MétaCan
Menu
Retour à la cohorte
Enregistrement W164237141

Using Selectional Restrictions to Query an OWL Ontology

2006· article· en· W164237141 sur OpenAlexaff
Leila Kosseim, Reda Siblini, Christopher J. O. Baker, Sabine Bergler

Notice bibliographique

RevueFormal Ontology in Information Systems · 2006
Typearticle
Langueen
DomaineComputer Science
ThématiqueSemantic Web and Ontologies
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceOntologyMean reciprocal rankInformation retrievalUpper ontologyRank (graph theory)Natural language processingSuggested Upper Merged OntologyOntology-based data integrationOntology Inference LayerQuestion answeringNatural languageOWL-SOntology alignmentArtificial intelligenceSemantic WebSemantic Web StackMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper discusses the linguistic module of an Ontology Natural Language Interaction System that is based on semantic restrictions. The system, called ONLI, takes as input questions in unrestricted natural language, translates them into nRQL, an extension to the RACER ontology query language, then generates answers as returned by the RACER ontology reasoning server. Translation into nRQL is done through a syntactic analysis (with Minipar), followed by the use of semantic restrictions imposed by the roles stored in the ontology to map terms in the question to concepts and roles in the ontology. The system was evaluated on the FungalWeb ontology using the mean reciprocal rank (MRR) measure used in question-answering. With a test set of 36 questions, the systems achieved an MRR of 0.72.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,837
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,005
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,033
Tête enseignante GPT0,285
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFormal Ontology in Information SystemsMême sujetSemantic Web and OntologiesTravaux en français237 207