論文の概要: Building A Knowledge Graph to Enrich ChatGPT Responses in Manufacturing Service Discovery
- arxiv url: http://arxiv.org/abs/2404.06571v1
- Date: Tue, 9 Apr 2024 18:46:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-11 16:18:39.528678
- Title: Building A Knowledge Graph to Enrich ChatGPT Responses in Manufacturing Service Discovery
- Title（参考訳）: 製造サービスディスカバリにおけるチャットGPT応答強化のための知識グラフの構築
- Authors: Yunqing Li, Binil Starly,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.5919433278490629
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Sourcing and identification of new manufacturing partners is crucial for manufacturing system integrators to enhance agility and reduce risk through supply chain diversification in the global economy. The advent of advanced large language models has captured significant interest, due to their ability to generate comprehensive and articulate responses across a wide range of knowledge domains. However, the system often falls short in accuracy and completeness when responding to domain-specific inquiries, particularly in areas like manufacturing service discovery. This research explores the potential of leveraging Knowledge Graphs in conjunction with ChatGPT to streamline the process for prospective clients in identifying small manufacturing enterprises. In this study, we propose a method that integrates bottom-up ontology with advanced machine learning models to develop a Manufacturing Service Knowledge Graph from an array of structured and unstructured data sources, including the digital footprints of small-scale manufacturers throughout North America. The Knowledge Graph and the learned graph embedding vectors are leveraged to tackle intricate queries within the digital supply chain network, responding with enhanced reliability and greater interpretability. The approach highlighted is scalable to millions of entities that can be distributed to form a global Manufacturing Service Knowledge Network Graph that can potentially interconnect multiple types of Knowledge Graphs that span industry sectors, geopolitical boundaries, and business domains. The dataset developed for this study, now publicly accessible, encompasses more than 13,000 manufacturers' weblinks, manufacturing services, certifications, and location entity types.
- Abstract（参考訳）: 製造システムインテグレータにとって、新たな製造パートナーの売却と特定は、グローバル経済におけるサプライチェーンの多様化によるアジリティの向上とリスク低減に不可欠である。
先進的な大規模言語モデルの出現は、幅広い知識領域にわたる包括的で明瞭な応答を生成する能力のために、大きな関心を集めている。
しかし、特に製造サービス発見のような分野において、ドメイン固有の問い合わせに応答する場合、システムは正確さと完全性に欠けることが多い。
本研究は、ChatGPTと連携して知識グラフを活用することにより、小規模製造業の特定におけるクライアントのプロセスの合理化を図るものである。
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て,北米の小規模製造業者のデジタルフットプリントを含む,構造化および非構造化データソースの配列から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タを利用して、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し、信頼性の向上と解釈可能性の向上に対応する。
このアプローチは、業界、地政学的境界、ビジネスドメインにまたがる複数のタイプの知識グラフを相互接続できる、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可能な数百万のエンティティにスケーラブルである。
この研究のために開発されたデータセットは、現在公開されており、13,000以上のメーカーのWebリンク、製造サービス、認証、位置エンティティタイプを含んでいる。
関連論文リスト
- GraphAide: Advanced Graph-Assisted Query and Reasoning System [0.04999814847776096]
多様なソースから知識グラフ(KG)を構築し,結果のKGに対してクエリと推論を行う,高度なクエリと推論システムであるGraphAideを導入する。
GraphAideはLarge Language Models(LLM)を利用して、ドメイン固有のデジタルアシスタントを迅速に開発する。
論文 参考訳（メタデータ） (2024-10-29T07:25:30Z) - Supply Chain Network Extraction and Entity Classification Leveraging Large Language Models [5.205252810216621]
我々は,大規模言語モデル(LLM)を用いた土木分野向けサプライチェーングラフを開発する。
LLMを微調整してサプライチェーングラフ内のエンティティを分類し、それらの役割と関係に関する詳細な洞察を提供する。
我々の貢献には、土木分野向けのサプライチェーングラフの開発や、サプライチェーンネットワークのエンティティ分類と理解を強化する微調整LCMモデルなどが含まれます。
論文 参考訳（メタデータ） (2024-10-16T21:24:13Z) - Enhancing Supply Chain Visibility with Knowledge Graphs and Large Language Models [49.898152180805454]
本稿では,サプライチェーンの可視性を高めるために,知識グラフ(KG)と大規模言語モデル(LLM)を活用した新しいフレームワークを提案する。
我々のゼロショットLPM駆動アプローチは、様々な公共情報源からのサプライチェーン情報の抽出を自動化する。
NERとREタスクの精度が高く、複雑な多層供給ネットワークを理解する効果的なツールを提供する。
論文 参考訳（メタデータ） (2024-08-05T17:11:29Z) - PIN: A Knowledge-Intensive Dataset for Paired and Interleaved Multimodal Documents [58.35492519636351]
PINフォーマットは、知識の強度、スケーラビリティ、多様なトレーニングモダリティのサポートの3つの基本原則に基づいて構築されている。
PIN-14Mは中国語と英語の多種多様な情報源から得られた1400万のサンプルからなるオープンソースデータセットである。
論文 参考訳（メタデータ） (2024-06-20T01:43:08Z) - Manufacturing Service Capability Prediction with Graph Neural Networks [11.15269328474278]
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。
論文 参考訳（メタデータ） (2024-03-25T22:39:47Z) - Exploring Large Language Model for Graph Data Understanding in Online
Job Recommendations [63.19448893196642]
本稿では,大規模言語モデルが提供するリッチな文脈情報と意味表現を利用して行動グラフを解析する新しいフレームワークを提案する。
この機能を利用することで、個々のユーザに対してパーソナライズされた、正確なジョブレコメンデーションが可能になる。
論文 参考訳（メタデータ） (2023-07-10T11:29:41Z) - 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) - Time-Series Pattern Recognition in Smart Manufacturing Systems: A
Literature Review and Ontology [3.5097082077065003]
本稿では,製造における時系列パターン認識の現状について,構造化された視点を提供する。
それは、実用的で実用的なガイドラインと、時系列分析の進歩のための推奨を提供することを目的としている。
論文 参考訳（メタデータ） (2023-01-29T17:18:59Z) - Graph signal processing for machine learning: A review and new
perspectives [57.285378618394624]
本稿では,GSPの概念とツール,例えばグラフフィルタや変換による新しい機械学習アルゴリズム開発への重要な貢献について概説する。
本稿では,データ構造とリレーショナル事前の活用,データと計算効率の向上,モデル解釈可能性の向上について論じる。
我々は,応用数学と信号処理の橋渡しとなるGSP技術と,他方の機械学習とネットワーク科学の橋渡しとなる新たな視点を提供する。
論文 参考訳（メタデータ） (2020-07-31T13:21:33Z) - ENT-DESC: Entity Description Generation by Exploring Knowledge Graph [53.03778194567752]
実際には、出力記述が最も重要な知識のみをカバーするため、入力知識は十分以上である可能性がある。
我々は、KG-to-textにおけるこのような実践的なシナリオの研究を容易にするために、大規模で挑戦的なデータセットを導入する。
本稿では,元のグラフ情報をより包括的に表現できるマルチグラフ構造を提案する。
論文 参考訳（メタデータ） (2020-04-30T14:16:19Z)
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。