Fugu-MT 論文翻訳(概要): OWL2Vec4OA: Tailoring Knowledge Graph Embeddings for Ontology Alignment

論文の概要: OWL2Vec4OA: Tailoring Knowledge Graph Embeddings for Ontology Alignment

arxiv url: http://arxiv.org/abs/2408.06310v2
Date: Wed, 23 Oct 2024 09:59:15 GMT
ステータス: 処理完了
システム内更新日: 2024-11-08 11:26:46.674202
Title: OWL2Vec4OA: Tailoring Knowledge Graph Embeddings for Ontology Alignment
Title（参考訳）: OWL2Vec4OA: オントロジーアライメントのための知識グラフ埋め込みの設計
Authors: Sevinj Teymurova, Ernesto Jiménez-Ruiz, Tillman Weyde, Jiaoyan Chen,
Abstract要約: 本稿では,組込みシステムOWL2Vec*の拡張であるOWL2Vec4OAを提案する。本稿では,提案する拡張の理論的基礎,実装の詳細,および実験的評価について述べる。
参考スコア（独自算出の注目度）: 14.955861200588664
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Ontology alignment is integral to achieving semantic interoperability as the number of available ontologies covering intersecting domains is increasing. This paper proposes OWL2Vec4OA, an extension of the ontology embedding system OWL2Vec*. While OWL2Vec* has emerged as a powerful technique for ontology embedding, it currently lacks a mechanism to tailor the embedding to the ontology alignment task. OWL2Vec4OA incorporates edge confidence values from seed mappings to guide the random walk strategy. We present the theoretical foundations, implementation details, and experimental evaluation of our proposed extension, demonstrating its potential effectiveness for ontology alignment tasks.
Abstract（参考訳）: 交差するドメインをカバーするオントロジーの数が増えるにつれて、オントロジーのアライメントはセマンティック・インターオペラビリティの実現に不可欠である。本稿では、オントロジー埋め込みシステムOWL2Vec*の拡張であるOWL2Vec4OAを提案する。 OWL2Vec*は、オントロジー埋め込みの強力なテクニックとして登場したが、現在、オントロジーアライメントタスクへの埋め込みを調整するためのメカニズムが欠如している。 OWL2Vec4OAは、種子マッピングからのエッジ信頼値を組み込んでランダムウォーク戦略を導出する。本稿では,提案する拡張の理論的基礎,実装の詳細,および実験的評価を行い,オントロジーアライメントタスクの有効性を実証する。

関連論文リスト

Edge Classification on Graphs: New Directions in Topological Imbalance [53.42066415249078]
異なるクラスにまたがるエッジの歪んだ分布から生じる新しいトポロジカル不均衡問題」を同定する。本稿では,各エッジのトポロジ的不均衡を測定する新しいトポロジ的指標であるトポロジカルエントロピー(TE)を紹介する。 TEをベースとした(合成)エッジのトレーニングに重点を置くため、トポロジカルリウェイトリングとTEウェッジベースのMixupという2つの戦略を開発した。
論文参考訳（メタデータ） (2024-06-17T16:02:36Z)
Towards Deeply Unified Depth-aware Panoptic Segmentation with Bi-directional Guidance Learning [63.63516124646916]
深度認識型パノプティックセグメンテーションのためのフレームワークを提案する。本稿では,クロスタスク機能学習を容易にする双方向指導学習手法を提案する。本手法は,Cityscapes-DVPS と SemKITTI-DVPS の両データセットを用いた深度認識型パノプティックセグメンテーションのための新しい手法である。
論文参考訳（メタデータ） (2023-07-27T11:28:33Z)
On the non-universality of deep learning: quantifying the cost of symmetry [24.86176236641865]
雑音勾配降下法(GD)で学習したニューラルネットワークによる学習の計算限界を証明する。我々は、完全接続ネットワークが二進ハイパーキューブと単位球上で弱学習できる機能の特徴付けを行う。我々の手法は勾配降下(SGD)に拡張され、完全に接続されたネットワークで学習するための非自明な結果を示す。
論文参考訳（メタデータ） (2022-08-05T11:54:52Z)
Network Topology Optimization via Deep Reinforcement Learning [37.31672024989399]
本稿では,ネットワークトポロジ最適化のために,アドバンテージアクタ批判グラフ探索 (A2C-GS) と呼ばれる新しい強化学習アルゴリズムを提案する。 A2C-GSは、生成されたネットワークトポロジの正しさを検証する検証器、トポロジを効率的に近似するグラフニューラルネットワーク(GNN)、トポロジ探索を行うDRLアクター層を含む3つの新しいコンポーネントから構成される。実ネットワークシナリオに基づくケーススタディを行い,A2C-GSの効率と性能の両面において優れた性能を示した。
論文参考訳（メタデータ） (2022-04-19T07:45:07Z)
Contextual Semantic Embeddings for Ontology Subsumption Prediction [37.61925808225345]
本稿では,Web Ontology (OWL) のクラスに BERTSubs というコンテキスト埋め込みの新たな予測手法を提案する。これは、事前訓練された言語モデルBERTを利用してクラスの埋め込みを計算し、クラスコンテキストと論理的存在制約を組み込むためにカスタマイズされたテンプレートを提案する。
論文参考訳（メタデータ） (2022-02-20T11:14:04Z)
TA-Net: Topology-Aware Network for Gland Segmentation [71.52681611057271]
本研究では, 密集した腺と高度に変形した腺を正確に分離する新しいトポロジ・アウェア・ネットワーク(TA-Net)を提案する。 TA-Netはマルチタスク学習アーキテクチャを持ち、腺セグメンテーションの一般化を強化する。 2つのデータセットで最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2021-10-27T17:10:58Z)
Provable Hierarchy-Based Meta-Reinforcement Learning [50.17896588738377]
HRLをメタRL設定で解析し、下流タスクで使用するメタトレーニング中に学習者が潜在階層構造を学習する。我々は、この自然階層の標本効率の回復を保証し、抽出可能な楽観主義に基づくアルゴリズムとともに「多様性条件」を提供する。我々の境界は、時間的・状態的・行動的抽象化などのHRL文献に共通する概念を取り入れており、我々の設定と分析が実際にHRLの重要な特徴を捉えていることを示唆している。
論文参考訳（メタデータ） (2021-10-18T17:56:02Z)
SOSD-Net: Joint Semantic Object Segmentation and Depth Estimation from Monocular images [94.36401543589523]
これら2つのタスクの幾何学的関係を利用するための意味的対象性の概念を紹介します。次に, 対象性仮定に基づくセマンティックオブジェクト・深さ推定ネットワーク(SOSD-Net)を提案する。私たちの知識を最大限に活用するために、SOSD-Netは同時単眼深度推定とセマンティックセグメンテーションのためのジオメトリ制約を利用する最初のネットワークです。
論文参考訳（メタデータ） (2021-01-19T02:41:03Z)
OWL2Vec*: Embedding of OWL Ontologies [27.169755467590836]
OWL2Vec* という名前のランダムウォークと単語埋め込みに基づく埋め込み手法を提案する。 OWL2Vec*は、グラフ構造、語彙情報、論理コンストラクタを考慮してOWLのセマンティクスを符号化する。
論文参考訳（メタデータ） (2020-09-30T13:07:50Z)
A Trainable Optimal Transport Embedding for Feature Aggregation and its Relationship to Attention [96.77554122595578]
固定サイズのパラメータ化表現を導入し、与えられた入力セットから、そのセットとトレーニング可能な参照の間の最適な輸送計画に従って要素を埋め込み、集約する。我々のアプローチは大規模なデータセットにスケールし、参照のエンドツーエンドのトレーニングを可能にすると同時に、計算コストの少ない単純な教師なし学習メカニズムも提供する。
論文参考訳（メタデータ） (2020-06-22T08:35:58Z)

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。