論文の概要: Continuous Ontology Assurance through External Resources -- An Ontology Engineering Method with a Case Study in Software Language Engineering

• arxiv url: http://arxiv.org/abs/2610.24322v1
• Date: Fri, 16 Oct 2026 23:37:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-26 02:21:42.114147
• Title: Continuous Ontology Assurance through External Resources -- An Ontology Engineering Method with a Case Study in Software Language Engineering
• Title（参考訳）: 外部資源による連続オントロジー保証-ソフトウェア言語工学を事例としたオントロジー工学手法
• Abstract要約: 矢印と呼ばれる実行可能なコンポーネントを管理するCOATERを提案する。 各矢印はオントロジーのスコープ化された部分と関連するリソースを比較し、その公理に対するサポートや課題を報告します。
• 参考スコア（独自算出の注目度）: 0.34350435667061324
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Domain ontologies require review against knowledge recorded in evolving external resources. We propose COATER, a method that manages executable review components called arrows. Each arrow compares a scoped part of an ontology with a relevant resource and reports support or challenges to its axioms. Challenges may prompt proposals for completion, correction, or restructuring and become tasks for human or agent-assisted triage. Per-axiom coverage summarizes the assessments. We illustrate COATER with the FSL ontology in software language engineering (SLE): arrows review language coverage, language conceptualization, and software-engineering activities. An LLM-assisted linkage exercise increases compliance with a defined Wikipedia-linkage policy from 405 to 600 of 600 entities. A structured catalogue of SLE resources organizes review opportunities.
• Abstract（参考訳）: ドメインオントロジーは、進化する外部リソースに記録された知識に対するレビューを必要とする。 我々は矢印と呼ばれる実行可能なレビューコンポーネントを管理するCOATERを提案する。 各矢印はオントロジーのスコープ化された部分と関連するリソースを比較し、その公理に対するサポートや課題を報告します。 課題は、完成、修正、再構築の提案を促し、人間やエージェント支援のトリアージのタスクとなる。 公理単位のカバレッジは評価を要約する。 ソフトウェア言語工学(SLE)におけるFSLオントロジー(FSLオントロジー)を用いてCOATERを解説する。 LLM支援リンク演習は、定義されたウィキペディアリンクポリシーへの準拠を、600のエンティティのうち405から600に増加させる。 SLEリソースの構造化カタログは、レビューの機会を整理する。

関連論文リスト

• LLM-Guided Ontology-Driven Knowledge Graph Construction from Unstructured Text [0.0]
  オントロジー駆動型知識グラフの構築は,文書のドメイン特異性のため,依然として困難である。 本稿では,コンパクトなオープンソースLarge Language Models(LLM)を組み合わせたオントロジー学習パイプラインの適用性について検討する。 このアプローチは、フランスのプライベートコーパスであるパワーグリッドインシデントレポートでテストされ、評価されている。
  論文  参考訳（メタデータ） (2026-09-15T12:26:10Z)
• Explaining Code Risk in OSS: Towards LLM-Generated Fault Prediction Interpretations [5.258181425686992]
  オープンソースソフトウェア(OSS)は、その価値のために、世界中で非常に重要で重要なインフラになっています。 バグの修正や新機能の実装など、安全な変更を行うことは困難である。 我々は,Large Language Models (LLMs) が故障予測指標を明確かつ可読なリスク説明に翻訳できるかどうかを検討する。
  論文  参考訳（メタデータ） (2025-10-07T16:36:01Z)
• Rethinking Testing for LLM Applications: Characteristics, Challenges, and a Lightweight Interaction Protocol [83.83217247686402]
  大言語モデル(LLM)は、単純なテキストジェネレータから、検索強化、ツール呼び出し、マルチターンインタラクションを統合する複雑なソフトウェアシステムへと進化してきた。 その固有の非決定主義、ダイナミズム、文脈依存は品質保証に根本的な課題をもたらす。 本稿では,LLMアプリケーションを3層アーキテクチャに分解する: textbftextitSystem Shell Layer, textbftextitPrompt Orchestration Layer, textbftextitLLM Inference Core。
  論文  参考訳（メタデータ） (2025-08-28T13:00:28Z)
• Oreo: A Plug-in Context Reconstructor to Enhance Retrieval-Augmented Generation [28.568010424711563]
  Retrieval-Augmented Generation (RAG) は、Large Language Models (LLM) の機能強化を目的としている。 生成に使用する前に検索したチャンクを洗練するために設計された,コンパクトで効率的な,プラグ可能なモジュールを導入する。
  論文  参考訳（メタデータ） (2025-02-18T16:38:39Z)
• Studying and Benchmarking Large Language Models For Log Level Suggestion [49.176736212364496]
  大規模言語モデル(LLM)は、様々な領域で研究の焦点となっている。 本稿では,12個のオープンソースLCMのログレベル提案における性能に及ぼす特性と学習パラダイムの影響について検討する。
  論文  参考訳（メタデータ） (2024-10-11T03:52:17Z)
• Large Language Models for Generative Information Extraction: A Survey [89.71273968283616]
  大規模言語モデル(LLM)は、テキスト理解と生成において顕著な能力を示した。 各種IEサブタスクと技術の観点から,これらの作品を分類して概観する。 我々は,最も先進的な手法を実証的に分析し,LLMによるIEタスクの出現傾向を明らかにする。
  論文  参考訳（メタデータ） (2023-12-29T14:25:22Z)
• DIVKNOWQA: Assessing the Reasoning Ability of LLMs via Open-Domain Question Answering over Knowledge Base and Text [73.68051228972024]
  大きな言語モデル(LLM)は印象的な生成能力を示すが、内部知識に依存すると幻覚に悩まされる。 検索拡張LDMは、外部知識においてLLMを基盤とする潜在的な解決策として出現している。
  論文  参考訳（メタデータ） (2023-10-31T04:37:57Z)
• Synergistic Interplay between Search and Large Language Models for Information Retrieval [141.18083677333848]
  InteRにより、RMはLLM生成した知識コレクションを使用してクエリの知識を拡張することができる。 InteRは、最先端手法と比較して総合的に優れたゼロショット検索性能を実現する。
  論文  参考訳（メタデータ） (2023-05-12T11:58:15Z)
• Natural Language in Requirements Engineering for Structure Inference -- An Integrative Review [0.0]
  本稿では,要求工学のための自然言語処理ツールに関する総合的なレビューを提供する。 その結果、現在、情報構造の直接的/一次的抽出を可能にするオープンソースアプローチは存在しない。 アルゴリズム、知識ベース、テキストコーパスを個別に管理できるアプローチが追求される可能性がある。
  論文  参考訳（メタデータ） (2022-02-10T14:46:09Z)

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。