論文の概要: WiseOWL: A Methodology for Evaluating Ontological Descriptiveness and Semantic Correctness for Ontology Reuse and Ontology Recommendations
- arxiv url: http://arxiv.org/abs/2604.12025v1
- Date: Mon, 13 Apr 2026 20:09:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-15 19:11:32.104861
- Title: WiseOWL: A Methodology for Evaluating Ontological Descriptiveness and Semantic Correctness for Ontology Reuse and Ontology Recommendations
- Title（参考訳）: WiseOWL:オントロジー・リユースとオントロジー・レコメンデーションのためのオントロジー記述性と意味的正当性の評価方法
- Authors: Aryan Singh Dalal, Maria Baloch, Asiyah Yu Lin, Anna Maria Masci, Kathleen M. Jagodnik, Hande Kucuk McGinty,
- Abstract要約: WiseLOWは、再利用の選択のためのスコアとガイダンスを備えた方法論である。
i) よく説明され、ドキュメントのカバレッジを測定し、 (ii) 最先端の埋め込みを使ってラベルと定義のアライメントを評価する。
WiseOWは動作可能なフィードバックで正規化された0-10スコアを出力する。
- 参考スコア（独自算出の注目度）: 0.10554048699217668
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Semantic Web standardizes concept meaning for humans and machines, enabling machine-operable content and consistent interpretation that improves advanced analytics. Reusing ontologies speeds development and enforces consistency, yet selecting the optimal choice is challenging because authors lack systematic selection criteria and often rely on intuition that is difficult to justify, limiting reuse. To solve this, WiseOWL is proposed, a methodology with scoring and guidance to select ontologies for reuse. It scores four metrics: (i) Well-Described, measuring documentation coverage; (ii) Well-Defined, using state-of-the-art embeddings to assess label-definition alignment; (iii) Connection, capturing structural interconnectedness; and (iv) Hierarchical Breadth, reflecting hierarchical balance. WiseOWL outputs normalized 0-10 scores with actionable feedback. Implemented as a Streamlit app, it ingests OWL format, converts to RDF Turtle, and provides interactive visualizations. Evaluation across six ontologies, including the Plant Ontology (PO), Gene Ontology (GO), Semanticscience Integrated Ontology (SIO), Food Ontology (FoodON), Dublin Core (DC), and GoodRelations, demonstrates promising effectiveness.
- Abstract（参考訳）: Semantic Webは人間と機械の概念を標準化し、機械操作可能なコンテンツと、高度な分析を改善する一貫した解釈を可能にする。
オントロジーの再利用は開発をスピードアップし一貫性を強制するが、著者が体系的な選択基準を欠いているため、しばしば正当化し難い直観に頼り、再利用を制限するため、最適な選択を選択することは難しい。
この問題を解決するために、WiseOWLは、再利用のためのオントロジーを選択するためのスコアとガイダンスを備えた方法論である。
スコアは4つ。
i) よく記載された,ドキュメントのカバレッジを計測すること。
二 ラベル-定義アライメントの評価に最先端の埋込みを用いた精巧な精査
三 接続、構造的相互接続性、及び
(四)階層的バランスを反映した階層的ブレッドス。
WiseOWLは動作可能なフィードバックで正規化された0-10スコアを出力する。
Streamlitアプリとして実装され、OWLフォーマットを取り込み、RDF Turtleに変換し、インタラクティブな視覚化を提供する。
植物オントロジー(PO)、遺伝子オントロジー(GO)、セマンティックサイエンス統合オントロジー(SIO)、フードオントロジー(FoodON)、ダブリン・コア(DC)、グッドリレーションズ(GoodRelations)の6つのオントロジーにおける評価は有望な効果を示している。
関連論文リスト
- UniDial-EvalKit: A Unified Toolkit for Evaluating Multi-Faceted Conversational Abilities [70.79422099851506]
対話型AIシステム評価のための統合評価ツールキットUniDial-EvalKit(UDE)を提案する。
UDEは異種データフォーマットを普遍的なスキーマに標準化し、モジュールアーキテクチャを通じて複雑な評価パイプラインを合理化し、一貫したスコアリングインターフェースの下でメートル法計算を調整する。
論文 参考訳（メタデータ） (2026-03-24T13:01:31Z) - FeClustRE: Hierarchical Clustering and Semantic Tagging of App Features from User Reviews [0.0]
FeClustREは、ハイブリッド機能抽出、階層クラスタリング、自動チューニング、セマンティックラベリングを統合したフレームワークである。
FeClustREを,クラスタリングの品質,セマンティックコヒーレンス,解釈可能性に関するAIアシスタントアプリレビューのサンプル調査と,その正しさの抽出のための公開ベンチマークで評価した。
論文 参考訳（メタデータ） (2025-10-21T16:54:21Z) - Language Models as Ontology Encoders [32.148744398729896]
オントロジー埋め込みは、妥当な新しい知識と近似的な複雑な推論を推測することができる。
OnTは、幾何空間に双曲的モデリングを組み込むことにより、事前訓練されたモデル言語(PLM)をチューニングする。
OnTは、予測と推論の両方のタスクにおいて、ベースラインを一貫して上回る。
論文 参考訳（メタデータ） (2025-07-18T19:26:16Z) - Topology-Aware Modeling for Unsupervised Simulation-to-Reality Point Cloud Recognition [63.55828203989405]
我々はオブジェクトポイントクラウド上でSim2Real UDAのための新しいTopology-Aware Modeling (TAM)フレームワークを紹介する。
提案手法は,低レベルの高周波3次元構造を特徴とするグローバル空間トポロジを利用して,領域間隙を緩和する。
本稿では,クロスドメイン・コントラスト学習と自己学習を組み合わせた高度な自己学習戦略を提案する。
論文 参考訳（メタデータ） (2025-06-26T11:53:59Z) - OntologyRAG: Better and Faster Biomedical Code Mapping with Retrieval-Augmented Generation (RAG) Leveraging Ontology Knowledge Graphs and Large Language Models [1.2941187430993801]
In-context-learning representations のための検索拡張生成(RAG)法である OntologyRAG を開発した。
我々のソリューションはLLMを知識グラフとマッピングして質問を処理します。
私たちのソリューションでは、標準プロセスで知識グラフを更新することで、オントロジーの更新を反映できるため、LMを再トレーニングする必要はありません。
論文 参考訳（メタデータ） (2025-02-26T09:56:10Z) - OWL2Vec4OA: Tailoring Knowledge Graph Embeddings for Ontology Alignment [14.955861200588664]
本稿では,組込みシステムOWL2Vec*の拡張であるOWL2Vec4OAを提案する。
本稿では,提案する拡張の理論的基礎,実装の詳細,および実験的評価について述べる。
論文 参考訳（メタデータ） (2024-08-12T17:24:19Z) - Understanding Token-level Topological Structures in Transformer-based Time Series Forecasting [52.364260925700485]
Transformer-based method has achieved state-of-the-art performance in time series forecasting (TSF)
既存のトランスフォーマーが中間層全体を通してトークン間の固有位相構造を完全に活用しているかどうかは不明である。
トークンレベルのトポロジを明示的にかつ適応的に保存するトランスフォーマーベースの新しいTSF手法であるトポロジ拡張法(TEM)を提案する。
論文 参考訳（メタデータ） (2024-04-16T07:21:39Z) - Taxonomy Adaptive Cross-Domain Adaptation in Medical Imaging via
Optimization Trajectory Distillation [73.83178465971552]
自動医用画像解析の成功は、大規模かつ専門家による注釈付きトレーニングセットに依存する。
非教師なしドメイン適応(UDA)はラベル付きデータ収集の負担を軽減するための有望なアプローチである。
本稿では,2つの技術的課題に新しい視点から対処する統一的手法である最適化トラジェクトリ蒸留を提案する。
論文 参考訳（メタデータ） (2023-07-27T08:58:05Z) - Semantic Search for Large Scale Clinical Ontologies [63.71950996116403]
本稿では,大規模臨床語彙検索システムを構築するための深層学習手法を提案する。
本稿では,意味学習データに基づくトレーニングデータを生成するTriplet-BERTモデルを提案する。
このモデルは,5つの実ベンチマークデータセットを用いて評価され,提案手法は自由テキストから概念,概念まで,概念語彙の検索において高い結果が得られることを示す。
論文 参考訳（メタデータ） (2022-01-01T05:15:42Z) - Latent Opinions Transfer Network for Target-Oriented Opinion Words
Extraction [63.70885228396077]
資源豊富なレビュー評価分類データセットから低リソースタスクTOWEへ意見知識を伝達する新しいモデルを提案する。
我々のモデルは、他の最先端手法よりも優れた性能を達成し、意見の知識を伝達することなく、ベースモデルを大幅に上回る。
論文 参考訳（メタデータ） (2020-01-07T11:50:54Z)
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。