論文の概要: AgentMap: Joint Equivalence and Subsumption Discovery for Ontology Matching
- arxiv url: http://arxiv.org/abs/2607.27130v1
- Date: Wed, 29 Jul 2026 16:58:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-30 21:06:25.747307
- Title: AgentMap: Joint Equivalence and Subsumption Discovery for Ontology Matching
- Title（参考訳）: AgentMap: オントロジーマッチングのための共同等価性と仮定発見
- Abstract要約: 等価度と推定値の発見を統一する新しいOMタスクであるHybrid Ontology Matching (HOM)を導入する。
本稿では,多言語モデル(LLM)に基づくマルチエージェントOMフレームワークであるAgentMapを提案する。
実験の結果,ハイブリッド環境ではAgentMapが有望なパフォーマンスを実現していることがわかった。
- 参考スコア（独自算出の注目度）: 15.085939995703667
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ontology matching (OM) has traditionally been formulated as either equivalence discovery or subsumption matching. The existing OM systems identify only one type of semantic correspondence and cannot simultaneously discover equivalence and subsumption mappings. In this paper, we introduce Hybrid Ontology Matching (HOM), a new OM task that unifies equivalence and subsumption discovery, and accordingly propose a Large Language Model (LLM)-based multi-agent OM framework AgentMap that is implemented by a series of interdependent semantic decisions. Given a concept in the source ontology, AgentMap integrates semantic retrieval, hierarchical search, and collaborative multi-agent LLM reasoning to progressively explore the target ontology, identifying either the equivalent concept, if one exists, or the most fine-grained subsumer. We further extend four OM datasets for a HOM benchmark and evaluate AgentMap under hybrid, equivalence-only, and subsumption-only settings. Experimental results show that AgentMap achieves promising performance on the hybrid setting, and at the same time outperforms equivalence matching and subsumption matching baselines on the equivalence-only and subsumption-only settings, respectively.
- Abstract（参考訳）: オントロジーマッチング(OM)は、伝統的に等価な発見または仮定マッチングとして定式化されてきた。
既存のOMシステムは1種類の意味対応のみを識別し、等価性と仮定マッピングを同時に発見することができない。
本稿では,等価度と仮定探索を統一する新しいOMタスクであるHybrid Ontology Matching (HOM)を導入し,一連の相互依存的意味決定によって実装されたLarge Language Model (LLM)ベースのマルチエージェントOMフレームワークであるAgentMapを提案する。
ソースオントロジーの概念が与えられたとき、AgentMapはセマンティック検索、階層探索、協調的マルチエージェントLPM推論を統合して、ターゲットオントロジーを段階的に探索し、同じ概念が存在する場合、最もきめ細かいサブサマーを識別する。
さらに、HOMベンチマーク用の4つのOMデータセットを拡張し、ハイブリッドで等価な設定とサブスクライブのみの設定でAgentMapを評価します。
実験結果から,AgentMapはハイブリッド環境での有望な性能を達成し,同時に同値のみの設定と同値のみの設定と同値対応のベースラインをそれぞれ上回った。
関連論文リスト
- UMER: Unifying Embedding and Ranking via Pair-Aware Discriminative Reasoning for Universal Multimodal Retrieval [7.404190239665035]
汎用マルチモーダル検索のための統一型マルチモーダル埋め込みとランク付けフレームワークを提案する。
UMERはアイテムワイドリフレクションをPair-Aware Discriminative Reasoningに置き換える。
MMEB-V2ベンチマークでは、UMERは最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-08-19T03:51:39Z) - SAM-NER: Semantic Archetype Mediation for Zero-Shot Named Entity Recognition [50.82878172248818]
emphSemantic Archetype Mediationは中間的、領域不変なアーキタイプ空間を介してクロスドメイン転送を安定化する。
SAM-NERは、クロスドメイン設定でZS-NERベースラインを一貫して上回る。
論文 参考訳（メタデータ） (2026-05-05T12:54:17Z) - AffectAgent: Collaborative Multi-Agent Reasoning for Retrieval-Augmented Multimodal Emotion Recognition [62.16431420189863]
LLMに基づくマルチモーダル感情認識は静的なパラメトリックメモリに依存しており、ニュアンス化された感情状態の解釈時にしばしば幻覚を与える。
本稿では,感情指向型マルチエージェント検索拡張生成フレームワークであるAffectAgentを紹介する。
AffectAgentは3つの共同最適化されたエージェント、すなわちクエリプランナー、エビデンスフィルタ、感情生成器から構成される。
論文 参考訳（メタデータ） (2026-04-14T13:49:19Z) - BDIViz in Action: Interactive Curation and Benchmarking for Schema Matching Methods [12.444984647326024]
BDIViz は LLM による検証とスキーママッチングのためのインタラクティブな可視化システムである。
BDIVizへの新たな拡張は、Human-in-the-loopベンチマークと反復型マーカ開発という、データ統合研究における重要なニーズに対処する。
論文 参考訳（メタデータ） (2026-04-12T18:16:30Z) - HCRE: LLM-based Hierarchical Classification for Cross-Document Relation Extraction with a Prediction-then-Verification Strategy [54.91468501159335]
文書間関係抽出 (RE) は, 異なる文書に存在する頭部尾部エンティティ間の関係を識別することを目的としている。
本稿では,各レベルでの多視点検証により信頼性を向上させる推論戦略を提案する。
論文 参考訳（メタデータ） (2026-04-09T07:55:27Z) - A Reference Architecture for Agentic Hybrid Retrieval in Dataset Search [0.6299766708197881]
アドホックデータセット検索では、未特定の自然言語クエリとスパースで異質なメタデータレコードとをマッチングする必要がある。
本稿では,BM25語彙探索と密埋め込み検索を組み合わせたエージェントハイブリッド検索のための有界・監査可能な参照アーキテクチャを提案する。
ユーザ意図とプロバイダが承認したメタデータとの語彙ミスマッチを低減するために、オフラインメタデータ拡張ステップが導入される。
論文 参考訳（メタデータ） (2026-03-28T22:56:57Z) - Bridging the Semantic Gap for Categorical Data Clustering via Large Language Models [64.58262227709842]
ARISE(Attention-weighted Representation with Integrated Semantic Embeddings)が紹介される。
正確なクラスタリングのためにカテゴリデータのメトリック空間を補完するセマンティックアウェア表現を構築する。
8つのベンチマークデータセットの実験では、7つの代表的なデータセットよりも一貫した改善が示されている。
論文 参考訳（メタデータ） (2026-01-03T11:37:46Z) - CMOMgen: Complex Multi-Ontology Alignment via Pattern-Guided In-Context Learning [0.45880283710344066]
複合マルチオントロジーマッチング(CMOM)は、1つのソースエンティティを複数のターゲットエンティティの複合論理式に整合させる。
CMOMgenは、ターゲットやエンティティの数を制限することなくセマンティックマッピングを生成する最初のエンドツーエンド戦略である。
論文 参考訳（メタデータ） (2025-10-24T17:12:22Z) - HypoGeneAgent: A Hypothesis Language Agent for Gene-Set Cluster Resolution Selection Using Perturb-seq Datasets [9.465853880657487]
大規模な単一細胞とPerturb-seqの研究は、通常、クラスタリング細胞に関係している。
本稿では,大規模言語モデル(LLM)駆動のフレームワークであるHYPOGENEAGENTを,クラスタアノテーションを定量的に最適化可能なタスクに変換する。
論文 参考訳（メタデータ） (2025-09-10T22:25:33Z) - Hierarchical Matching and Reasoning for Multi-Query Image Retrieval [113.44470784756308]
マルチクエリ画像検索のための階層マッチング・推論ネットワーク(HMRN)を提案する。
MQIRを3つの階層的なセマンティック表現に分解し、きめ細かい局所的な詳細、文脈的グローバルスコープ、高レベルの固有の相関をキャプチャする責任を負う。
我々のHMRNは最先端の手法を大幅に上回っている。
論文 参考訳（メタデータ） (2023-06-26T07:03:56Z) - Multi-Semantic Interactive Learning for Object Detection [11.392255321898324]
本稿では,異なる分野間の意味的関連性を検討するために,マルチセマンティック・インタラクティブ・ラーニング(MSIL)を提案する。
MSILはプラグイン・アンド・プレイコンポーネントとして既存のオブジェクト検出ネットに統合できる。
論文 参考訳（メタデータ） (2023-03-18T13:14:15Z) - UnifieR: A Unified Retriever for Large-Scale Retrieval [84.61239936314597]
大規模な検索は、クエリを与えられた巨大なコレクションから関連ドキュメントをリコールすることである。
事前学習型言語モデル(PLM)に基づく最近の検索手法は,高密度ベクターあるいはレキシコンに基づくパラダイムに大別することができる。
本論文では,高密度ベクトルとレキシコンに基づく検索を2つの表現能力を持つ1つのモデルで統合する学習フレームワークUnifieRを提案する。
論文 参考訳（メタデータ） (2022-05-23T11:01:59Z)
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。