論文の概要: Ontology Embedding: A Survey of Methods, Applications and Resources

• arxiv url: http://arxiv.org/abs/2406.10964v1
• Date: Sun, 16 Jun 2024 14:49:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-18 19:42:48.781602
• Title: Ontology Embedding: A Survey of Methods, Applications and Resources
• Title（参考訳）: オントロジー埋め込み:方法論・応用・資源の調査
• Authors: Jiaoyan Chen, Olga Mashkova, Fernando Zhapa-Camacho, Robert Hoehndorf, Yuan He, Ian Horrocks,
• Abstract要約: オントロジはドメイン知識とメタデータを表現するために広く使われている。 1つの簡単な解決策は、統計分析と機械学習を統合することである。 埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
• 参考スコア（独自算出の注目度）: 54.3453925775069
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ontologies are widely used for representing domain knowledge and meta data, playing an increasingly important role in Information Systems, the Semantic Web, Bioinformatics and many other domains. However, logical reasoning that ontologies can directly support are quite limited in learning, approximation and prediction. One straightforward solution is to integrate statistical analysis and machine learning. To this end, automatically learning vector representation for knowledge of an ontology i.e., ontology embedding has been widely investigated in recent years. Numerous papers have been published on ontology embedding, but a lack of systematic reviews hinders researchers from gaining a comprehensive understanding of this field. To bridge this gap, we write this survey paper, which first introduces different kinds of semantics of ontologies, and formally defines ontology embedding from the perspectives of both mathematics and machine learning, as well as its property of faithfulness. Based on this, it systematically categorises and analyses a relatively complete set of over 80 papers, according to the ontologies and semantics that they aim at, and their technical solutions including geometric modeling, sequence modeling and graph propagation. This survey also introduces the applications of ontology embedding in ontology engineering, machine learning augmentation and life sciences, presents a new library mOWL, and discusses the challenges and future directions.
• Abstract（参考訳）: オントロジはドメインの知識とメタデータを表現するために広く使われており、情報システム、セマンティックウェブ、バイオインフォマティクス、その他多くのドメインにおいてますます重要な役割を担っている。 しかし、オントロジが直接サポートできるという論理的推論は、学習、近似、予測において非常に限られている。 1つの簡単な解決策は、統計分析と機械学習を統合することである。 この目的のために、オントロジーの知識のためのベクトル表現を自動的に学習する、すなわち、オントロジーの埋め込みは近年広く研究されている。 オントロジーの埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。 このギャップを埋めるために、我々はまず、オントロジーの異なる意味論を導入し、数学と機械学習の両方の観点から、オントロジーを正式に定義する。 これに基づいて、80以上の論文の比較的完全な集合を体系的に分類し分析し、それらが目指すオントロジーとセマンティクスと、幾何学的モデリング、シーケンスモデリング、グラフの伝播を含む彼らの技術的な解決策に従っている。 本調査では,オントロジーのオントロジー工学,機械学習,生命科学への組み込み,新たなライブラリmOWLの提示,課題と今後の方向性についても紹介する。

関連論文リスト

• The landscape of ontologies in materials science and engineering: A survey and evaluation [0.6472397166280683]
  本稿では,材料科学・工学におけるオントロジーの概要について述べる。 本稿で概説した要件に基づいて,60個の選択された用語を分析し,比較する。 その結果,MSEの強度と弱さに関する貴重な知見が得られた。
  論文  参考訳（メタデータ） (2024-08-12T09:53:58Z)
• A Short Review for Ontology Learning: Stride to Large Language Models Trend [1.7142222335232333]
  オントロジーは、Webアプリケーション内で共有される知識の形式的な表現を提供する。 新しいアプローチのトレンドは、オントロジー学習を強化するために、大きな言語モデル(LLM)に依存している。
  論文  参考訳（メタデータ） (2024-04-23T12:47:31Z)
• From Pixels to Insights: A Survey on Automatic Chart Understanding in the Era of Large Foundation Models [98.41645229835493]
  グラフ形式のデータの可視化は、データ分析において重要な役割を担い、重要な洞察を提供し、情報的な意思決定を支援する。 大規模言語モデルのような大規模な基盤モデルは、様々な自然言語処理タスクに革命をもたらした。 本研究は,自然言語処理,コンピュータビジョン,データ解析の分野における研究者や実践者の包括的資源として機能する。
  論文  参考訳（メタデータ） (2024-03-18T17:57:09Z)
• Towards Graph Foundation Models: A Survey and Beyond [66.37994863159861]
  ファンデーションモデルは、さまざまな人工知能アプリケーションにおいて重要なコンポーネントとして現れてきた。 基礎モデルがグラフ機械学習研究者を一般化し、適応させる能力は、新しいグラフ学習パラダイムを開発する可能性について議論する。 本稿では,グラフ基礎モデル(GFM)の概念を紹介し,その重要な特徴と基礎技術について概説する。
  論文  参考訳（メタデータ） (2023-10-18T09:31:21Z)
• Foundations and Recent Trends in Multimodal Machine Learning: Principles, Challenges, and Open Questions [68.6358773622615]
  本稿では,マルチモーダル機械学習の計算的基礎と理論的基礎について概説する。 本稿では,表現,アライメント,推論,生成,伝達,定量化という,6つの技術課題の分類法を提案する。 最近の技術的成果は、この分類のレンズを通して示され、研究者は新しいアプローチの類似点と相違点を理解することができる。
  論文  参考訳（メタデータ） (2022-09-07T19:21:19Z)
• Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
  政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。 既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。 既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
  論文  参考訳（メタデータ） (2021-11-09T13:30:34Z)
• Ontology-based Feature Selection: A Survey [0.6767885381740952]
  調査の目的は、テキスト、画像、データベース、専門知識からの知識抽出の重要な側面に関する洞察を提供することである。 提示された例は、医療、観光、機械工学、土木工学など、さまざまなアプリケーションドメインにまたがる。
  論文  参考訳（メタデータ） (2021-04-15T19:03:31Z)
• On the Complexity of Learning Description Logic Ontologies [14.650545418986058]
  オントロジーはドメイン知識、特に生命科学に関連する領域における知識を表現する一般的な方法である。 学習理論から正確な学習モデルとおそらく正しい学習モデルの形式的な仕様を提供します。
  論文  参考訳（メタデータ） (2021-03-25T09:18:12Z)
• Generating Knowledge Graphs by Employing Natural Language Processing and Machine Learning Techniques within the Scholarly Domain [1.9004296236396943]
  本稿では、自然言語処理と機械学習を利用して研究論文から実体や関係を抽出する新しいアーキテクチャを提案する。 本研究では,現在最先端の自然言語処理ツールとテキストマイニングツールを用いて,知識抽出の課題に取り組む。 セマンティックWebドメイン内の論文26,827件から抽出した109,105件のトリプルを含む科学知識グラフを作成した。
  論文  参考訳（メタデータ） (2020-10-28T08:31:40Z)
• A Survey of Embedding Space Alignment Methods for Language and Knowledge Graphs [77.34726150561087]
  単語,文,知識グラフの埋め込みアルゴリズムに関する現在の研究状況について調査する。 本稿では、関連するアライメント手法の分類と、この研究分野で使用されるベンチマークデータセットについて論じる。
  論文  参考訳（メタデータ） (2020-10-26T16:08:13Z)

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。