論文の概要: Disentangling the schema turn: Restoring the information base to conceptual modelling

• arxiv url: http://arxiv.org/abs/2509.01617v1
• Date: Mon, 01 Sep 2025 16:55:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.788725
• Title: Disentangling the schema turn: Restoring the information base to conceptual modelling
• Title（参考訳）: スキーマのターンを遠ざける: 情報ベースを概念モデリングに戻す
• Authors: Chris Partridge, Andrew Mitchell, Sergio de Cesare, Oscar Xiberta Soto,
• Abstract要約: 本稿は、その出現の経緯について光を当てることを目的としており、基本的ではないことを示す。 これは、最新の技術が包括的スキーマとベースの概念モデリングアプローチの採用を可能にすることを示している。 また、bCLEARerの例を使って、この広い領域の実装がおそらく、パイプラインベースの新しい概念モデリング技術に依存する必要があることを示している。
• 参考スコア（独自算出の注目度）: 0.21776971336980333
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: If one looks at contemporary mainstream development practices for conceptual modelling in computer science, these so clearly focus on a conceptual schema completely separated from its information base that the conceptual schema is often just called the conceptual model. These schema-centric practices are crystallized in almost every database textbook. We call this strong, almost universal, bias towards conceptual schemas the schema turn. The focus of this paper is on disentangling this turn within (computer science) conceptual modeling. It aims to shed some light on how it emerged and so show that it is not fundamental. To show that modern technology enables the adoption of an inclusive schema-and-base conceptual modelling approach, which in turn enables more automated, and empirically motivated practices. And to show, more generally, the space of possible conceptual modelling practices is wider than currently assumed. It also uses the example of bCLEARer to show that the implementations in this wider space will probably need to rely on new pipeline-based conceptual modelling techniques. So, it is possible that the schema turn's complete exclusion of the information base could be merely a temporary evolutionary detour.
• Abstract（参考訳）: コンピュータ科学における概念モデリングの現代主流の開発プラクティスを考えると、概念スキーマは概念モデルと呼ばれることが多いため、概念スキーマが情報基盤から完全に分離された概念スキーマに明確に焦点を合わせている。 これらのスキーマ中心のプラクティスは、ほぼすべてのデータベース教科書で結晶化されている。 これを、スキーマのターンの概念的なスキーマに対する、強く、ほぼ普遍的なバイアスと呼んでいます。 本論文は、コンピュータ科学の概念モデリングにおいて、この方向を遠ざけることに焦点を当てている。 それは、その出現の仕方に少し光を当てることを目的としており、それが基本的なものではないことを示す。 最新の技術は包括的スキーマとベースの概念モデリングアプローチの採用を可能にし、それによってより自動化され、実証的に動機づけられたプラクティスを可能にします。 そして、より一般的には、考えられる概念モデリングの実践の空間が、現在想定されているよりも広いことを示している。 また、bCLEARerの例を使って、この広い領域の実装がおそらく、パイプラインベースの新しい概念モデリング技術に依存する必要があることを示している。 したがって、スキーマターンによる情報ベースを完全に排除することは、単に一時的な進化的なデトラウトである可能性がある。

関連論文リスト

• Towards Better Generalization and Interpretability in Unsupervised Concept-Based Models [9.340843984411137]
  本稿では、LCBM(Learningable Concept-Based Model)という、画像分類のための教師なし概念ベースモデルを提案する。 我々はLCBMが既存の教師なし概念ベースモデルを上回る一般化能力を示し、ブラックボックスモデルの性能とほぼ一致することを示した。 概念埋め込みの利用にもかかわらず、我々は概念の局所的な線形結合によるモデル解釈可能性を維持している。
  論文  参考訳（メタデータ） (2025-06-02T16:26:41Z)
• Mod-Adapter: Tuning-Free and Versatile Multi-concept Personalization via Modulation Adapter [52.08332620725473]
  テストタイムの微調整なしにオブジェクトと抽象概念を効果的にカスタマイズできるマルチコンセプトパーソナライズのためのチューニング不要な手法を提案する。 本手法は, 定量的, 質的, 人的評価によって支援された多概念パーソナライゼーションにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-05-24T09:21:32Z)
• Walking the Web of Concept-Class Relationships in Incrementally Trained Interpretable Models [25.84386438333865]
  概念とクラスは複雑な関係の網を形成しており、それは劣化しやすく、経験を通じて保存および拡張する必要がある。 本研究では,マルチモーダルな概念を用いて,学習可能なパラメータの数を増やすことなく分類を行う新しい手法である MuCIL を提案する。
  論文  参考訳（メタデータ） (2025-02-27T18:59:29Z)
• Improving Intervention Efficacy via Concept Realignment in Concept Bottleneck Models [57.86303579812877]
  概念ボトルネックモデル (Concept Bottleneck Models, CBM) は、人間の理解可能な概念に基づいて、解釈可能なモデル決定を可能にする画像分類である。 既存のアプローチは、強いパフォーマンスを達成するために、画像ごとに多数の人間の介入を必要とすることが多い。 本稿では,概念関係を利用した学習型概念認識介入モジュールについて紹介する。
  論文  参考訳（メタデータ） (2024-05-02T17:59:01Z)
• A Self-explaining Neural Architecture for Generalizable Concept Learning [29.932706137805713]
  現在,SOTA の概念学習アプローチは,概念の忠実さの欠如と,概念の相互運用の限界という2つの大きな問題に悩まされている。 ドメイン間の概念学習のための新しい自己説明型アーキテクチャを提案する。 提案手法は,現在広く使われている4つの実世界のデータセットに対するSOTA概念学習手法に対して有効であることを示す。
  論文  参考訳（メタデータ） (2024-05-01T06:50:18Z)
• Simple Mechanisms for Representing, Indexing and Manipulating Concepts [46.715152257557804]
  我々は、概念の具体的な表現やシグネチャを生成するために、そのモーメント統計行列を見ることで概念を学ぶことができると論じる。 概念が交差しているとき、概念のシグネチャを使用して、関連する多くの相互交差した概念の共通テーマを見つけることができる。
  論文  参考訳（メタデータ） (2023-10-18T17:54:29Z)
• Concept Gradient: Concept-based Interpretation Without Linear Assumption [77.96338722483226]
  概念活性化ベクトル(Concept Activation Vector, CAV)は、与えられたモデルと概念の潜在表現の間の線形関係を学習することに依存する。 我々は、線形概念関数を超えて概念に基づく解釈を拡張する概念グラディエント(CG)を提案した。 我々は、CGがおもちゃの例と実世界のデータセットの両方でCAVより優れていることを実証した。
  論文  参考訳（メタデータ） (2022-08-31T17:06:46Z)
• The Conceptual VAE [7.15767183672057]
  本稿では,変分オートエンコーダの枠組みに基づく新しい概念モデルを提案する。 このモデルは、概念のβ-VAEモデルにインスパイアされ、密接に関連しています。 モデルが概念分類器としてどのように使用できるか、そしてインスタンス毎に少ないラベルから学習するためにどのように適応できるかを示す。
  論文  参考訳（メタデータ） (2022-03-21T17:27:28Z)

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。