Fugu-MT 論文翻訳(概要): From Data Complexity to User Simplicity: A Framework for Linked Open Data Reconciliation and Serendipitous Discovery

論文の概要: From Data Complexity to User Simplicity: A Framework for Linked Open Data Reconciliation and Serendipitous Discovery

arxiv url: http://arxiv.org/abs/2405.15520v1
Date: Fri, 24 May 2024 13:03:20 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-11 00:02:01.735574
Title: From Data Complexity to User Simplicity: A Framework for Linked Open Data Reconciliation and Serendipitous Discovery
Title（参考訳）: データ複雑さからユーザ単純性: リンクされたオープンデータリコンシリエーションとセレンディピティー発見のためのフレームワーク
Authors: Marco Grasso, Giulia Renda, Marilena Daquino,
Abstract要約: この記事では、Linked Open Dataソースの整列と、セレンディピティーな発見のためのユーザフレンドリーなインターフェースを提供するWebポータルを作成するための、新しいソフトウェアソリューションを紹介します。本稿では,Polifonia Webポータルをモチベーションシナリオとケーススタディとして提示し,音楽遺産領域におけるデータ和解や寛大なインターフェースの提供といった研究課題に対処する。
参考スコア（独自算出の注目度）: 0.7373617024876725
License:
Abstract: This article introduces a novel software solution to create a Web portal to align Linked Open Data sources and provide user-friendly interfaces for serendipitous discovery. We present the Polifonia Web portal as a motivating scenario and case study to address research problems such as data reconciliation and serving generous interfaces in the music heritage domain.
Abstract（参考訳）: この記事では、Linked Open Dataソースの整列と、セレンディピティーな発見のためのユーザフレンドリーなインターフェースを提供するWebポータルを作成するための、新しいソフトウェアソリューションを紹介します。本稿では,Polifonia Webポータルをモチベーションシナリオとケーススタディとして提示し,音楽遺産領域におけるデータ和解や寛大なインターフェースの提供といった研究課題に対処する。

関連論文リスト

A Framework for Exploring Federated Community Detection [4.358468367889626]
フェデレーション・ラーニング(Federated Learning)は、データの常駐性やプライバシの制約を維持しながら、クライアントのネットワークにおける機械学習である。コミュニティ検出は、グラフ構造化データ内のノードのクラスタの教師なし発見である。私たちは、分散データによって導入されたパフォーマンスのギャップを示す、既存のデータセットをまたいだ初期実験を行います。
論文参考訳（メタデータ） (2023-12-14T15:13:04Z)
UFed-GAN: A Secure Federated Learning Framework with Constrained Computation and Unlabeled Data [50.13595312140533]
本稿では,UFed-GAN: Unsupervised Federated Generative Adversarial Networkを提案する。実験により,プライバシを保ちながら,限られた計算資源とラベルなしデータに対処するUFed-GANの強い可能性を示す。
論文参考訳（メタデータ） (2023-08-10T22:52:13Z)
Melody: A Platform for Linked Open Data Visualisation and Curated Storytelling [0.0]
MELODYはLinked Open Dataに基づいたデータストーリーをオーサリングするためのWebインターフェースである。データの普及が不可欠であるプロジェクトにおいて、その潜在的影響を示す。
論文参考訳（メタデータ） (2023-06-26T16:39:24Z)
Using Textual Interface to Align External Knowledge for End-to-End Task-Oriented Dialogue Systems [53.38517204698343]
本稿では,外部知識の整合化と冗長なプロセスの排除にテキストインタフェースを用いた新しいパラダイムを提案する。我々は、MultiWOZ-Remakeを用いて、MultiWOZデータベース用に構築されたインタラクティブテキストインタフェースを含む、我々のパラダイムを実演する。
論文参考訳（メタデータ） (2023-05-23T05:48:21Z)
TSGM: A Flexible Framework for Generative Modeling of Synthetic Time Series [61.436361263605114]
時系列データは、研究者と産業組織間のデータの共有を妨げるため、しばしば不足または非常に敏感である。本稿では,合成時系列の生成モデリングのためのオープンソースフレームワークである時系列生成モデリング(TSGM)を紹介する。
論文参考訳（メタデータ） (2023-05-19T10:11:21Z)
PS-FedGAN: An Efficient Federated Learning Framework Based on Partially Shared Generative Adversarial Networks For Data Privacy [56.347786940414935]
分散計算のための効果的な学習パラダイムとして、フェデレートラーニング(FL)が登場した。本研究は,部分的なGANモデル共有のみを必要とする新しいFLフレームワークを提案する。 PS-FedGANと名付けられたこの新しいフレームワークは、異種データ分散に対処するためのGANリリースおよびトレーニングメカニズムを強化する。
論文参考訳（メタデータ） (2023-05-19T05:39:40Z)
Synthcity: facilitating innovative use cases of synthetic data in different data modalities [86.52703093858631]
Synthcityは、MLフェアネス、プライバシ、拡張における合成データの革新的なユースケースのための、オープンソースのソフトウェアパッケージである。 Synthcityは、実践者に対して、合成データにおける最先端の研究とツールへの単一のアクセスポイントを提供する。
論文参考訳（メタデータ） (2023-01-18T14:49:54Z)
WebFed: Cross-platform Federated Learning Framework Based on Web Browser with Local Differential Privacy [0.7837881800517109]
WebFedはブラウザの機能を利用する新しいブラウザベースのフェデレーション学習フレームワークである。提案するWebFedフレームワークの性能を評価するため,異種デバイスを用いた実験を行った。
論文参考訳（メタデータ） (2021-10-22T08:18:41Z)
iFacetSum: Coreference-based Interactive Faceted Summarization for Multi-Document Exploration [63.272359227081836]
iFacetSumは、インタラクティブな要約と顔検索を統合している。微粒なファセットは、クロスドキュメントのコア参照パイプラインに基づいて自動的に生成される。
論文参考訳（メタデータ） (2021-09-23T20:01:11Z)
Relational Data Synthesis using Generative Adversarial Networks: A Design Space Exploration [17.430665165811995]
統合されたGANベースのフレームワークを導入し、フレームワークの各コンポーネントに対する設計ソリューションの空間を定義します。設計空間を探索する広範な実験を行い、従来のデータ合成手法と比較する。 GANはリレーショナルデータ合成に非常に有望であり、適切な設計ソリューションを選択するためのガイダンスを提供する。
論文参考訳（メタデータ） (2020-08-28T17:41:11Z)

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。