論文の概要: The MMM Data Model -- A Normative Specification for Knowledge Interoperability in a Decentralisable Knowledge Commons

• arxiv url: http://arxiv.org/abs/2607.00032v1
• Date: Mon, 22 Jun 2026 18:24:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-02 19:56:07.585035
• Title: The MMM Data Model -- A Normative Specification for Knowledge Interoperability in a Decentralisable Knowledge Commons
• Title（参考訳）: MMMデータモデル - 分散可能な知識コモンズにおける知識相互運用の規範的仕様
• Abstract要約: MMMは、学際的共同研究の実践的ニーズから生まれた知識ドキュメントのデータモデルである。 小さな規範的制約セットと自由テキストラベルの表現の自由を組み合わせる。 セマンティックコンバージェンスを必要としない、規律、アプリケーション、デプロイメント間の相互運用性のために設計されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many information systems are built around documents: self-contained units optimised for print production and linear reading. While effective for large-scale dissemination, the document-centric organisation constrains how knowledge can be structured, updated, shared, and reused. Formal approaches address some of these limitations but struggle to achieve widespread contribution and adoption due to their prioritisation of formal structure over other system properties such as human usability and scope. AI systems are reshaping document production, but without providing a unified portable alternative to traditional documents for humans' expression and exchange of knowledge. This paper presents MMM, a data model for knowledge documentation that emerged from the practical needs of interdisciplinary collaborative research, and positioned here within a comparative analysis of the design space of information systems. MMM combines a small set of normative constraints with the expressive freedom of free-text labels. It is designed for interoperability across disciplines, applications and deployments without requiring semantic convergence. A reference implementation and pilot deployment data demonstrate implementability and early usability.
• Abstract（参考訳）: 多くの情報システムは文書を中心に構築されており、印刷生産と線形読解に最適化された自己完結型ユニットである。 大規模な普及には有効だが、ドキュメント中心の組織は、知識を構造化、更新、共有、再利用する方法を制約している。 形式的アプローチはこれらの制限のいくつかに対処するが、人間のユーザビリティやスコープといった他のシステム特性よりも形式的構造が優先されているため、広範な貢献と採用を達成するのに苦労する。 AIシステムは文書生産を再構築しているが、人間の表現と知識の交換のために従来の文書に統一されたポータブルな代替手段を提供していない。 本稿では、学際的共同研究の実践的ニーズから生まれた知識文書データモデルであるMMMについて、情報システムの設計空間の比較分析において位置づける。 MMMは、いくつかの規範的制約と自由テキストラベルの表現の自由を組み合わせたものである。 セマンティックコンバージェンスを必要としない、規律、アプリケーション、デプロイメント間の相互運用性のために設計されている。 リファレンス実装とパイロットデプロイメントデータは、実装性と早期使用性を示している。

関連論文リスト

• An LMM for Precisely Grounding Elements in Documents [44.35200586537557]
  PreciseDocは、精密な要素グラウンドティング用に特別に設計されたLMMで、Document VQAタスクにさらに最適化できる。 微粒な座標のペアメタデータを用いて高品質な文書を大量生産できる2つのパイプラインによる挑戦的なトレーニングデータを構築する。 このモデルは、CVからの個人情報の特定など、単一のテキストの直接のローカライゼーションを超えて、より現実的な機能を開発する。
  論文  参考訳（メタデータ） (2026-06-23T04:09:05Z)
• Short Version of VERIFAI2026 Paper -- Learning Infused Formal Reasoning: Contract Synthesis, Artefact Reuse and Semantic Foundations [0.0]
  本稿では,機械学習技術と形式検証を統合したLIFR(Learning-Infused Formal Reasoning)という研究ビジョンを概説する。 このフレームワークは、自然言語要求からの自動コントラクト合成、グラフマッチングと学習ベースの埋め込みを用いた検証アーティファクトのセマンティックリユース、および統一プログラミング理論(UTP)と制度理論に基づく数学的に基礎付けられたセマンティック基盤の3つの相補的な研究方向に焦点を当てている。
  論文  参考訳（メタデータ） (2026-04-14T13:58:14Z)
• UNIKIE-BENCH: Benchmarking Large Multimodal Models for Key Information Extraction in Visual Documents [65.14244917622881]
  近年の大規模マルチモーダルモデルでは,文書画像から直接,エンドツーエンドのKIEを実行する可能性が高まっている。 我々は,LMMのKIE能力を厳格に評価するベンチマークであるUNIKIE-BENCHを紹介する。 15の最先端のLMMの実験では、多様なスキーマ定義、ロングテールキーフィールド、複雑なレイアウトの下での大幅な性能低下が示されている。
  論文  参考訳（メタデータ） (2026-02-03T12:04:56Z)
• Intelligent Knowledge Mining Framework: Bridging AI Analysis and Trustworthy Preservation [0.4742825811314167]
  本稿では,AI駆動分析と信頼性のある長期保存のギャップを埋めるための概念モデルであるIntelligent Knowledge Mining Framework(IKMF)を紹介する。 このフレームワークはデュアルストリームアーキテクチャを提案している。水平マイニングプロセスは、生データをセマンティックにリッチで機械操作可能な知識に変換し、それらの資産の整合性、証明性、計算を保証するために、並列のTrustworthy Archiving Streamを提供する。
  論文  参考訳（メタデータ） (2025-12-19T17:01:03Z)
• Scaling Beyond Context: A Survey of Multimodal Retrieval-Augmented Generation for Document Understanding [61.36285696607487]
  文書理解は、財務分析から科学的発見への応用に不可欠である。 現在のアプローチでは、OCRベースのパイプラインがLarge Language Models(LLM)やネイティブのMultimodal LLMs(MLLM)に制限されている。 Retrieval-Augmented Generation (RAG)は、外部データの基底モデルを支援するが、文書のマルチモーダルな性質は、テキスト、テーブル、チャート、レイアウトを組み合わせることで、より高度なパラダイムを必要とする。
  論文  参考訳（メタデータ） (2025-10-17T02:33:16Z)
• MMESGBench: Pioneering Multimodal Understanding and Complex Reasoning Benchmark for ESG Tasks [56.350173737493215]
  環境・社会・ガバナンス(ESG)報告は、持続可能性の実践の評価、規制コンプライアンスの確保、財務透明性の促進に不可欠である。 MMESGBenchは、マルチモーダル理解と複雑な推論を、構造的に多種多様なマルチソースESG文書間で評価するための、最初のベンチマークデータセットである。 MMESGBenchは、45のESG文書から得られた933の検証済みQAペアで構成され、7つの異なるドキュメントタイプと3つの主要なESGソースカテゴリにまたがる。
  論文  参考訳（メタデータ） (2025-07-25T03:58:07Z)
• DREAM: Document Reconstruction via End-to-end Autoregressive Model [53.51754520966657]
  本稿では、文書再構成に特化した革新的な自己回帰モデルについて述べる。 文書再構成タスクの標準化定義を確立し,文書類似度基準(DSM)とDocRec1Kデータセットを導入し,タスクの性能を評価する。
  論文  参考訳（メタデータ） (2025-07-08T09:24:07Z)
• Graft: Integrating the Domain Knowledge via Efficient Parameter Synergy for MLLMs [56.76586846269894]
  MLLM(Multimodal Large Language Models)は、様々な領域で成功している。 その重要性にもかかわらず、ドメイン固有のMLLM間の知識共有の研究はほとんど未調査のままである。 専門家機能のモジュール構成を可能にする統一パラメータ統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-30T15:07:41Z)
• Out-of-Distribution Detection with Attention Head Masking for Multimodal Document Classification [3.141006099594433]
  本稿では,文書分類システムにおける多モードOODタスクに対するアテンションヘッドマスキング(AHM)と呼ばれる新しい手法を提案する。 実験により,提案手法がすべての最先端手法より優れていることを示す。 高品質な公開可能なドキュメントデータセットの不足に対処するために、新しいドキュメントAIデータセットであるFunderDocsを紹介します。
  論文  参考訳（メタデータ） (2024-08-20T23:30:00Z)
• Transforming Unstructured Text into Data with Context Rule Assisted Machine Learning (CRAML) [0.0]
  コンテキストルール支援機械学習(CRAML)法は、大量の非構造化テキストの正確な再現可能なラベル付けを可能にする。 CRAMLにより、ドメインの専門家はドキュメントコーパス内に埋もれている珍しい構造にアクセスすることができる。 CRAMLのユースケースは3つある: テキストデータから得られた最近の管理文献を分析し、プロプライエタリな求人広告テキストの分析から新しい機械学習モデルを記述・リリースし、フランチャイズ文書の公開コーパスから社会的・経済的関心の発見を示す。
  論文  参考訳（メタデータ） (2023-01-20T13:12:35Z)
• Unified Pretraining Framework for Document Understanding [52.224359498792836]
  文書理解のための統合事前学習フレームワークであるUDocを紹介する。 UDocは、ほとんどのドキュメント理解タスクをサポートするように設計されており、Transformerを拡張してマルチモーダル埋め込みを入力とする。 UDocの重要な特徴は、3つの自己管理的損失を利用して汎用的な表現を学ぶことである。
  論文  参考訳（メタデータ） (2022-04-22T21:47:04Z)

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。