論文の概要: OM4OV: Leveraging Ontology Matching for Ontology Versioning

• arxiv url: http://arxiv.org/abs/2409.20302v1
• Date: Mon, 30 Sep 2024 14:00:04 GMT
• ステータス: 処理完了
• システム内更新日: 2024-10-02 10:12:47.497695
• Title: OM4OV: Leveraging Ontology Matching for Ontology Versioning
• Title（参考訳）: OM4OV: オントロジーバージョニングにおけるオントロジーマッチングの活用
• Authors: Zhangcheng Qiang, Kerry Taylor,
• Abstract要約: 我々はバージョン管理タスクを実行するための統一OM4OV4アプローチを導入する。 3つのデータセットを用いてOM4OVパイプラインとその相互参照機構を実験的に検証した。
• 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: Due to the dynamic nature of the semantic web, ontology version control is required to capture time-varying information, most importantly for widely-used ontologies. Despite the long-standing recognition of ontology versioning (OV) as a crucial component for efficient ontology management, the growing size of ontologies and accumulating errors caused by manual labour overwhelm current OV approaches. In this paper, we propose yet another approach to performing OV using existing ontology matching (OM) techniques and systems. We introduce a unified OM4OV pipeline. From an OM perspective, we reconstruct a new task formulation, performance measurement, and dataset construction for OV tasks. Reusing the prior alignment(s) from OM, we also propose a cross-reference mechanism to effectively reduce the matching candidature and improve overall OV performance. We experimentally validate the OM4OV pipeline and its cross-reference mechanism using three datasets from the Alignment Evaluation Initiative (OAEI) and exploit insights on OM used for OV tasks.
• Abstract（参考訳）: セマンティックウェブの動的な性質のため、オントロジーバージョンコントロールは時間変化情報を取得するために必要であり、特に広く使われているオントロジーにとって重要である。 従来からオントロジーバージョニング(OV)は,効率的なオントロジー管理において重要な要素として認識されてきたが,手作業によるオントロジーの増大と,現在のOVアプローチの過大化による誤りを蓄積する。 本稿では,既存のオントロジーマッチング(OM)技術とシステムを用いてOVを実行する方法を提案する。 統合OM4OVパイプラインを導入する。 OMの観点から、OVタスクのための新しいタスク定式化、性能測定、データセット構築を再構築する。 また,OMからの事前アライメントを再利用し,一致率を効果的に低減し,全体的なOV性能を向上させるための相互参照機構を提案する。 我々は,OM4OVパイプラインとその相互参照機構をアライメント評価イニシアチブ(OAEI)の3つのデータセットを用いて実験的に検証し,OVタスクに使用されるOMの洞察を利用する。

関連論文リスト

• Agent-OM: Leveraging LLM Agents for Ontology Matching [4.222245509121683]
  本研究では,オントロジーマッチングシステムのための新しいエージェント駆動設計パラダイムを提案する。 オントロジーマッチングのためのエージェント-OMw.r.t.エージェントというフレームワークを提案する。 本システムは,OMタスクにおける長年の最高性能に非常に近い結果が得られる。
  論文  参考訳（メタデータ） (2023-12-01T03:44:54Z)
• PREM: A Simple Yet Effective Approach for Node-Level Graph Anomaly Detection [65.24854366973794]
  ノードレベルのグラフ異常検出(GAD)は、医学、ソーシャルネットワーク、eコマースなどの分野におけるグラフ構造化データから異常ノードを特定する上で重要な役割を果たす。 本稿では,GADの効率を向上させるために,PREM (preprocessing and Matching) という簡単な手法を提案する。 我々のアプローチは、強力な異常検出機能を維持しながら、GADを合理化し、時間とメモリ消費を削減します。
  論文  参考訳（メタデータ） (2023-10-18T02:59:57Z)
• Towards Unified Token Learning for Vision-Language Tracking [65.96561538356315]
  本稿では,VL追跡をトークン生成タスクとして用いた「textbfMMTrack」という,視覚言語(VL)追跡パイプラインを提案する。 提案フレームワークは,言語記述と境界ボックスを離散トークン列にシリアライズする。 この新しい設計パラダイムでは、全てのトークンクエリが望ましいターゲットを認識し、ターゲットの空間座標を直接予測するために必要となる。
  論文  参考訳（メタデータ） (2023-08-27T13:17:34Z)
• Truveta Mapper: A Zero-shot Ontology Alignment Framework [3.5284865194805106]
  教師なしオントロジーマッチング(OM)やオントロジーアライメント(OA)に対する新しい視点の提案 提案するフレームワークであるTruveta Mapper (TM)は、マルチタスクのシーケンス・ツー・シーケンス・トランスフォーマーモデルを利用して、ゼロショット、統一、エンドツーエンドの方法で複数のアライメントを実行する。 TMは、公開コーパステキストと内部オントロジデータのみを事前訓練し、微調整する。
  論文  参考訳（メタデータ） (2023-01-24T00:32:56Z)
• Learning to Relate Depth and Semantics for Unsupervised Domain Adaptation [87.1188556802942]
  教師なしドメイン適応(UDA)設定において,視覚的タスク関係を符号化してモデル性能を向上させる手法を提案する。 本稿では,意味的および深さ的予測のタスク依存性を符号化する新しいクロスタスク関係層(ctrl)を提案する。 さらに、セマンティック擬似ラベルを利用してターゲットドメインを監督する反復自己学習(ISL)トレーニングスキームを提案する。
  論文  参考訳（メタデータ） (2021-05-17T13:42:09Z)
• Unsupervised Domain Adaptation for Spatio-Temporal Action Localization [69.12982544509427]
  S時間動作の局所化はコンピュータビジョンにおいて重要な問題である。 本稿では、エンドツーエンドの教師なしドメイン適応アルゴリズムを提案する。 空間的特徴と時間的特徴を別々にあるいは共同的に適応した場合に,顕著な性能向上が達成できることを示す。
  論文  参考訳（メタデータ） (2020-10-19T04:25:10Z)
• 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)
• Task-Feature Collaborative Learning with Application to Personalized Attribute Prediction [166.87111665908333]
  本稿では,TFCL(Task-Feature Collaborative Learning)と呼ばれる新しいマルチタスク学習手法を提案する。 具体的には、まず、特徴とタスクの協調的なグループ化を活用するために、不均一なブロック対角構造正規化器を用いたベースモデルを提案する。 実際の拡張として,重なり合う機能と難易度を区別することで,基本モデルを拡張します。
  論文  参考訳（メタデータ） (2020-04-29T02:32:04Z)
• Interpretable MTL from Heterogeneous Domains using Boosted Tree [8.095372074268685]
  マルチタスク学習(MTL)は,複数のタスクの一般化性能の向上を目的としている。 本稿では,増木理論に倣って,二段階法を提案する。 ベンチマークと実世界のデータセットによる実験により,提案手法の有効性が検証された。
  論文  参考訳（メタデータ） (2020-03-16T08:58:51Z)

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。