Notice bibliographique
Résumé
Knowledge-rich applications can see significant performance improvementsby using domain-specific Knowledge bases (KBs). Populating and enriching these KBs has, thus, become an important challenge. In this thesis, we examine a powerful approach for KB population that is based on knowledge exchange, the process of translating knowledge from one KB to another, even when these KBs use very different concepts, properties, and graph structure to represent their knowledge. We introduce Kensho. A tool for generating mapping rules between two Knowledge Bases. In the data exchange problem, data that is structured under a source schema is transformed into an instance of a target schema. This is accomplished using a set of rules (called mapping rules) that specify the relationship between the source and target schemas. Kensho can produce mapping rules even in the presence of cycles, incompleteness in the source, and in settings with missing or unknown correspondences between properties or property paths. In addition, Kensho performs knowledge translation using value invention to preserve the proper grouping of data in the target KB. We also introduce two tools (Vizcurator and Sassho) that we have created to help domain experts in the task of knowledge translation. Vizcurator aims to help a domain expert understand and curate the source of exchange. Sassho aims to help a domain expert compare and understand mapping rules which are automatically created using a mapping generation tool such as Kensho. Sassho enables a domain expert to create examples that can be used to understand subtle differences among alternative mapping rules and explore the affect of those differences on the data being exchanged. As interest in supporting data exchange between heterogeneous knowledge bases (KBs) has increased, so has interest in benchmarking KB exchange systems. We introduce a set of new requirements for a KB exchange benchmark based on unique characteristics of KBs and based on important lessons learned from other data exchange systems. The field of exchanging information among KBs is relatively new. We outline an extensive research agenda for Knowledge Exchange based our experience in bringing data exchange to knowledge graphs.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,190 | 0,137 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».