Fugu-MT 論文翻訳(概要): German Tourism Knowledge Graph

論文の概要: German Tourism Knowledge Graph

arxiv url: http://arxiv.org/abs/2404.09587v1
Date: Mon, 15 Apr 2024 08:56:53 GMT
ステータス: 処理完了
システム内更新日: 2024-04-16 13:38:59.032315
Title: German Tourism Knowledge Graph
Title（参考訳）: ドイツの観光知識グラフ
Authors: Umutcan Serles, Elias Kärle, Richard Hunkel, Dieter Fensel,
Abstract要約: ドイツ観光知識グラフ(ドイツ語: German Tourism Knowledge Graph)は、ドイツの16州の観光関連データを統合し、様々な応用のためのキュレートされた知識ソースを提供する。 GUIとAPIを通じて公開されている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Tourism is one of the most critical sectors of the global economy. Due to its heterogeneous and fragmented nature, it provides one of the most suitable use cases for knowledge graphs. In this poster, we introduce the German Tourism Knowledge Graph that integrates tourism-related data from 16 federal states of Germany and various other sources to provide a curated knowledge source for various applications. It is publicly available through GUIs and an API.
Abstract（参考訳）: 観光業は世界経済において最も重要な産業の一つである。不均一で断片化された性質のため、知識グラフの最も適したユースケースの1つである。本ポスターでは,ドイツ16州の観光関連データを統合したジャーマン観光知識グラフを紹介する。 GUIとAPIを通じて公開されている。

関連論文リスト

Bridging Local Details and Global Context in Text-Attributed Graphs [62.522550655068336]
GraphBridgeは、コンテキストテキスト情報を活用することで、ローカルおよびグローバルな視点をブリッジするフレームワークである。提案手法は最先端性能を実現し,グラフ対応トークン削減モジュールは効率を大幅に向上し,スケーラビリティの問題を解消する。
論文参考訳（メタデータ） (2024-06-18T13:35:25Z)
Graph Domain Adaptation: Challenges, Progress and Prospects [61.9048172631524]
本稿では,グラフ間の効果的な知識伝達パラダイムとしてグラフ領域適応を提案する。 GDAは、ソースグラフとしてタスク関連のグラフを多数導入し、ソースグラフから学習した知識をターゲットグラフに適応させる。研究状況と課題について概説し、分類学を提案し、代表作の詳細を紹介し、今後の展望について論じる。
論文参考訳（メタデータ） (2024-02-01T02:44:32Z)
Assisted Knowledge Graph Authoring: Human-Supervised Knowledge Graph Construction from Natural Language [11.554941963601088]
WAKAは、ドメインの専門家が最も親しみやすいメディアを通して知識グラフを作成することができるWebアプリケーションである。歴史、物理学、医学などの分野からのドメイン固有の知識は、知識グラフにおいて著しく不足している。
論文参考訳（メタデータ） (2024-01-15T13:51:00Z)
Universal Knowledge Graph Embeddings [4.322134229203427]
本稿では,大規模知識源からユニバーサル知識グラフの埋め込みを学習することを提案する。私たちはDBpediaとWikidataをベースとした普遍的な埋め込みを、約1億5000万のエンティティ、1500万のリレーション、120億のトリプルで計算することで、私たちのアイデアをインスタンス化します。
論文参考訳（メタデータ） (2023-10-23T13:07:46Z)
Att-KGCN: Tourist Attractions Recommendation System by using Attention mechanism and Knowledge Graph Convolution Network [6.571146539235987]
我々は、改良された注意知識グラフ畳み込みネットワークモデル(Att-KGCN$)を提案する。注意層は比較的類似した位置を集約し、隣接するベクトルでそれらを表現する。観光客の好む選択によれば、このモデルはレコメンデーションシステムとして類似のスポットの確率を予測する。
論文参考訳（メタデータ） (2023-06-19T14:06:28Z)
Forecasting Inter-Destination Tourism Flow via a Hybrid Deep Learning Model [7.769537533798236]
ITF(Inter-Destination Tourism Flow, Inter-Destination Tourism Flow)は、目的地の役割の分類や訪問パターンのマイニングといった業務における観光管理に一般的に用いられている。 ITFの体積がマルチトラクションシステムの特徴にどのように影響されているかを理解するのは難しい。 ITF予測のためのグラフベースハイブリッドディープラーニングモデルを提案する。
論文参考訳（メタデータ） (2023-05-05T03:48:12Z)
A Survey of Knowledge Graph Reasoning on Graph Types: Static, Dynamic, and Multimodal [57.8455911689554]
知識グラフ推論(KGR)は、知識グラフに基づくマイニング論理則に基づいて、既存の事実から新しい事実を推論することを目的としている。質問応答やレコメンデーションシステムなど、多くのAIアプリケーションでKGを使うことに大きなメリットがあることが証明されている。
論文参考訳（メタデータ） (2022-12-12T08:40:04Z)
Graphonomy: Universal Image Parsing via Graph Reasoning and Transfer [140.72439827136085]
グラフィノノミー(Graphonomy)というグラフ推論・伝達学習フレームワークを提案する。人間の知識とラベル分類を、局所畳み込みを超えた中間グラフ表現学習に組み込んでいる。意味認識グラフの推論と転送を通じて、複数のドメインにおけるグローバルおよび構造化されたセマンティックコヒーレンシーを学習する。
論文参考訳（メタデータ） (2021-01-26T08:19:03Z)
Placepedia: Comprehensive Place Understanding with Multi-Faceted Annotations [79.80036503792985]
Placepediaは、240万のユニークな場所から3500万枚以上の写真を集めた大規模な場所データセットです。写真に加えて、各場所にはGDP、人口など、膨大な多面的な情報も付属している。このデータセットは大量のデータと豊富なアノテーションを持ち、様々な研究を行うことができる。
論文参考訳（メタデータ） (2020-07-07T20:17:01Z)
Knowledge Graphs on the Web -- an Overview [1.7778609937758327]
GoogleはまずKnowledge Graphという用語を作り、検索結果を改善する手段として宣伝した。知識グラフでは、現実世界のエンティティと/またはビジネスドメインはノードとして表現され、エッジによって接続される。また、DBpediaやWikidataなど、公開可能な知識グラフも多数存在する。
論文参考訳（メタデータ） (2020-03-02T08:58:21Z)
A Survey on Knowledge Graphs: Representation, Acquisition and Applications [89.78089494738002]
我々は,1)知識グラフ表現学習,2)知識獲得と完成,3)時間的知識グラフ,および4)知識認識アプリケーションに関する研究トピックをレビューする。知識獲得、特に知識グラフの完成、埋め込み方法、経路推論、論理ルール推論について概観する。メタラーニング、コモンセンス推論、時間的知識グラフなど、いくつかの新しいトピックを探求する。
論文参考訳（メタデータ） (2020-02-02T13:17:31Z)

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。