論文の概要: A Cognitive Ideation Support Framework using IBM Watson Services

• arxiv url: http://arxiv.org/abs/2412.14025v1
• Date: Wed, 18 Dec 2024 16:41:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-19 13:22:45.060634
• Title: A Cognitive Ideation Support Framework using IBM Watson Services
• Title（参考訳）: IBM Watsonサービスを利用した認知的思考支援フレームワーク
• Authors: Samaa Elnagar, Kweku-Muata Osei-Bryson,
• Abstract要約: 我々は,IBM Watson DeepQAサービスを利用した思考のための新しい認知支援フレームワークを提案する。 提案されたフレームワークは、組織が創造的なアイデアを開発するのを支援するために、Associative Memory(SIAM)モデルに基づく。
• 参考スコア（独自算出の注目度）: 4.005483185111992
• License:
• Abstract: Ideas generation is a core activity for innovation in organizations. The creativity of the generated ideas depends not only on the knowledge retrieved from the organizations' knowledge bases, but also on the external knowledge retrieved from other resources. Unfortunately, organizations often cannot efficiently utilize the knowledge in the knowledge bases due to the limited abilities of the search and retrieval mechanisms especially when dealing with unstructured data. In this paper, we present a new cognitive support framework for ideation that uses the IBM Watson DeepQA services. IBM Watson is a Question Answering system which mimics human cognitive abilities to retrieve and rank information. The proposed framework is based on the Search for Ideas in the Associative Memory (SIAM) model to help organizations develop creative ideas through discovering new relationships between retrieved data. To evaluate the effectiveness of the proposed system, the generated ideas generated are selected and assessed using a set of established creativity criteria.
• Abstract（参考訳）: アイデア生成は組織におけるイノベーションのコアアクティビティです。 生成されたアイデアの創造性は、組織の知識ベースから取得した知識だけでなく、他のリソースから取得した外部知識にも依存します。 残念なことに、特に構造化されていないデータを扱う場合、検索・検索機構の能力に制限があるため、組織は知識ベースでの知識を効率的に活用できないことが多い。 本稿では,IBM Watson DeepQAサービスを利用した思考のための新しい認知支援フレームワークを提案する。 IBM Watsonは、情報の検索とランク付けを行う人間の認知能力を模倣した質問回答システムである。 提案するフレームワークは,Associative Memory (SIAM) モデルに基づくもので,検索したデータ間の新たな関係を発見することによって,創造的なアイデア開発を支援する。 提案システムの有効性を評価するため, 確立された創造性基準を用いて, 生成したアイデアを選択し, 評価する。

関連論文リスト

• GIVE: Structured Reasoning with Knowledge Graph Inspired Veracity Extrapolation [108.2008975785364]
  Graph Inspired Veracity Extrapolation (GIVE)は、パラメトリックメモリと非パラメトリックメモリを統合する新しい推論フレームワークである。 本手法は,ゴールド回答検索ではなく,専門家の問題解決に類似した論理的・段階的推論手法を提案する。
  論文  参考訳（メタデータ） (2024-10-11T03:05:06Z)
• Enhancing Question Answering for Enterprise Knowledge Bases using Large Language Models [46.51659135636255]
  EKRGは大規模言語モデル(LLM)に基づく新しい検索生成フレームワークである 知識検索者の学習に十分な文書検索ペアを生成するために,LLMを用いた命令チューニング手法を提案する。 我々は、学習過程の効率化を図るために、関連性に敏感な教師学生学習戦略を開発する。
  論文  参考訳（メタデータ） (2024-04-10T10:38:17Z)
• A Knowledge Plug-and-Play Test Bed for Open-domain Dialogue Generation [51.31429493814664]
  マルチソース対話知識の選択と応答生成を評価するために,ウィキペディアのマルチソースウィザードというベンチマークを示す。 本稿では,すでに訓練済みの対話モデルを用いて,未確認の情報源からの新たなサポート知識を利用するための新たな課題である対話知識プラグイン・アンド・プレイを提案する。
  論文  参考訳（メタデータ） (2024-03-06T06:54:02Z)
• Beyond Factuality: A Comprehensive Evaluation of Large Language Models as Knowledge Generators [78.63553017938911]
  大規模言語モデル(LLM)は、下流の知識集約タスクのための情報検索技術より優れている。 しかし、コミュニティの懸念は、この無検閲の知識を使用することの事実と潜在的意味について多岐にわたる。 本研究では,6つの重要な視点から生成した知識を評価するために設計されたCONNERを紹介する。
  論文  参考訳（メタデータ） (2023-10-11T08:22:37Z)
• UNTER: A Unified Knowledge Interface for Enhancing Pre-trained Language Models [100.4659557650775]
  構造化知識と非構造化知識の両方を活用する統一的な視点を提供するために、統一知識インターフェイスUNTERを提案する。 どちらの形態の知識も注入され、UNTERは一連の知識駆動NLPタスクの継続的な改善を得る。
  論文  参考訳（メタデータ） (2023-05-02T17:33:28Z)
• Thrill-K Architecture: Towards a Solution to the Problem of Knowledge Based Understanding [0.9390008801320021]
  本稿では、人間の知識と知性の分析に基づいて、ニューラルネットワークと様々な種類の知識と知識ソースを組み合わせたハイブリッドシステムの分類を紹介する。 我々はThrill-Kアーキテクチャを,推論,学習,知的制御が可能なフレームワークに,瞬時知識,待機知識,外部知識ソースを統合するためのプロトタイプソリューションとして提示する。
  論文  参考訳（メタデータ） (2023-02-28T20:39:35Z)
• Knowledge Management System with NLP-Assisted Annotations: A Brief Survey and Outlook [13.173307471333619]
  従来のデータベースは通常、ロギングシステムとは相容れない。 本稿では,関係データベースを利用して階層的な情報をログする統合フレームワークを提案する。 この知識管理システムの枠組みは、改良された階層的メモ作成、AI支援型ブレインストーミング、多方向関係を含む新しい機能を実現する。
  論文  参考訳（メタデータ） (2022-06-15T05:20:38Z)
• Contextualized Knowledge-aware Attentive Neural Network: Enhancing Answer Selection with Knowledge [77.77684299758494]
  ナレッジグラフ(KG)による外部知識による回答選択モデル向上のアプローチを幅広く検討しています。 まず、KGの外部知識とテキスト情報との密接な相互作用を考慮し、QA文表現を学習するコンテキスト知識相互作用学習フレームワークであるナレッジアウェアニューラルネットワーク(KNN)を紹介します。 KG情報の多様性と複雑性に対処するために, カスタマイズされたグラフ畳み込みネットワーク (GCN) を介して構造情報を用いた知識表現学習を改善し, コンテキストベースおよび知識ベースの文表現を総合的に学習する コンテキスト型知識認識型アテンシブニューラルネットワーク (CKANN) を提案する。
  論文  参考訳（メタデータ） (2021-04-12T05:52:20Z)
• Foundations of Explainable Knowledge-Enabled Systems [3.7250420821969827]
  本稿では,説明可能な人工知能システムの歴史的概要を紹介する。 我々は、エキスパートシステム、認知アシスタント、セマンティックアプリケーション、機械学習ドメインにまたがる知識対応システムに焦点を当てる。 説明可能な知識対応システムと説明可能な知識対応システムについて,新たな定義を提案する。
  論文  参考訳（メタデータ） (2020-03-17T04:18:48Z)
• Knowledge Graphs for Innovation Ecosystems [0.0]
  知識グラフとして生まれ変わったイノベーションエコシステムの表現は、新たな洞察を持つレポートの生成を可能にします。 本論では,本質的な実体と関係を捉えるオントロジーと,データソースの記述について述べる。 マドリード大学ポリテツニツァの応用事例と将来の応用についての洞察が提示されている。
  論文  参考訳（メタデータ） (2020-01-09T08:02:32Z)

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。