Fugu-MT 論文翻訳(概要): Domain specific ontologies from Linked Open Data (LOD)

論文の概要: Domain specific ontologies from Linked Open Data (LOD)

arxiv url: http://arxiv.org/abs/2505.22550v1
Date: Wed, 28 May 2025 16:33:01 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-29 17:35:50.732166
Title: Domain specific ontologies from Linked Open Data (LOD)
Title（参考訳）: Linked Open Data (LOD) のドメイン固有オントロジー
Authors: Rosario Uceda-Sosa, Nandana Mihindukulasooriya, Atul Kumar, Sahil Bansal, Seema Nagar,
Abstract要約: ドメイン固有の知識は、知識をより効率的に消費し、プロプライエタリなコンテンツで拡張しやすくする。ドメインに依存しないパイプラインでITの経験を議論し、ドメイン固有の用語集を使ってそれを拡張します。
参考スコア（独自算出の注目度）: 6.664338208823287
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Logical and probabilistic reasoning tasks that require a deeper knowledge of semantics are increasingly relying on general purpose ontologies such as Wikidata and DBpedia. However, tasks such as entity disambiguation and linking may benefit from domain specific knowledge graphs, which make it more efficient to consume the knowledge and easier to extend with proprietary content. We discuss our experience bootstrapping one such ontology for IT with a domain-agnostic pipeline, and extending it using domain-specific glossaries.
Abstract（参考訳）: 意味論の深い知識を必要とする論理的および確率的推論タスクは、WikidataやDBpediaのような汎用的なオントロジーに依存している。しかし、エンティティの曖昧さやリンクのようなタスクは、ドメイン固有の知識グラフの恩恵を受ける可能性がある。我々は、ドメインに依存しないパイプラインでITのそのようなオントロジーをブートストラップし、ドメイン固有の用語集を使ってそれを拡張した経験について論じる。

関連論文リスト

Unsupervised Named Entity Disambiguation for Low Resource Domains [0.4297070083645049]
GST(Group Steiner Trees)の概念を利用した教師なしアプローチを提案する。 GSTは、候補エンティティ間のコンテキスト的類似性を用いて、最も関連性の高いエンティティの曖昧さの候補を特定することができる。我々は、さまざまなドメイン固有のデータセットでPrecision@1の観点で、最先端の教師なしメソッドを40%以上(例では)上回っています。
論文参考訳（メタデータ） (2024-12-13T11:35:00Z)
The Ontoverse: Democratising Access to Knowledge Graph-based Data Through a Cartographic Interface [33.861478826378054]
我々は地理的視覚化と階層的に構造化されたドメイン知識に依存したデータナビゲーションにユニークなアプローチを開発した。提案手法は自然言語処理技術を用いて,基礎となるデータから名前付きエンティティを抽出し,関連する意味領域参照やナビゲーション構造に対して正規化する。これにより、エンドユーザは、ニーズに関連するエンティティを識別し、広範なグラフ分析にアクセスできるようになる。
論文参考訳（メタデータ） (2024-07-22T10:29:25Z)
Unearthing Large Scale Domain-Specific Knowledge from Public Corpora [103.0865116794534]
データ収集パイプラインに大規模なモデルを導入し、ドメイン固有の情報の生成をガイドします。このアプローチをRetrieve-from-CCと呼ぶ。ドメイン固有の知識に関するデータを収集するだけでなく、パブリックコーパスから潜在的推論手順を含むデータをマイニングする。
論文参考訳（メタデータ） (2024-01-26T03:38:23Z)
Domain Prompt Learning with Quaternion Networks [49.45309818782329]
本稿では、ドメイン固有の基礎モデルからドメイン固有の知識を活用して、ビジョン言語モデルの堅牢な認識能力を特定ドメインに転送することを提案する。本稿では、階層型言語プロンプト特徴とドメイン固有の視覚特徴との間のモーダル関係を解析することにより、視覚プロンプト特徴を生成する階層型アプローチを提案する。提案手法は,即時学習のための新しい最先端結果を実現する。
論文参考訳（メタデータ） (2023-12-12T08:49:39Z)
Knowledge Plugins: Enhancing Large Language Models for Domain-Specific Recommendations [50.81844184210381]
本稿では,大規模言語モデルをDOmain固有のKnowledgEで拡張し,実践的アプリケーション,すなわちDOKEの性能を向上させるためのパラダイムを提案する。このパラダイムはドメイン知識抽出器に依存し,1)タスクに効果的な知識を準備すること,2)特定のサンプルごとに知識を選択すること,3)LLMで理解可能な方法で知識を表現すること,の3つのステップで動作する。
論文参考訳（メタデータ） (2023-11-16T07:09:38Z)
DiscoverPath: A Knowledge Refinement and Retrieval System for Interdisciplinarity on Biomedical Research [96.10765714077208]
従来のキーワードベースの検索エンジンは、特定の用語に慣れていないユーザーを支援するのに不足している。本稿では, バイオメディカル研究のための知識グラフに基づく紙検索エンジンを提案し, ユーザエクスペリエンスの向上を図る。 DiscoverPathと呼ばれるこのシステムは、名前付きエンティティ認識(NER)とPOSタグを使って、記事の要約から用語や関係を抽出し、KGを作成する。
論文参考訳（メタデータ） (2023-09-04T20:52:33Z)
Reorganizing Educational Institutional Domain using Faceted Ontological Principles [0.0]
本研究は,図書館分類システムと言語手法の違いが,特定の分野にどのような影響を及ぼすかを明らかにすることを目的とする。特定のドメイン固有のオントロジーには、知識表現と言語を使用します。この構造は問題解決の助けとなるだけでなく、複雑なクエリを簡単に扱えることを示すのにも役立ちます。
論文参考訳（メタデータ） (2023-06-17T09:06:07Z)
Knowledge Graph Anchored Information-Extraction for Domain-Specific Insights [1.6308268213252761]
新しいドメイン内で特定の情報ニーズを満たすためにタスクベースのアプローチを使用します。美術NLP技術の状態を構成したパイプラインを使用して、インスタンスレベルのセマンティック構造を自動的に抽出する。
論文参考訳（メタデータ） (2021-04-18T19:28:10Z)
Open Domain Generalization with Domain-Augmented Meta-Learning [83.59952915761141]
オープンドメイン一般化(OpenDG)の新しい実践的問題について研究する。本稿では,オープンドメイン一般化表現を学ぶためのメタ学習フレームワークを提案する。種々のマルチドメインデータセットの実験結果から、提案したドメイン拡張メタラーニング(DAML)が、未確認ドメイン認識の先行手法より優れていることが示された。
論文参考訳（メタデータ） (2021-04-08T09:12:24Z)

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。