論文の概要: The Initial Exploration Problem in Knowledge Graph Exploration

• arxiv url: http://arxiv.org/abs/2602.21066v1
• Date: Tue, 24 Feb 2026 16:27:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-25 17:34:53.839239
• Title: The Initial Exploration Problem in Knowledge Graph Exploration
• Title（参考訳）: 知識グラフ探索における初期探索問題
• Authors: Claire McNamara, Lucy Hederman, Declan O'Sullivan,
• Abstract要約: 本稿では,この現象を初期探索問題(IEP)として同定し,理論する。 我々は、スコープの不確実性、不透明性、クエリ非能力の3つの相互依存障壁によって特徴づけられるIEPの概念的フレーミングを開発する。 これらの障壁は、最初に接触した時点で収束し、既存の出発点や情報目標を前提とした関連する概念とIEPを区別する。
• 参考スコア（独自算出の注目度）: 1.1852406625172216
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Knowledge Graphs (KGs) enable the integration and representation of complex information across domains, but their semantic richness and structural complexity create substantial barriers for lay users without expertise in semantic web technologies. When encountering an unfamiliar KG, such users face a distinct orientation challenge: they do not know what questions are possible, how the knowledge is structured, or how to begin exploration. This paper identifies and theorises this phenomenon as the Initial Exploration Problem (IEP). Drawing on theories from information behaviour and human-computer interaction, including ASK, exploratory search, information foraging, and cognitive load theory, we develop a conceptual framing of the IEP characterised by three interdependent barriers: scope uncertainty, ontology opacity, and query incapacity. We argue that these barriers converge at the moment of first contact, distinguishing the IEP from related concepts that presuppose an existing starting point or information goal. Analysing KG exploration interfaces at the level of interaction primitives, we suggest that many systems rely on epistemic assumptions that do not hold at first contact. This reveals a structural gap in the design space: the absence of interaction primitives for scope revelation, mechanisms that communicate what a KG contains without requiring users to formulate queries or interpret ontological structures. In articulating the IEP, this paper provides a theoretical lens for evaluating KG interfaces and for designing entry-point scaffolding that supports initial exploration.
• Abstract（参考訳）: 知識グラフ(KG)はドメイン間の複雑な情報の統合と表現を可能にするが、セマンティックな豊かさと構造的な複雑さは、セマンティックなWeb技術に精通していないレイユーザにとって重大な障壁を生み出している。 未知のKGに遭遇すると、ユーザは、どのような質問ができるか、どのように知識が構造化されているか、どのように探索を始めるのかを知らないという、明確な方向性の課題に直面します。 本稿では,この現象を初期探索問題(IEP)として同定し,理論的に論じる。 本稿では,ASK,探索探索,情報捕食,認知的負荷理論など,情報行動や人間とコンピュータの相互作用から理論を導出し,領域不確実性,オントロジー不透明性,クエリ不完全性という3つの相互依存障壁によって特徴づけられるIEPの概念的フレーミングを開発する。 これらの障壁は、最初に接触した時点で収束し、既存の出発点や情報目標を前提とした関連する概念とIEPを区別する。 相互作用プリミティブのレベルでのKG探索インタフェースの解析により、多くの系は、最初の接触時に保持されないてんかんの仮定に依存していることを示唆する。 これは、スコープの啓示のための相互作用プリミティブの欠如、ユーザがクエリを定式化したり、オントロジ構造を解釈したりすることなく、KGが持っているものを伝えるメカニズムである。 本論文は,KGインタフェースの評価と初期探査を支援するエントリーポイントスキャフォールディングの設計のための理論的レンズを提供する。

関連論文リスト

• From Perception to Cognition: A Survey of Vision-Language Interactive Reasoning in Multimodal Large Language Models [66.36007274540113]
  MLLM(Multimodal Large Language Models)は、物理的世界に対する深い人間的な理解と相互作用を達成するための試みである。 情報取得(知覚)や推論(認知)を行う際、しばしば浅く不整合な統合を示す。 この調査では、新しい統合分析フレームワーク「知覚から認知へ」を紹介した。
  論文  参考訳（メタデータ） (2025-09-29T18:25:40Z)
• Towards Open-World Retrieval-Augmented Generation on Knowledge Graph: A Multi-Agent Collaboration Framework [21.896955284099334]
  大きな言語モデル(LLM)は、言語理解と推論において強力な能力を示している。 Retrieval-Augmented Generation (RAG)は、外部知識ソースを組み込むことによって、この制限に対処する。 AnchorRAGは,オープンワールドRAGのための,事前定義されたアンカーエンティティを持たない新しいマルチエージェント協調フレームワークである。
  論文  参考訳（メタデータ） (2025-09-01T08:26:12Z)
• MA-COIR: Leveraging Semantic Search Index and Generative Models for Ontology-Driven Biomedical Concept Recognition [8.635416307171035]
  我々は,概念認識を索引付け認識タスクとして再構成するフレームワークであるMA-COIRを紹介する。 セマンティック検索インデックス(ssID)を概念に割り当てることで、MA-COIRはオントロジーエントリの曖昧さを解消し、認識効率を高める。 本研究は,MA-COIRが言及レベルのアノテーションを必要とせず,明示的概念と暗黙的概念の両方を認識する上での有効性を強調した。
  論文  参考訳（メタデータ） (2025-05-19T11:00:43Z)
• GIVE: Structured Reasoning of Large Language Models with Knowledge Graph Inspired Veracity Extrapolation [108.2008975785364]
  Graph Inspired Veracity Extrapolation (GIVE)は、パラメトリックメモリと非パラメトリックメモリを融合して、最小の外部入力で正確な推論を改善する新しい推論手法である。 GIVE は LLM エージェントをガイドして,最も関連する専門家データ (observe) を選択し,クエリ固有の発散思考 (reflect) に従事し,その情報を合成して最終的な出力 (speak) を生成する。
  論文  参考訳（メタデータ） (2024-10-11T03:05:06Z)
• Discovering Conceptual Knowledge with Analytic Ontology Templates for Articulated Objects [42.9186628100765]
  我々は,概念レベルでの動作を通じて,機械知能に類似の能力を持たせることを目指している。 AOT駆動のアプローチは、3つの重要な観点で利益をもたらす。
  論文  参考訳（メタデータ） (2024-09-18T04:53:38Z)
• On the Element-Wise Representation and Reasoning in Zero-Shot Image Recognition: A Systematic Survey [82.49623756124357]
  ゼロショット画像認識(ZSIR)は、限られたデータから一般化された知識を学習することにより、目に見えない領域の認識と推論を目的としている。 本稿では,ZSIRの最近の進歩を徹底的に研究し,今後の発展の基盤となるものについて述べる。
  論文  参考訳（メタデータ） (2024-08-09T05:49:21Z)
• A Data-Driven Study of Commonsense Knowledge using the ConceptNet Knowledge Base [8.591839265985412]
  汎用人工知能(AI)の実現における重要なフロンティアとして,コモンセンス知識と推論の獲得が認められている。 本稿では,コンセプションネットの知識基盤を実証的かつ構造的に分析することにより,コモンセンス知識のより深い理解を可能にする体系的な研究を提案し,実施する。 最先端の教師なしグラフ表現学習(「埋め込み」)とクラスタリング技術を用いて、慎重に設計された3つの研究課題に関する詳細な実験結果から、ConceptNet関係の深いサブ構造を明らかにする。
  論文  参考訳（メタデータ） (2020-11-28T08:08:25Z)

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。