論文の概要: Managing FAIR Knowledge Graphs as Polyglot Data End Points: A Benchmark based on the rdf2pg Framework and Plant Biology Data

• arxiv url: http://arxiv.org/abs/2505.17498v1
• Date: Fri, 23 May 2025 05:51:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-26 18:08:33.846016
• Title: Managing FAIR Knowledge Graphs as Polyglot Data End Points: A Benchmark based on the rdf2pg Framework and Plant Biology Data
• Title（参考訳）: FAIR知識グラフを多言語データエンドポイントとして管理する: rdf2pgフレームワークと植物生物学データに基づくベンチマーク
• Authors: Marco Brandizi, Carlos Bobed, Luca Garulli, Arné de Klerk, Keywan Hassani-Pak,
• Abstract要約: Linked Dataとラベル付きプロパティグラフ(LPG)は相補的な長所と短所を持つ2つのデータ管理手法である。 我々はRDFデータを意味的に等価なLPGフォーマットやデータベースにマッピングするフレームワークであるrdf2pgを紹介した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Linked Data and labelled property graphs (LPG) are two data management approaches with complementary strengths and weaknesses, making their integration beneficial for sharing datasets and supporting software ecosystems. In this paper, we introduce rdf2pg, an extensible framework for mapping RDF data to semantically equivalent LPG formats and data-bases. Utilising this framework, we perform a comparative analysis of three popular graph databases - Virtuoso, Neo4j, and ArcadeDB - and the well-known graph query languages SPARQL, Cypher, and Gremlin. Our qualitative and quantitative as-sessments underline the strengths and limitations of these graph database technologies. Additionally, we highlight the potential of rdf2pg as a versatile tool for enabling polyglot access to knowledge graphs, aligning with established standards of Linked Data and the Semantic Web.
• Abstract（参考訳）: Linked Dataとラベル付きプロパティグラフ(LPG)は、補完的な長所と短所を持つ2つのデータ管理アプローチである。 本稿では,RDFデータを意味的に等価なLPGフォーマットやデータベースにマッピングする拡張可能なフレームワークであるrdf2pgを紹介する。 このフレームワークを利用して、Virtuoso、Neo4j、ArcadeDBという3つの人気のあるグラフデータベースと、よく知られたグラフクエリ言語であるSPARQL、Cypher、Gremlinの比較分析を行います。 我々の質的で定量的なアセットメントは、これらのグラフデータベース技術の長所と短所を浮き彫りにしている。 さらに、知識グラフへの多言語アクセスを可能にする汎用ツールとしてのrdf2pgの可能性を強調し、Linked DataとSemantic Webの確立した標準に適合する。

関連論文リスト

• Align-GRAG: Reasoning-Guided Dual Alignment for Graph Retrieval-Augmented Generation [75.9865035064794]
  大きな言語モデル(LLM)は目覚ましい能力を示しているが、幻覚や時代遅れの情報といった問題に苦戦している。 Retrieval-augmented Generation (RAG) は、情報検索システム(IR)を用いて、外部知識のLLM出力を基底にすることで、これらの問題に対処する。 本稿では、検索後句における新しい推論誘導二重アライメントフレームワークであるAlign-GRAGを提案する。
  論文  参考訳（メタデータ） (2025-05-22T05:15:27Z)
• Common Foundations for SHACL, ShEx, and PG-Schema [0.0]
  このようなグラフのスキーマを記述する必要がある。 Semantic Webとデータベースコミュニティは、SHA、ShEx、PG-CLというグラフスキーマ言語を独立して開発している。 各言語には、制約を定義し、グラフデータを検証するための独自のアプローチがあり、潜在的なユーザは、共通点と相違点について暗黙に残されている。 言語間の包括的比較を容易にし,共通機能の集合を同定するために,一様フレームワークを用いる。
  論文  参考訳（メタデータ） (2025-02-03T12:17:25Z)
• Retrieval-Augmented Generation with Graphs (GraphRAG) [84.29507404866257]
  Retrieval-augmented Generation (RAG) は、追加情報を取得することによって下流タスクの実行を向上させる強力な技術である。 グラフは、その固有の「エッジで接続されたノード」の性質により、巨大な異種情報と関係情報を符号化する。 従来のRAGとは異なり、多種多様な形式とドメイン固有の関係知識のようなグラフ構造化データのユニークさは、異なるドメインでGraphRAGを設計する際、ユニークで重要な課題を生じさせる。
  論文  参考訳（メタデータ） (2024-12-31T06:59:35Z)
• GT2Vec: Large Language Models as Multi-Modal Encoders for Text and Graph-Structured Data [42.18348019901044]
  GT2Vecは、大規模言語モデルを利用して、テキストとグラフデータを共同でエンコードするフレームワークである。 従来の作業とは異なり、グラフやテキスト空間をより効果的に整合させるために、コントラスト学習を導入する。
  論文  参考訳（メタデータ） (2024-10-15T03:40:20Z)
• TEG-DB: A Comprehensive Dataset and Benchmark of Textual-Edge Graphs [14.437863803271808]
  Text-Attributed Graphs (TAG)は、自然言語記述によるグラフ構造を強化し、データとその相互接続の詳細な描写を容易にする。 既存のTAGデータセットは、主にノードでのみテキスト情報を特徴付けており、エッジは通常、単なるバイナリまたはカテゴリ属性で表される。 このギャップに対処するため、ノードとエッジにリッチなテキスト記述を備えたTextual-Edge Graphsデータセットを導入しました。
  論文  参考訳（メタデータ） (2024-06-14T06:22:47Z)
• Federated Neural Graph Databases [53.03085605769093]
  プライバシを保ちながらマルチソースグラフベースのデータの推論を可能にする新しいフレームワークであるFederated Neural Graph Database (FedNGDB)を提案する。 既存の方法とは異なり、FedNGDBは複雑なグラフ構造と関係を扱うことができ、様々な下流タスクに適合する。
  論文  参考訳（メタデータ） (2024-02-22T14:57:44Z)
• Large Language Models on Graphs: A Comprehensive Survey [77.16803297418201]
  グラフ上の大規模言語モデルに関連するシナリオとテクニックを体系的にレビューする。 まず,LLMをグラフに適用する可能性シナリオを,純グラフ,テキスト分散グラフ,テキストペアグラフの3つのカテゴリにまとめる。 本稿では,そのような手法の現実的な応用について論じ,オープンソースコードとベンチマークデータセットを要約する。
  論文  参考訳（メタデータ） (2023-12-05T14:14:27Z)
• GraphGPT: Graph Instruction Tuning for Large Language Models [27.036935149004726]
  グラフニューラルネットワーク(GNN)は、グラフ構造を理解するために進化してきた。 堅牢性を高めるために、自己教師付き学習(SSL)はデータ拡張の重要なツールとなっている。 本研究は,ゼロショット学習環境におけるグラフモデルの一般化を推し進めることによって,この問題に対処する。
  論文  参考訳（メタデータ） (2023-10-19T06:17:46Z)
• Integrating Graphs with Large Language Models: Methods and Prospects [68.37584693537555]
  大規模言語モデル (LLMs) が最前線として登場し、様々なアプリケーションにおいて非並列の長所を示している。 LLMとグラフ構造化データを組み合わせることは、非常に興味深いトピックです。 本稿では、そのような統合を2つの主要なカテゴリに分岐する。
  論文  参考訳（メタデータ） (2023-10-09T07:59:34Z)
• Neural Graph Databases [14.711031610812967]
  ほぼすべてのグラフニューラルネットワーク(GNN)モデルとグラフデータベース(GDB)の計算能力をシームレスに組み合わせる方法について述べる。 任意のLPGデータセットをGNNの幅広いクラスで直接使用可能な表現に変換するエンコーダであるLPG2vecを開発した。 本評価では,LPG2vecにより,LPGラベルとプロパティとして表される豊富な情報が適切に保存されていることを示す。
  論文  参考訳（メタデータ） (2022-09-20T14:06:44Z)
• Expressive Reasoning Graph Store: A Unified Framework for Managing RDF and Property Graph Databases [9.021529689292985]
  ERGS(Expressive Reasoning Graph Store)について紹介する。 ERGSはJanusGraph上に構築されたグラフストアで、RDFデータセットの保存とクエリを可能にする。 本稿では、RDFデータをProperty Graph表現に変換し、SPARQLクエリを一連のGremlinに変換するクエリ変換モジュールを記述する。
  論文  参考訳（メタデータ） (2022-09-13T09:07:50Z)
• Open Graph Benchmark: Datasets for Machine Learning on Graphs [86.96887552203479]
  スケーラブルで堅牢で再現可能なグラフ機械学習(ML)の研究を容易にするために,Open Graph Benchmark(OGB)を提案する。 OGBデータセットは大規模で、複数の重要なグラフMLタスクを含み、さまざまなドメインをカバーする。 各データセットに対して,有意義なアプリケーション固有のデータ分割と評価指標を用いた統一評価プロトコルを提供する。
  論文  参考訳（メタデータ） (2020-05-02T03:09:50Z)

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。