています。
関連論文リスト
- Procedure Model for Building Knowledge Graphs for Industry Applications [0.0]
グラフベースの未接続情報とドメイン知識の統合は、新たな洞察を提供する。
本稿では,RDF知識グラフ構築のための実践的なステップバイステッププロシージャモデルを提案する。
論文 参考訳（メタデータ） (2024-09-20T11:46:37Z) - Abstraction Engineering [6.091612632147657]
抽象化はすでに、ソフトウェア開発に関わる多くの分野で使われています。
本稿では、これらの新しい課題を考察し、抽象のレンズを通してそれらに取り組むことを提案する。
抽象化エンジニアリングの基礎について議論し、主要な課題を特定し、これらの課題に対処するための研究課題を強調し、将来の研究のロードマップを作成します。
論文 参考訳（メタデータ） (2024-08-26T07:56:32Z) - Charting a Path to Efficient Onboarding: The Role of Software
Visualization [49.1574468325115]
本研究は,ソフトウェアビジュアライゼーションツールを用いたマネージャ,リーダ,開発者の親しみやすさを探求することを目的としている。
本手法は, 質問紙調査と半構造化面接を用いて, 実践者から収集したデータの量的, 質的分析を取り入れた。
論文 参考訳（メタデータ） (2024-01-17T21:30:45Z) - Architecture Knowledge Representation and Communication Industry Survey [0.0]
我々は、アーキテクチャ知識の現在の実践を理解し、将来ソフトウェアアーキテクチャの持続可能性に取り組むために持続可能性をどのように適用できるかを探求することを目的としている。
オランダの著名な銀行で働く45人の建築家から回答を得た。
論文 参考訳（メタデータ） (2023-09-20T18:17:16Z) - Machine Learning-Enabled Software and System Architecture Frameworks [48.87872564630711]
データサイエンスと機械学習に関連する関心事、例えばデータサイエンティストやデータエンジニアの利害関係者は、まだ既存のアーキテクチャフレームワークには含まれていない。
10か国25以上の組織から61名の被験者を対象に調査を行った。
論文 参考訳（メタデータ） (2023-08-09T21:54:34Z) - Identifying and Consolidating Knowledge Engineering Requirements [4.311189028205597]
本稿では,主要なソフトウェア手法を用いて参照アーキテクチャを開発することで,4つの課題に対処することを提案する。
異なる利害関係者や時代の要求を調査することにより、参照アーキテクチャを評価する上で重要な品質特性を23つ特定する。
本稿では、品質特性の優先順位付け、相補的な強みを持つコンポーネントの統合、社会技術的要求の欠如など、包括的な参照アーキテクチャへの次のステップについて論じる。
論文 参考訳（メタデータ） (2023-06-27T00:26:15Z) - UNTER: A Unified Knowledge Interface for Enhancing Pre-trained Language
Models [100.4659557650775]
構造化知識と非構造化知識の両方を活用する統一的な視点を提供するために、統一知識インターフェイスUNTERを提案する。
どちらの形態の知識も注入され、UNTERは一連の知識駆動NLPタスクの継続的な改善を得る。
論文 参考訳（メタデータ） (2023-05-02T17:33:28Z) - Recommender Systems for Configuration Knowledge Engineering [55.41644538483948]
レコメンダーシステムがナレッジベースの開発とメンテナンスプロセスをどのようにサポートできるかを示します。
ユーザ中心の構成知識組織の重要性を示す実証研究の成果を報告する。
論文 参考訳（メタデータ） (2021-02-16T12:29:54Z) - Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。
私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。
当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文 参考訳（メタデータ） (2021-01-11T15:54:48Z) - Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。
現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。
我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
論文 参考訳（メタデータ） (2020-07-13T20:30:26Z) - Synergizing Domain Expertise with Self-Awareness in Software Systems: A
Patternized Architecture Guideline [11.155059219430207]
本稿では、ソフトウェアシステムにおける自己適応性を高めるために、ドメインの専門知識の相乗化と自己認識の重要性を強調する。
我々は、DBASESと呼ばれる概念、豊富なパターン、方法論の総合的なフレームワークを提示し、エンジニアに原則化されたガイドラインを提供する。
論文 参考訳（メタデータ） (2020-01-20T12:17:22Z)
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。