論文の概要: OntoForms: User interface structure from a domain ontology

• arxiv url: http://arxiv.org/abs/2408.02130v1
• Date: Sun, 4 Aug 2024 19:57:28 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-06 15:05:52.014563
• Title: OntoForms: User interface structure from a domain ontology
• Title（参考訳）: OntoForms: ドメインオントロジーからのユーザインターフェース構造
• Authors: Bruno Szilagyi, Edelweis Rohrer, Regina Motz,
• Abstract要約: 本稿では,ドメインオントロジーをポップアップするユーザインタフェース構造を生成するアルゴリズムを提案する。 従来のアプローチとは異なり、このメソッドは設定なしで実装できる。 これは、無関係なクラスを隠蔽し、自動的にパーソナライズできるようにする、使い易い設定メカニズムを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a software component that generates a user interface structure for populating a domain ontology. The core of this work is an algorithm that takes an ontology and returns a structure describing the user interface. The component also provides functions for populating the ontology and editing existing individuals. Unlike previous approaches, this method can be implemented without any configuration. Additionally, it offers an easy-to-use configuration mechanism that allows irrelevant classes to be hidden and automatically populated. What distinguishes this work is that, instead of exploring the ontology using syntactic methods or queries, our algorithm employs services that implement description logic inference mechanisms. This work illustrates the proposed approach using the well-known wine ontology.
• Abstract（参考訳）: 本稿では,ドメインオントロジーをポップアップするユーザインタフェース構造を生成するソフトウェアコンポーネントを提案する。 この作業の中核は、オントロジーを取り、ユーザーインターフェイスを記述する構造を返すアルゴリズムである。 このコンポーネントは、オントロジーをポップアップし、既存の個人を編集する機能も提供する。 従来のアプローチとは異なり、このメソッドは設定なしで実装できる。 さらに、無関係なクラスを隠蔽し、自動的に集約できるようにする、使いやすく設定できるメカニズムも提供する。 この研究を際立たせるのは、構文的手法やクエリを使ってオントロジーを探索する代わりに、我々のアルゴリズムは記述論理推論機構を実装するサービスを採用している点である。 この研究は、よく知られたワインオントロジーを用いて提案されたアプローチを例証する。

関連論文リスト

• End-to-End Ontology Learning with Large Language Models [11.755755139228219]
  大規模言語モデル(LLM)は、オントロジー学習の様々なサブタスクを解決するために応用されている。 我々は、オントロジーの分類学的バックボーンをスクラッチから構築する汎用的でスケーラブルな方法であるOLLMによって、このギャップに対処する。 標準的なメトリクスとは対照的に、私たちのメトリクスは、グラフ間のより堅牢な構造的距離測定を定義するためにディープラーニング技術を使用します。 私たちのモデルは、arXivのような新しいドメインに効果的に適用できます。
  論文  参考訳（メタデータ） (2024-10-31T02:52:39Z)
• Entity Identifier: A Natural Text Parsing-based Framework For Entity Relation Extraction [0.0]
  自然言語処理技術を用いて,要求記述から構造化情報を抽出する。 このプロセスを容易にするために,エンティティと関係情報を抽出するパイプラインを導入する。 また、我々のアプローチの有効性を評価するデータセットも作成します。
  論文  参考訳（メタデータ） (2023-07-10T20:30:27Z)
• Reorganizing Educational Institutional Domain using Faceted Ontological Principles [0.0]
  本研究は,図書館分類システムと言語手法の違いが,特定の分野にどのような影響を及ぼすかを明らかにすることを目的とする。 特定のドメイン固有のオントロジーには、知識表現と言語を使用します。 この構造は問題解決の助けとなるだけでなく、複雑なクエリを簡単に扱えることを示すのにも役立ちます。
  論文  参考訳（メタデータ） (2023-06-17T09:06:07Z)
• Lattice-preserving $\mathcal{ALC}$ ontology embeddings with saturation [50.05281461410368]
  OWL表現の埋め込みを生成するため,順序保存型埋め込み法を提案する。 本手法は,いくつかの知識ベース完了タスクにおいて,最先端の組込み手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-11T22:27:51Z)
• Open Relation and Event Type Discovery with Type Abstraction [80.92395639632383]
  ここでは、モデルを一般化し、型を命名するよう促される型抽象化の考え方を紹介します。 推論された名前の類似性を利用してクラスタを誘導する。 複数の関係抽出およびイベントデータセット抽出に関する実験は、型抽象化アプローチの利点を一貫して示している。
  論文  参考訳（メタデータ） (2022-11-30T23:47:49Z)
• Unsupervised Learning of Hierarchical Conversation Structure [50.29889385593043]
  ゴール指向の会話は、しばしば意味のあるサブ対話構造を持つが、ドメインに依存しやすい。 この研究は、ターンやサブダイアログのセグメントラベルを含む階層的な会話構造を学習するための教師なしのアプローチを導入する。 復号化構造は3つの会話レベル理解タスクのための言語ニューラルネットワークの強化に有用であることが示されている。
  論文  参考訳（メタデータ） (2022-05-24T17:52:34Z)
• Structure Extraction in Task-Oriented Dialogues with Slot Clustering [94.27806592467537]
  タスク指向対話では、対話構造はしばしば対話状態間の遷移グラフと見なされている。 本稿では,タスク指向対話における構造抽出のための簡易かつ効果的な手法を提案する。
  論文  参考訳（メタデータ） (2022-02-28T20:18:12Z)
• OntoSeer -- A Recommendation System to Improve the Quality of Ontologies [1.713291434132985]
  オントロジー開発者は、含めるべきクラス、プロパティ、公理の選択に関するいくつかの疑問に答えなければならない。 オントロジーの発展において再利用できる用語(類と性質)の語彙を知ることは困難である。 OntoSeerはオントロジー開発プロセスを監視し、開発中の品質を改善するためにリアルタイムで提案する。
  論文  参考訳（メタデータ） (2022-02-04T13:28:13Z)
• Class Introspection: A Novel Technique for Detecting Unlabeled Subclasses by Leveraging Classifier Explainability Methods [0.0]
  潜在構造はデータセットの分析を行う上で重要なステップである。 インスタンス説明手法を利用することで、既存の分類器を拡張して潜在クラスを検出することができる。 本稿では,分類器を自動解析するパイプラインと,この手法による結果を対話的に探索するWebアプリケーションについても述べる。
  論文  参考訳（メタデータ） (2021-07-04T14:58:29Z)
• RICE: Refining Instance Masks in Cluttered Environments with Graph Neural Networks [53.15260967235835]
  本稿では,インスタンスマスクのグラフベース表現を利用して,そのような手法の出力を改良する新しいフレームワークを提案する。 我々は、セグメンテーションにスマートな摂動をサンプリングできるディープネットワークと、オブジェクト間の関係をエンコード可能なグラフニューラルネットワークを訓練し、セグメンテーションを評価する。 本稿では,本手法によって生成された不確実性推定を用いてマニピュレータを誘導し,乱れたシーンを効率的に理解するアプリケーションについて紹介する。
  論文  参考訳（メタデータ） (2021-06-29T20:29:29Z)
• Weakly-Supervised Semantic Segmentation via Sub-category Exploration [73.03956876752868]
  我々は、オブジェクトの他の部分に注意を払うために、ネットワークを強制する単純で効果的なアプローチを提案する。 具体的には、画像の特徴をクラスタリングして、アノテーション付き親クラスごとに擬似サブカテゴリラベルを生成する。 提案手法の有効性を検証し,提案手法が最先端手法に対して良好に機能することを示す。
  論文  参考訳（メタデータ） (2020-08-03T20:48:31Z)

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。

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。