論文の概要: Semantic Networks as Clues: A Theoretical Foundation and Process Optimization for Semantic Network Construction
- arxiv url: http://arxiv.org/abs/2608.01936v1
- Date: Mon, 03 Aug 2026 09:09:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.425051
- Title: Semantic Networks as Clues: A Theoretical Foundation and Process Optimization for Semantic Network Construction
- Title（参考訳）: Semantic Networks as Clues: セマンティックネットワーク構築のための理論的基礎とプロセス最適化
- Abstract要約: 本稿では,テキストの非意味的知識を表す特定のタイプのセマンティックネットワーク(SN)の理論的基礎を概観する。
次に、様々なSNCプロセスを通じて生成される候補SNのランク付けのためのフレームワーク(ClueNetwork)を提案する。
- 参考スコア（独自算出の注目度）: 0.8594140167290097
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The subject matter of this paper is twofold. One is to review the theoretical foundation of a specific type of Semantic Networks (SNs) representing textual non-propositional knowledge. The other involves proposing a framework (ClueNetwork) for ranking candidate SNs generated through various Semantic Network Construction (SNC) processes for the type. In the first fold, it is clarified that the type serves as clues, not surrogates, of reality, making gold standards elusive. Then, it is discussed why this type nevertheless holds scientific legitimacy in terms of abduction. Grounded in this legitimacy, the three main stages of SNC, comprising Automatic Keyphrase Extraction (AKE), Edge Weighting (EW), and Community Detection (CD), are reviewed alongside their objectives and operations. In the second fold, evaluation criteria (comprising two established and one reformulated) for achieving the objectives are first defined and justified, followed by illustrative experiments based on the criteria. Thereafter, SNC is reformulated as a Process Optimization Problem (POP), and its global objective function that integrates the local criteria is defined and justified. Based on these, ClueNetwork is ultimately proposed.
- Abstract（参考訳）: この論文の主題は2つある。
1つは、テキストの非命題知識を表す特定のタイプの意味ネットワーク(SN)の理論的基礎をレビューすることである。
もうひとつは、さまざまなセマンティックネットワーク構築(SNC)プロセスを通じて生成された候補SNをランキングするフレームワーク(ClueNetwork)の提案である。
第1部では、このタイプが現実のサロゲートではなく手がかりとして機能し、金本位制を解き放つことが明確にされている。
それにもかかわらず、なぜこのタイプが誘拐の観点から科学的正当性を持つのかを論じる。
この正当性に基づいて、自動キーフレーズ抽出(AKE)、エッジ重み付け(EW)、コミュニティ検出(CD)を含むSNCの3つの主要な段階を、目的と運用と共にレビューする。
第2の折り目では、目的を達成するための評価基準(確立された2つの基準と1つの修正された1つの基準)が最初に定義され、正当化され、その後、その基準に基づいてイラストレーション実験が行われる。
その後、SNCはプロセス最適化問題(POP)として再編成され、その局所的な基準を統合するグローバルな目的関数が定義され、正当化される。
これらに基づいて、ClueNetworkが最終的に提案されている。
関連論文リスト
- VNN-LIB 2.0: Rigorous Foundations for Neural Network Verification [1.0499611180329804]
本稿では,ニューラルネットワークモデルフォーマットから必要となる最小限の意味的インターフェースを抽象的に特徴付けるEmphnetwork理論について紹介する。
次に、より表現力のあるクエリ言語のための形式構文、ネットワーク理論によって提供される数値領域上の型システム、そして最終的には形式意味論を示す。
したがって、VNN-LIB2.0は信頼できるニューラルネットワーク検証のための堅牢で厳格な基盤を提供する。
論文 参考訳（メタデータ） (2026-05-08T08:56:59Z) - A Multi-dimensional Semantic Surprise Framework Based on Low-Entropy Semantic Manifolds for Fine-Grained Out-of-Distribution Detection [9.10958906714455]
我々は、コアタスクを新しいサンプルのセマンティックサプライズを定量化するものとして定式化する。
次に、サンプルの総サプライズを3つの相補的な次元(整合性、新規性、曖昧性)に分解する普遍的なプローブであるセマンティックサプライズベクトル(SSV)を導入する。
実験により、我々のフレームワークは、挑戦的な第三次タスクに対して新しい最先端(ソータ)を確立するだけでなく、その堅牢な表現は従来のバイナリベンチマーク上でもトップ結果が得られることが示された。
論文 参考訳（メタデータ） (2025-10-15T02:26:35Z) - Prototype-Driven Structure Synergy Network for Remote Sensing Images Segmentation [36.11399269900789]
本稿では,PDSSNet(Prototype-Driven Structure Synergy Network)を提案する。
PDSSNetの設計はコア概念に基づいており、完全な基底オブジェクトは不変クラスセマンティクスとその不変空間構造によって共同で定義される。
PDSSNetは最先端の手法よりも優れています。
論文 参考訳（メタデータ） (2025-08-06T02:29:40Z) - CSCNET: Class-Specified Cascaded Network for Compositional Zero-Shot
Learning [62.090051975043544]
属性とオブジェクト(A-O)の絡み合いは、合成ゼロショット学習(CZSL)の基本的かつ重要な問題である
CZSL(Class-specified Cascaded Network, CSCNet)のための新しいA-O不整合フレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-09T14:18:41Z) - Link Prediction with Contextualized Self-Supervision [63.25455976593081]
リンク予測は、ネットワーク内の2つのノード間のリンクの存在を推測することを目的としている。
従来のリンク予測アルゴリズムは、リンク空間、ノード属性ノイズ、ネットワークダイナミクスという3つの大きな課題によって妨げられている。
本稿では,リンク予測のための構造的コンテキスト予測を完全に活用する,コンテキスト適応型自己監視学習フレームワークを提案する。
論文 参考訳（メタデータ） (2022-01-25T03:12:32Z) - Self-Ensembling GAN for Cross-Domain Semantic Segmentation [107.27377745720243]
本稿では,セマンティックセグメンテーションのためのクロスドメインデータを利用した自己理解型生成逆数ネットワーク(SE-GAN)を提案する。
SE-GANでは、教師ネットワークと学生ネットワークは、意味分節マップを生成するための自己組織化モデルを構成する。
その単純さにもかかわらず、SE-GANは敵の訓練性能を大幅に向上させ、モデルの安定性を高めることができる。
論文 参考訳（メタデータ） (2021-12-15T09:50:25Z) - Artificial Intelligence Algorithms for Natural Language Processing and
the Semantic Web Ontology Learning [0.76146285961466]
新しい進化的クラスタリングアルゴリズム(ECA*)が提案されている。
5つの最先端アプローチに対してECA*を評価する実験を行った。
その結果,ECA*は,適切なクラスタを見つける能力において,その競争力を克服していることがわかった。
論文 参考訳（メタデータ） (2021-08-31T11:57:41Z) - Rethinking Counting and Localization in Crowds:A Purely Point-Based
Framework [59.578339075658995]
そこで本稿では,共同クラウドカウントと個別ローカライゼーションのための純粋にポイントベースのフレームワークを提案する。
我々は、P2PNet(Point to Point Network)と呼ばれる、このフレームワークの下で直感的なソリューションを設計する。
論文 参考訳（メタデータ） (2021-07-27T11:41:50Z) - Ref-NMS: Breaking Proposal Bottlenecks in Two-Stage Referring Expression
Grounding [80.46288064284084]
Ref-NMSは、最初の段階で式対応の提案を出力する最初の方法である。
Ref-NMSは、式中のすべての名詞をクリティカルオブジェクトとみなし、各ボックスをクリティカルオブジェクトと整合させるスコアを予測する軽量モジュールを導入している。
Ref-NMSは接地ステップに依存しないため、最先端の2段階法に容易に組み込むことができる。
論文 参考訳（メタデータ） (2020-09-03T05:04:12Z) - DINE: A Framework for Deep Incomplete Network Embedding [33.97952453310253]
本稿では,ディープ不完全ネットワーク埋め込み,すなわちDINEを提案する。
まず、期待最大化フレームワークを用いて、部分的に観測可能なネットワーク内のノードとエッジの両方を含む欠落部分を完成させる。
マルチラベル分類およびリンク予測タスクにおいて,DINEを3つのネットワーク上で評価する。
論文 参考訳（メタデータ） (2020-08-09T04:59:35Z) - Discretization-Aware Architecture Search [81.35557425784026]
本稿では,離散化対応アーキテクチャサーチ(DAtextsuperscript2S)を提案する。
中心となる考え方は、超ネットワークを所望のトポロジの構成に向けることであり、離散化による精度損失がほとんど軽減される。
標準画像分類ベンチマークの実験は、我々のアプローチの優位性を実証している。
論文 参考訳（メタデータ） (2020-07-07T01:18:58Z) - Learn to Predict Sets Using Feed-Forward Neural Networks [63.91494644881925]
本稿では、ディープフィードフォワードニューラルネットワークを用いた設定予測の課題に対処する。
未知の置換と基数を持つ集合を予測するための新しい手法を提案する。
関連視覚問題に対する集合定式化の有効性を実証する。
論文 参考訳（メタデータ） (2020-01-30T01:52:07Z)
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。