論文の概要: The Ontoverse: Democratising Access to Knowledge Graph-based Data Through a Cartographic Interface
- arxiv url: http://arxiv.org/abs/2408.03339v1
- Date: Mon, 22 Jul 2024 10:29:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-19 04:39:15.189363
- Title: The Ontoverse: Democratising Access to Knowledge Graph-based Data Through a Cartographic Interface
- Title（参考訳）: グラフィカルインタフェースによる知識グラフデータへのアクセスの民主化
- Authors: Johannes Zimmermann, Dariusz Wiktorek, Thomas Meusburger, Miquel Monge-Dalmau, Antonio Fabregat, Alexander Jarasch, Günter Schmidt, Jorge S. Reis-Filho, T. Ian Simpson,
- Abstract要約: 我々は地理的視覚化と階層的に構造化されたドメイン知識に依存したデータナビゲーションにユニークなアプローチを開発した。
提案手法は自然言語処理技術を用いて,基礎となるデータから名前付きエンティティを抽出し,関連する意味領域参照やナビゲーション構造に対して正規化する。
これにより、エンドユーザは、ニーズに関連するエンティティを識別し、広範なグラフ分析にアクセスできるようになる。
- 参考スコア（独自算出の注目度）: 33.861478826378054
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As the number of scientific publications and preprints is growing exponentially, several attempts have been made to navigate this complex and increasingly detailed landscape. These have almost exclusively taken unsupervised approaches that fail to incorporate domain knowledge and lack the structural organisation required for intuitive interactive human exploration and discovery. Especially in highly interdisciplinary fields, a deep understanding of the connectedness of research works across topics is essential for generating insights. We have developed a unique approach to data navigation that leans on geographical visualisation and uses hierarchically structured domain knowledge to enable end-users to explore knowledge spaces grounded in their desired domains of interest. This can take advantage of existing ontologies, proprietary intelligence schemata, or be directly derived from the underlying data through hierarchical topic modelling. Our approach uses natural language processing techniques to extract named entities from the underlying data and normalise them against relevant domain references and navigational structures. The knowledge is integrated by first calculating similarities between entities based on their shared extracted feature space and then by alignment to the navigational structures. The result is a knowledge graph that allows for full text and semantic graph query and structured topic driven navigation. This allows end-users to identify entities relevant to their needs and access extensive graph analytics. The user interface facilitates graphical interaction with the underlying knowledge graph and mimics a cartographic map to maximise ease of use and widen adoption. We demonstrate an exemplar project using our generalisable and scalable infrastructure for an academic biomedical literature corpus that is grounded against hundreds of different named domain entities.
- Abstract（参考訳）: 科学出版物やプレプリントの数は指数関数的に増えているので、この複雑で詳細な風景をナビゲートする試みがいくつかなされている。
これらは、ドメイン知識を取り入れず、直感的に対話的な人間の探索と発見に必要な構造組織を欠く、ほとんど教師なしのアプローチを取っている。
特に学際的な分野において、研究の関連性に関する深い理解は、洞察を生み出すのに不可欠である。
我々は、地理的視覚化に頼って、階層的に構造化されたドメイン知識を使用して、エンドユーザが自分の望む領域に根ざした知識空間を探索できるデータナビゲーションのユニークなアプローチを開発した。
これは既存のオントロジー、プロプライエタリなインテリジェンススキーマ、あるいは階層的なトピックモデリングを通じて基盤となるデータから直接引き出すことができる。
提案手法は自然言語処理技術を用いて,基礎となるデータから名前付きエンティティを抽出し,関連するドメイン参照やナビゲーション構造に対して正規化する。
知識は、まず共有された特徴空間に基づいてエンティティ間の類似性を計算し、次にナビゲーション構造にアライメントすることで統合される。
その結果得られた知識グラフは、完全なテキストとセマンティックグラフクエリと構造化トピック駆動ナビゲーションを可能にする。
これにより、エンドユーザは、ニーズに関連するエンティティを識別し、広範なグラフ分析にアクセスできるようになる。
ユーザインタフェースは、基礎となる知識グラフとのグラフィカルな相互作用を容易にし、地図マップを模倣して使いやすさを最大化し、採用を拡大する。
我々は、数百の異なるドメインエンティティを基盤とした学術バイオメディカル文献コーパスのための、汎用的でスケーラブルなインフラを用いた先進的なプロジェクトを実演する。
関連論文リスト
- Towards Graph Prompt Learning: A Survey and Beyond [38.55555996765227]
大規模"事前訓練と迅速な学習"パラダイムは、顕著な適応性を示している。
この調査は、この分野における100以上の関連する研究を分類し、一般的な設計原則と最新の応用を要約する。
論文 参考訳（メタデータ） (2024-08-26T06:36:42Z) - 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) - AceMap: Knowledge Discovery through Academic Graph [90.12694363549483]
AceMapは学術グラフによる知識発見のために設計された学術システムである。
本稿では,AceMapデータベースを構築するための高度なデータベース構築手法を提案する。
AceMapは、学術的アイデアの進化をトレースするなど、高度な分析機能を提供する。
論文 参考訳（メタデータ） (2024-03-05T01:17:56Z) - GLaM: Fine-Tuning Large Language Models for Domain Knowledge Graph Alignment via Neighborhood Partitioning and Generative Subgraph Encoding [39.67113788660731]
グラフ対応LAnguage Models (GLaM) を開発するためのフレームワークを紹介する。
特定のグラフに基づく知識でモデルを構築することは、構造に基づく推論のためのモデルの能力を拡張することを実証する。
論文 参考訳（メタデータ） (2024-02-09T19:53:29Z) - Coarse-to-fine Knowledge Graph Domain Adaptation based on
Distantly-supervised Iterative Training [12.62127290494378]
知識グラフの適応と再学習のための統合フレームワークを提案する。
モデルをトレーニングするために手動のデータアノテーションは必要ない。
ドメイン固有の名前付きエンティティやトリプルの発見を容易にするための,新しい反復的トレーニング戦略を導入する。
論文 参考訳（メタデータ） (2022-11-05T08:16:38Z) - Mapping Research Trajectories [0.0]
本稿では, あらゆる科学分野に適用可能な, 研究軌道のエンハンマッピングに関する原則的アプローチを提案する。
われわれの視覚化は、時間とともに実体の研究トピックを、直接的に相互に表現している。
実践的な実証アプリケーションでは、機械学習による出版コーパスに対する提案されたアプローチを例示する。
論文 参考訳（メタデータ） (2022-04-25T13:32:39Z) - Taxonomy Enrichment with Text and Graph Vector Representations [61.814256012166794]
我々は,既存の分類学に新たな語を加えることを目的とした分類学の豊かさの問題に対処する。
我々は,この課題に対して,少ない労力で高い結果を得られる新しい手法を提案する。
我々は、異なるデータセットにわたる最先端の結果を達成し、ミスの詳細なエラー分析を提供する。
論文 参考訳（メタデータ） (2022-01-21T09:01:12Z) - Knowledge Graph Augmented Network Towards Multiview Representation
Learning for Aspect-based Sentiment Analysis [96.53859361560505]
本稿では,知識グラフ拡張ネットワーク(KGAN)を提案する。
KGANは感情の特徴表現を、文脈、構文、知識に基づく複数の視点から捉えている。
3つの人気のあるABSAベンチマークの実験は、我々のKGANの有効性と堅牢性を示している。
論文 参考訳（メタデータ） (2022-01-13T08:25:53Z) - Entity Context Graph: Learning Entity Representations
fromSemi-Structured Textual Sources on the Web [44.92858943475407]
エンティティ中心のテキスト知識ソースを処理してエンティティ埋め込みを学ぶアプローチを提案する。
私たちのアプローチから学んだ埋め込みは、(i)高品質で、既知の知識グラフベースの埋め込みに匹敵し、それらをさらに改善するために使用することができます。
論文 参考訳（メタデータ） (2021-03-29T20:52:14Z) - 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) - Exploiting Structured Knowledge in Text via Graph-Guided Representation
Learning [73.0598186896953]
本稿では、知識グラフからのガイダンスを用いて、生テキスト上で学習する2つの自己教師型タスクを提案する。
エンティティレベルのマスキング言語モデルに基づいて、最初のコントリビューションはエンティティマスキングスキームです。
既存のパラダイムとは対照的に,本手法では事前学習時にのみ,知識グラフを暗黙的に使用する。
論文 参考訳（メタデータ） (2020-04-29T14:22:42Z)
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。