Fugu-MT 論文翻訳(概要): Analysing semantic data storage in Distributed Ledger Technologies for Data Spaces

論文の概要: Analysing semantic data storage in Distributed Ledger Technologies for Data Spaces

arxiv url: http://arxiv.org/abs/2507.07116v1
Date: Thu, 03 Jul 2025 13:21:00 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-11 16:40:15.119676
Title: Analysing semantic data storage in Distributed Ledger Technologies for Data Spaces
Title（参考訳）: データ空間のための分散Ledger技術における意味データストレージの解析
Authors: Juan Cano-Benito, Andrea Cimmino, Sven Hertling, Heiko Paulheim, Raúl García-Castro,
Abstract要約: この研究では、パフォーマンス、ストレージ効率、リソース消費、セマンティックデータの更新とクエリ機能を比較した。プライベートDLTはセマンティックコンテンツの保存と管理に最も効率的であり、ハイブリッドDLTは公開監査性と運用効率のバランスのとれたトレードオフを提供する。
参考スコア（独自算出の注目度）: 2.609784101826762
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Data spaces are emerging as decentralised infrastructures that enable sovereign, secure, and trustworthy data exchange among multiple participants. To achieve semantic interoperability within these environments, the use of semantic web technologies and knowledge graphs has been proposed. Although distributed ledger technologies (DLT) fit as the underlying infrastructure for data spaces, there remains a significant gap in terms of the efficient storage of semantic data on these platforms. This paper presents a systematic evaluation of semantic data storage across different types of DLT (public, private, and hybrid), using a real-world knowledge graph as an experimental basis. The study compares performance, storage efficiency, resource consumption, and the capabilities to update and query semantic data. The results show that private DLTs are the most efficient for storing and managing semantic content, while hybrid DLTs offer a balanced trade-off between public auditability and operational efficiency. This research leads to a discussion on the selection of the most appropriate DLT infrastructure based on the data sovereignty requirements of decentralised data ecosystems.
Abstract（参考訳）: データ空間は、複数の参加者の間で主権、安全、信頼できるデータ交換を可能にする分散インフラストラクチャとして出現している。これらの環境におけるセマンティック・インターオペラビリティを実現するため,セマンティック・ウェブ技術と知識グラフの利用が提案されている。データ空間の基盤となる基盤として分散台帳技術(DLT)が適しているが、これらのプラットフォーム上でのセマンティックデータの効率的な保存という点では大きなギャップが残っている。本稿では,実世界の知識グラフを用いて,様々な種類のDLT(パブリック,プライベート,ハイブリッド)のセマンティックデータストレージの体系的評価を行う。この研究では、パフォーマンス、ストレージ効率、リソース消費、セマンティックデータの更新とクエリ機能を比較した。その結果、プライベートDLTはセマンティックコンテンツの保存と管理に最も効率的であるのに対し、ハイブリッドDLTは公開監査性と運用効率のバランスのとれたトレードオフを提供することがわかった。本研究は、分散データエコシステムのデータ主権要件に基づいて、最も適切なDLTインフラストラクチャの選択について議論する。

関連論文リスト

Unlocking the Value of Decentralized Data: A Federated Dual Learning Approach for Model Aggregation [20.023295646723312]
フェデレートラーニング(FL)は、AIモデルを分散データでトレーニング可能にすることで、有望な代替手段を提供する。既存のFLアプローチは、異種データ分散や通信遅延といった課題により、集中トレーニングのパフォーマンスに匹敵する。クライアントからのモデル更新のマージをガイドするために,サーバにおける集中型データを活用するデュアルラーニング手法を提案する。
論文参考訳（メタデータ） (2025-03-26T01:00:35Z)
Unveiling the Superior Paradigm: A Comparative Study of Source-Free Domain Adaptation and Unsupervised Domain Adaptation [52.36436121884317]
Source-Free Domain Adaptation (SFDA) は、現実のシナリオにおいて、Unsupervised Domain Adaptation (UDA) よりも一般的に優れていることを示す。 SFDAは、時間効率、ストレージ要件、対象とする学習目標、負の移動リスクの低減、過度な適合に対する堅牢性の向上といった利点を提供している。利用可能なソースデータをマルチSFDA手法に効果的に統合する新しい重み推定法を提案する。
論文参考訳（メタデータ） (2024-11-24T13:49:29Z)
Dataset Dictionary Learning in a Wasserstein Space for Federated Domain Adaptation [5.024690447177142]
マルチソースドメイン適応(MSDA、Multi-Source Domain Adaptation)は、複数の関連する異種ソースデータセットをラベル付けされていないターゲットデータセットに適合させるという、難しいシナリオである。我々の研究は、この課題に対処するために、分散データセット辞書学習という新しいアプローチを提案する。我々のアルゴリズムは、各クライアントの基盤となる分布を、プライベートなバリ中心座標によって重み付けされたパブリック原子のワッサーシュタインバリセンタとして表現する。
論文参考訳（メタデータ） (2024-07-16T12:13:54Z)
When Swarm Learning meets energy series data: A decentralized collaborative learning design based on blockchain [10.099134773737939]
機械学習モデルは、将来のエネルギー生産または消費を予測する機能を提供する。しかし、特定のエネルギーセクター内の法と政策の制約は、様々な情報源のデータを利用する際に技術的ハードルをもたらす。本稿では,集中型サーバをブロックチェーンベースの分散ネットワークに置き換えるSwarm Learningスキームを提案する。
論文参考訳（メタデータ） (2024-06-07T08:42:26Z)
Pessimistic Value Iteration for Multi-Task Data Sharing in Offline Reinforcement Learning [116.87367592920171]
オフライン強化学習(RL)は、固定データセットからタスク固有のポリシーを学ぶ上で有望な結果を示している。特定のタスクのデータセットが制限されているシナリオでは、他のタスクからのデータセットでオフラインのRLを改善することが自然なアプローチである。データ選択なしでデータセット全体を共有する不確実性に基づくマルチタスクデータ共有(MTDS)手法を提案する。
論文参考訳（メタデータ） (2024-04-30T08:16:52Z)
Does Decentralized Learning with Non-IID Unlabeled Data Benefit from Self Supervision? [51.00034621304361]
自己教師型学習(SSL)のレンズによるラベルなしデータによる分散学習の研究本研究では,分散学習環境下でのコントラスト学習アルゴリズムの有効性について検討する。
論文参考訳（メタデータ） (2022-10-20T01:32:41Z)
Federated Semi-Supervised Domain Adaptation via Knowledge Transfer [6.7543356061346485]
本稿では,複数の分散および機密データセットに対して半教師付きドメイン適応(SSDA)を実現するための革新的なアプローチを提案する。 Federated Semi-Supervised Domain Adaptation (FSSDA)は、戦略的に設計された知識蒸留技術に基づいて、SSDAとフェデレートラーニングを統合している。 FSSDA設計の有効性と効率を実証するために大規模な実験を行った。
論文参考訳（メタデータ） (2022-07-21T19:36:10Z)
DataPerf: Benchmarks for Data-Centric AI Development [81.03754002516862]
DataPerfは、MLデータセットとデータ中心アルゴリズムを評価するための、コミュニティ主導のベンチマークスイートである。私たちは、この反復的な開発をサポートするために、複数の課題を抱えたオープンなオンラインプラットフォームを提供しています。ベンチマーク、オンライン評価プラットフォーム、ベースライン実装はオープンソースである。
論文参考訳（メタデータ） (2022-07-20T17:47:54Z)
Efficient Ring-topology Decentralized Federated Learning with Deep Generative Models for Industrial Artificial Intelligent [13.982904025739606]
深層生成モデル(dgms)のためのリングトポジ型分散連体学習方式を提案する。我々のRDFLスキームは通信効率を向上し、目標IIoTタスクにおけるDGMを向上するための訓練性能を維持する。さらに、通信効率とFLセキュリティをさらに向上するため、IPFS(InterPlanetary File System)を導入している。
論文参考訳（メタデータ） (2021-04-15T08:09:54Z)
Multi-modal AsynDGAN: Learn From Distributed Medical Image Data without Sharing Private Information [55.866673486753115]
プライバシーとセキュリティを守るために拡張可能で弾力性のある学習フレームワークを提案します。提案するフレームワークは分散Asynchronized Discriminator Generative Adrial Networks (AsynDGAN) である。
論文参考訳（メタデータ） (2020-12-15T20:41:24Z)
Federated Doubly Stochastic Kernel Learning for Vertically Partitioned Data [93.76907759950608]
本稿では,垂直分割データに対する2倍のカーネル学習アルゴリズムを提案する。本稿では,FDSKLがカーネルを扱う場合,最先端のフェデレーション学習手法よりもはるかに高速であることを示す。
論文参考訳（メタデータ） (2020-08-14T05:46:56Z)

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。