論文の概要: Streamlining Knowledge Graph Creation with PyRML

• arxiv url: http://arxiv.org/abs/2505.20949v1
• Date: Tue, 27 May 2025 09:40:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-28 17:05:58.551218
• Title: Streamlining Knowledge Graph Creation with PyRML
• Title（参考訳）: PyRMLによる知識グラフ作成の合理化
• Authors: Andrea Giovanni Nuzzolese,
• Abstract要約: PyRMLは、宣言型マッピングを通じて知識グラフを構築するためのPythonネイティブライブラリである。 宣言的意味論と実践的知識グラフ工学のギャップを埋める。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Knowledge Graphs (KGs) are increasingly adopted as a foundational technology for integrating heterogeneous data in domains such as climate science, cultural heritage, and the life sciences. Declarative mapping languages like R2RML and RML have played a central role in enabling scalable and reusable KG construction, offering a transparent means of transforming structured and semi-structured data into RDF. In this paper, we present PyRML, a lightweight, Python-native library for building Knowledge Graphs through declarative mappings. PyRML supports core RML constructs and provides a programmable interface for authoring, executing, and testing mappings directly within Python environments. It integrates with popular data and semantic web libraries (e.g., Pandas and RDFlib), enabling transparent and modular workflows. By lowering the barrier to entry for KG creation and fostering reproducible, ontology-aligned data integration, PyRML bridges the gap between declarative semantics and practical KG engineering.
• Abstract（参考訳）: 知識グラフ(KG)は、気候科学、文化遺産、生命科学などの分野において異種データを統合する基礎技術として、ますます採用されている。 R2RMLやRMLのような宣言型マッピング言語は、スケーラブルで再利用可能なKG構築を可能にする上で中心的な役割を果たす。 本稿では,宣言型マッピングによる知識グラフ構築のための軽量PythonネイティブライブラリであるPyRMLを提案する。 PyRMLはコアRMLコンストラクトをサポートし、Python環境内でマッピングのオーサリング、実行、テストを行うためのプログラマブルなインターフェースを提供する。 一般的なデータとセマンティックWebライブラリ(PandasやRDFlibなど)を統合し、透過的でモジュール化されたワークフローを可能にする。 KG生成の参入障壁を低くし、再現可能なオントロジーに準拠したデータ統合を促進することで、PyRMLは宣言的セマンティクスと実用的なKGエンジニアリングのギャップを埋める。

関連論文リスト

• GLTW: Joint Improved Graph Transformer and LLM via Three-Word Language for Knowledge Graph Completion [52.026016846945424]
  我々は、KGの構造情報をエンコードし、それを大規模言語モデルにマージするGLTWと呼ばれる新しい手法を提案する。 具体的には、局所構造情報とグローバル構造情報の両方を効果的に符号化する改良されたグラフ変換器(iGT)を導入する。 また,KG内のすべてのエンティティを分類対象として用いたサブグラフに基づく多分類学習目標を開発し,学習効率を向上する。
  論文  参考訳（メタデータ） (2025-02-17T06:02:59Z)
• Augmented Knowledge Graph Querying leveraging LLMs [2.5311562666866494]
  我々は、知識グラフ(KG)のクエリを強化するフレームワークであるSparqLLMを紹介する。 SparqLLMは、生データからKGを構築するために、Extract, Transform, and Load (ETL)パイプラインを実行する。 また、Large Language Models(LLMs)を利用した自然言語インターフェースを備え、自動SPARQLクエリ生成を実現している。
  論文  参考訳（メタデータ） (2025-02-03T12:18:39Z)
• MALPOLON: A Framework for Deep Species Distribution Modeling [3.1457219084519004]
  MALPOLONは深部種分布モデル(deep-SDM)の訓練と推測を容易にすることを目的としている Pythonで書かれ、PyTorchライブラリ上に構築されている。 このフレームワークはGitHubとPyPiでオープンソース化されている。
  論文  参考訳（メタデータ） (2024-09-26T17:45:10Z)
• PyTorch Frame: A Modular Framework for Multi-Modal Tabular Learning [52.92232950707439]
  PyTorch Frame は PyTorch をベースとした多モード表データの深層学習フレームワークである。 モジュラー方式で多種多様なモデルを実装することにより,PyTorch Frameの有用性を示す。 我々は、グラフニューラルネットワーク(GNN)のためのPyTorchライブラリであるPyTorch GeometricとPyTorch Frameを統合し、関係データベース上でエンドツーエンドの学習を行う。
  論文  参考訳（メタデータ） (2024-03-31T19:15:09Z)
• PyGraft: Configurable Generation of Synthetic Schemas and Knowledge Graphs at Your Fingertips [3.5923669681271257]
  PyGraftはPythonベースのツールで、カスタマイズされたドメインに依存しないスキーマとKGを生成する。 我々は,グラフベース機械学習(ML)などの領域において,新たなアプローチをベンチマークする上で,より多様なKGの生成を促進することを目的としている。 MLでは、モデルパフォーマンスと一般化能力のより包括的な評価が促進され、利用可能なベンチマークの限られたコレクションを超えることになる。
  論文  参考訳（メタデータ） (2023-09-07T13:00:09Z)
• Large Language Models for Automated Data Science: Introducing CAAFE for Context-Aware Automated Feature Engineering [52.09178018466104]
  データセットのセマンティックな特徴を生成するために、コンテキスト認識自動特徴工学(CAAFE)を導入する。 方法論的には単純だが、CAAFEは14のデータセットのうち11のパフォーマンスを改善している。 我々は,AutoMLシステムの範囲をセマンティックなAutoMLに拡張できるコンテキスト認識ソリューションの重要性を強調した。
  論文  参考訳（メタデータ） (2023-05-05T09:58:40Z)
• PyRelationAL: a python library for active learning research and development [1.0061110876649197]
  アクティブラーニング(英: Active Learning, AL)は、反復的かつ経済的にデータを取得する手法の開発に焦点を当てたMLのサブフィールドである。 本稿では,AL研究のためのオープンソースライブラリであるPyRelationALを紹介する。 プールベースのアクティブラーニング戦略を構成するための2段階の設計方法論をベースとしたモジュラーツールキットについて述べる。
  論文  参考訳（メタデータ） (2022-05-23T08:21:21Z)
• pyBART: Evidence-based Syntactic Transformations for IE [52.93947844555369]
  pyBARTは、英語のUD木を拡張UDグラフに変換するためのオープンソースのPythonライブラリである。 パターンに基づく関係抽出のシナリオで評価すると、より少ないパターンを必要としながら、より高精細なUDよりも高い抽出スコアが得られる。
  論文  参考訳（メタデータ） (2020-05-04T07:38:34Z)

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。