論文の概要: Automated Extraction and Creation of FBS Design Reasoning Knowledge Graphs from Structured Data in Product Catalogues Lacking Contextual Information

• arxiv url: http://arxiv.org/abs/2412.05868v1
• Date: Sun, 08 Dec 2024 09:20:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-10 14:58:42.028383
• Title: Automated Extraction and Creation of FBS Design Reasoning Knowledge Graphs from Structured Data in Product Catalogues Lacking Contextual Information
• Title（参考訳）: コンテキスト情報を欠く製品カタログにおける構造化データから知識グラフを推論するFBS設計の自動抽出と作成
• Authors: Vijayalaxmi Sahadevan, Sushil Mario, Yash Jaiswal, Divyanshu Bajpai, Vishal Singh, Hiralal Aggarwal, Suhas Suresh, Manjunath Maigur,
• Abstract要約: オントロジーに基づく知識グラフ(KG)は,様々な意思決定シナリオにおいて,効果的な知識管理と再利用が望ましい。 KGの自動抽出と生成に関するほとんどの研究は、広範囲な非構造化データセットに基づいている。 本研究は,このギャップに対処するために開発された手法とデジタルワークフローについて報告する。
• 参考スコア（独自算出の注目度）: 0.10840985826142427
• License:
• Abstract: Ontology-based knowledge graphs (KG) are desirable for effective knowledge management and reuse in various decision making scenarios, including design. Creating and populating extensive KG based on specific ontological models can be highly labour and time-intensive unless automated processes are developed for knowledge extraction and graph creation. Most research and development on automated extraction and creation of KG is based on extensive unstructured data sets that provide contextual information. However, some of the most useful information about the products and services of a company has traditionally been recorded as structured data. Such structured data sets rarely follow a standard ontology, do not capture explicit mapping of relationships between the entities, and provide no contextual information. Therefore, this research reports a method and digital workflow developed to address this gap. The developed method and workflow employ rule-based techniques to extract and create a Function Behaviour-Structure (FBS) ontology-based KG from legacy structured data, especially specification sheets and product catalogues. The solution approach consists of two main components: a process for deriving context and context-based classification rules for FBS ontology concepts and a workflow for populating and retrieving the FBS ontology-based KG. KG and Natural Language Processing (NLP) are used to automate knowledge extraction, representation, and retrieval. The workflow's effectiveness is demonstrated via pilot implementation in an industrial context. Insights gained from the pilot study are reported regarding the challenges and opportunities, including discussing the FBS ontology and concepts.
• Abstract（参考訳）: オントロジーに基づく知識グラフ(KG)は、設計を含む様々な意思決定シナリオにおいて、効果的な知識管理と再利用に望ましい。 知識抽出やグラフ生成のために自動化プロセスが開発されない限り、特定のオントロジモデルに基づいて広範囲なKGを作成・蓄積することは、非常に手間と時間を要する可能性がある。 KGの自動抽出と生成に関するほとんどの研究と開発は、文脈情報を提供する広範囲な非構造化データセットに基づいている。 しかし、企業の製品やサービスに関する最も有用な情報の一部は、伝統的に構造化データとして記録されてきた。 このような構造化データセットは標準的なオントロジーにはほとんど従わず、エンティティ間の関係の明示的なマッピングをキャプチャせず、文脈情報も提供しない。 そこで本研究では,このギャップに対処するために開発された手法とデジタルワークフローについて報告する。 提案手法とワークフローは,従来の構造化データ,特に仕様シートや製品カタログからFBS(Function Behaviour-Structure)オントロジーに基づくKGを抽出し,生成するためのルールベースの手法を用いている。 ソリューションアプローチは、FBSオントロジー概念の文脈と文脈に基づく分類ルールを導出するプロセスと、FBSオントロジーに基づくKGの収集と検索を行うワークフローの2つの主要コンポーネントから構成される。 KGと自然言語処理(NLP)は知識抽出、表現、検索を自動化するために用いられる。 ワークフローの有効性は、産業環境でのパイロット実装を通じて実証される。 パイロット研究から得られた知見は、FBSのオントロジーや概念について議論するなど、課題と機会について報告されている。

関連論文リスト

• Ontology-grounded Automatic Knowledge Graph Construction by LLM under Wikidata schema [60.42231674887294]
  本稿では,Large Language Models (LLMs) を用いた知識グラフ構築のためのオントロジー的アプローチを提案する。 我々は、一貫性と解釈可能性を確保するために、抽出された関係に基づいて、著者によるオントロジーによるKGの基底生成を行う。 我々の研究は、人間の介入を最小限に抑えたスケーラブルなKG建設パイプラインの実現に向けて有望な方向を示し、高品質で人間に解釈可能なKGを生み出す。
  論文  参考訳（メタデータ） (2024-12-30T13:36:05Z)
• Leveraging LLM for Automated Ontology Extraction and Knowledge Graph Generation [3.2513035377783717]
  OntoKGenは、オントロジー抽出と知識グラフ生成のための真のパイプラインである。 OntoKGenは、Neo4jのようなスキーマレスで非リレーショナルなデータベースへのシームレスな統合を可能にする。
  論文  参考訳（メタデータ） (2024-11-30T23:11:44Z)
• Learning to Extract Structured Entities Using Language Models [52.281701191329]
  機械学習の最近の進歩は、情報抽出の分野に大きな影響を与えている。 タスクをエンティティ中心にすることで、さまざまなメトリクスの使用を可能にします。 我々は、Structured Entity extractを導入し、Adroximate Entity Set OverlaPメトリックを提案し、この分野にコントリビュートします。
  論文  参考訳（メタデータ） (2024-02-06T22:15:09Z)
• Contextualization Distillation from Large Language Model for Knowledge Graph Completion [51.126166442122546]
  我々は、差別的かつ生成的なKGCフレームワークと互換性のあるプラグイン・アンド・プレイ方式であるContextualization Distillation戦略を導入する。 提案手法は,大規模言語モデルに対して,コンパクトで構造的な三重項を文脈に富んだセグメントに変換するように指示することから始まる。 多様なデータセットとKGC技術にわたる総合的な評価は、我々のアプローチの有効性と適応性を強調している。
  論文  参考訳（メタデータ） (2024-01-28T08:56:49Z)
• Towards Understanding and Analyzing Rationale in Commit Messages using a Knowledge Graph Approach [1.450261153230204]
  我々は現在進行中のkantara end-to-end rationale Restruction Pipelineについて紹介する。 また、LinuxカーネルのOut-of-Memoryコンポーネントの実行例用にラベル付きデータセットを作成する作業も行います。
  論文  参考訳（メタデータ） (2023-09-04T13:28:18Z)
• An Open-Source Knowledge Graph Ecosystem for the Life Sciences [5.665519167428707]
  PheKnowLatorは、存在論的基盤を持つ知識グラフの構築を自動化するセマンティックエコシステムである。 エコシステムには、KG構築リソース、分析ツール、ベンチマークが含まれている。 PheKnowLatorは、パフォーマンスやユーザビリティを損なうことなく、完全にカスタマイズ可能なKGを可能にする。
  論文  参考訳（メタデータ） (2023-07-11T18:55:09Z)
• Exploring In-Context Learning Capabilities of Foundation Models for Generating Knowledge Graphs from Text [3.114960935006655]
  本論文は,知識グラフの自動構築と完成の技術をテキストから改善することを目的としている。 この文脈では、新しいパラダイムの1つは、言語モデルがプロンプトとともにそのまま使われる、コンテキスト内学習である。
  論文  参考訳（メタデータ） (2023-05-15T17:10:19Z)
• Schema-aware Reference as Prompt Improves Data-Efficient Knowledge Graph Construction [57.854498238624366]
  本稿では,データ効率のよい知識グラフ構築のためのRAP(Schema-Aware Reference As Prompt)の検索手法を提案する。 RAPは、人間の注釈付きおよび弱教師付きデータから受け継いだスキーマと知識を、各サンプルのプロンプトとして動的に活用することができる。
  論文  参考訳（メタデータ） (2022-10-19T16:40:28Z)
• Towards Ontology Reshaping for KG Generation with User-in-the-Loop: Applied to Bosch Welding [18.83458273005337]
  知識グラフ(KG)は幅広い用途で使われている。 KG生成の自動化は、産業におけるデータ量と多様性のために非常に望ましい。
  論文  参考訳（メタデータ） (2022-09-22T14:59:13Z)
• CateCom: a practical data-centric approach to categorization of computational models [77.34726150561087]
  本稿では,物理モデルとデータ駆動型計算モデルのランドスケープを整理する取り組みについて述べる。 オブジェクト指向設計の概念を適用し、オープンソース協調フレームワークの基礎を概説する。
  論文  参考訳（メタデータ） (2021-09-28T02:59:40Z)
• ENT-DESC: Entity Description Generation by Exploring Knowledge Graph [53.03778194567752]
  実際には、出力記述が最も重要な知識のみをカバーするため、入力知識は十分以上である可能性がある。 我々は、KG-to-textにおけるこのような実践的なシナリオの研究を容易にするために、大規模で挑戦的なデータセットを導入する。 本稿では,元のグラフ情報をより包括的に表現できるマルチグラフ構造を提案する。
  論文  参考訳（メタデータ） (2020-04-30T14:16:19Z)

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。