論文の概要: Language and Knowledge Representation: A Stratified Approach
- arxiv url: http://arxiv.org/abs/2504.11492v1
- Date: Mon, 14 Apr 2025 20:18:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-17 14:38:52.734351
- Title: Language and Knowledge Representation: A Stratified Approach
- Title（参考訳）: 言語と知識表現 : 階層化されたアプローチ
- Authors: Mayukh Bagchi,
- Abstract要約: この論文は、いくつかの解成分の観点で表現の不均一性の問題に対するトップダウンの解法を推し進めている。
この論文には2つの国際研究プロジェクトのために開発された言語と知識表現の概念実証も含まれている。
- 参考スコア（独自算出の注目度）: 1.450405446885067
- License:
- Abstract: The thesis proposes the problem of representation heterogeneity to emphasize the fact that heterogeneity is an intrinsic property of any representation, wherein, different observers encode different representations of the same target reality in a stratified manner using different concepts, language and knowledge (as well as data). The thesis then advances a top-down solution approach to the above stratified problem of representation heterogeneity in terms of several solution components, namely: (i) a representation formalism stratified into concept level, language level, knowledge level and data level to accommodate representation heterogeneity, (ii) a top-down language representation using Universal Knowledge Core (UKC), UKC namespaces and domain languages to tackle the conceptual and language level heterogeneity, (iii) a top-down knowledge representation using the notions of language teleontology and knowledge teleontology to tackle the knowledge level heterogeneity, (iv) the usage and further development of the existing LiveKnowledge catalog for enforcing iterative reuse and sharing of language and knowledge representations, and, (v) the kTelos methodology integrating the solution components above to iteratively generate the language and knowledge representations absolving representation heterogeneity. The thesis also includes proof-of-concepts of the language and knowledge representations developed for two international research projects - DataScientia (data catalogs) and JIDEP (materials modelling). Finally, the thesis concludes with future lines of research.
- Abstract（参考訳）: この論文は、異種性があらゆる表現の本質的な性質であるという事実を強調するために、表現の不均一性の問題を提案し、異なる観測者が異なる概念、言語、知識(およびデータ)を用いて、同じ対象の現実の異なる表現を成層的にエンコードする。
この論文は、上述した階層化問題に対するトップダウンのソリューションアプローチを、いくつかの解成分(すなわち、次の)の観点で、不均一性を表現するために進める。
一 表現の不均一性に対応するため、概念レベル、言語レベル、知識レベル及びデータレベルに階層化された表現形式
(II)Universal Knowledge Core(UKC)、UKC名前空間、ドメイン言語を用いたトップダウン言語表現。
三 言語テレオントロジーと知識テレオントロジーの概念を用いたトップダウンの知識表現で、知識レベルの不均一性に取り組むこと。
四 言語及び知識表現の反復的再利用及び共有を行うための既存のLiveKnowledgeカタログの使用と更なる開発
(v) kTelos法は、上記の解成分を反復的に生成し、表現の不均一性を解消する言語と知識表現を生成する。
この論文には、DataScientia(データカタログ)とJIDEP(マテリアルモデリング)という2つの国際研究プロジェクトのために開発された言語と知識表現の概念実証も含まれている。
最後に、論文は将来の研究の線で締めくくられる。
関連論文リスト
- Data2Concept2Text: An Explainable Multilingual Framework for Data Analysis Narration [42.95840730800478]
本稿では,データの集合を解釈し,基礎となる特徴を抽象化し,それを自然言語で記述する,完全な説明可能なシステムを提案する。
このシステムは、2つの重要な段階に依存している: (i)データから出現する特性を識別し、それらを抽象概念に変換する、(ii)これらの概念を自然言語に変換する。
論文 参考訳（メタデータ） (2025-02-13T11:49:48Z) - Neurosymbolic Graph Enrichment for Grounded World Models [47.92947508449361]
複雑な問題に対処するために, LLM の反応性を向上し, 活用するための新しいアプローチを提案する。
我々は,大規模言語モデルの強みと構造的意味表現を組み合わせた,多モーダルで知識を付加した意味の形式表現を作成する。
非構造化言語モデルと形式的意味構造とのギャップを埋めることで、自然言語理解と推論における複雑な問題に対処するための新たな道を開く。
論文 参考訳（メタデータ） (2024-11-19T17:23:55Z) - From Word Vectors to Multimodal Embeddings: Techniques, Applications, and Future Directions For Large Language Models [17.04716417556556]
本稿では,分布仮説や文脈的類似性といった基礎概念を概観する。
本稿では, ELMo, BERT, GPTなどのモデルにおいて, 静的な埋め込みと文脈的埋め込みの両方について検討する。
議論は文章や文書の埋め込みにまで拡張され、集約メソッドや生成トピックモデルをカバーする。
モデル圧縮、解釈可能性、数値エンコーディング、バイアス緩和といった高度なトピックを分析し、技術的な課題と倫理的意味の両方に対処する。
論文 参考訳（メタデータ） (2024-11-06T15:40:02Z) - Learning Interpretable Concepts: Unifying Causal Representation Learning and Foundation Models [80.32412260877628]
人間の解釈可能な概念をデータから学習する方法を研究する。
両分野からアイデアをまとめ、多様なデータから概念を確実に回収できることを示す。
論文 参考訳（メタデータ） (2024-02-14T15:23:59Z) - Are Structural Concepts Universal in Transformer Language Models?
Towards Interpretable Cross-Lingual Generalization [27.368684663279463]
本稿では,言語間の概念対応を明確に整合させ,言語間の一般化を促進する可能性について検討する。
言語構文の側面をテストベッドとして,43言語を解析した結果,高い整合性を示した。
本稿では,メタラーニングに基づく概念空間の整合学習手法を提案する。
論文 参考訳（メタデータ） (2023-10-19T14:50:51Z) - Causal Reasoning Meets Visual Representation Learning: A Prospective
Study [117.08431221482638]
解釈可能性の欠如、堅牢性、分布外一般化が、既存の視覚モデルの課題となっている。
人間レベルのエージェントの強い推論能力にインスパイアされた近年では、因果推論パラダイムの開発に多大な努力が注がれている。
本稿では,この新興分野を包括的に概観し,注目し,議論を奨励し,新たな因果推論手法の開発の急激さを先導することを目的とする。
論文 参考訳（メタデータ） (2022-04-26T02:22:28Z) - 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) - Understand me, if you refer to Aspect Knowledge: Knowledge-aware Gated
Recurrent Memory Network [54.735400754548635]
アスペクトレベルの感情分類(ASC)は、レビューで言及された特定の側面に対する微粒な感情極性を予測することを目的としている。
最近のASCの進歩にもかかわらず、マシンが重要な側面の感情を推測できるようにすることは依然として困難である。
本稿では,(1)アスペクト知識の欠如によるアスペクト表現がアスペクトの正確な意味と特性情報を表現するのに不十分であること,(2)先行研究は局所的な構文情報とグローバルな関係情報のみを捉えること,という2つの課題に対処する。
論文 参考訳（メタデータ） (2021-08-05T03:39:30Z) - Stratified Data Integration [3.8902657229395907]
本稿では,意味的不均一性の問題を表現多様性の問題として論じる。
提案する階層化されたデータ表現と,まず対象データに変換するプロセスについて述べる。
提案手法は, 各種試験事例および産業データ統合問題において評価されている。
論文 参考訳（メタデータ） (2021-05-19T23:14:41Z) - CoLAKE: Contextualized Language and Knowledge Embedding [81.90416952762803]
文脈型言語と知識埋め込み(CoLAKE)を提案する。
CoLAKEは、言語と知識の両方の文脈化された表現を、拡張された目的によって共同で学習する。
知識駆動タスク、知識探索タスク、言語理解タスクについて実験を行う。
論文 参考訳（メタデータ） (2020-10-01T11:39:32Z)
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。