オントロジー技術

人工知能技術 セマンティックウェブ技術 知識情報処理技術 推論技術 AI学会論文  デジタルトランスフォーメーション技術 オントロジー技術 機械学習技術 ウェブ技術 ワークフロー&サービス 本ブログのナビ

オントロジー技術について

オントロジーとは、哲学的には存在の本質や存在そのものを研究する学問であり、情報科学や知識工学の分野では、情報の体系化やデータの構造化を行うための形式的なモデルや枠組みのことを言う。

オントロジーでは情報の意味を明確にする為、用語(クラスやプロパティ)、用語間の関係(階層関係や属性関係)、用語のインスタンス(実体)などの要素が用いられ、それらを組み合わせることで知識が表現される。また情報科学の観点では、それらの情報の機械的可読性を高めるために、RDF(Resource Description Framework)やOWL(Web Ontology Language)などの形式的な言語や記述方法が用いられる。

オントロジーを用いると、概念や事物、属性、関係などの情報を体系化し、共有可能な形式で表現することが可能となる。それらは、情報検索、データベース設計、知識管理、自然言語処理、人工知能、セマンティックウェブなどの多様な分野で、異なるシステムやアプリケーション間でのデータの一貫性や相互運用性を向上させるために利用される。また、ドメイン固有のオントロジーもあり、特定の分野や業界での情報の共有や統合を支援するためにも使用されている。

オントロジーの具体的な活用事例は以下のようになる。

  • ナレッジマネジメント: オントロジーを用いて、組織内の知識を体系化し、共有可能な形式で管理することができる。オントロジーを活用することで、組織内の情報の整理や検索を効率化し、知識の共有や再利用を促進することができる。
  • 検索エンジンの強化: オントロジーを用いて、検索エンジンの検索結果を改善することができる。オントロジーを活用することで、検索結果の意味的な関連性を高めたり、クエリの解釈を改善することができる。
  • 自然言語処理の向上: オントロジーを用いて、自然言語処理の精度を向上させることができる。オントロジーを活用することで、テキストデータの解釈や意味理解を改善し、情報抽出や情報検索の精度を向上させることができる。
  • セマンティックウェブ: オントロジーを用いて、ウェブ上の情報を意味的に統合することができる(セマンティックウェブ)。オントロジーを活用することで、異なるデータソース間の情報の統合や相互運用性を促進し、ウェブ上の情報の意味的な関連性を高めることが可能となる。
  • ドメイン固有の知識ベースの構築: オントロジーを用いて、特定のドメインに関する知識ベースを構築することができる。例えば、医療や金融などの特定のドメインにおける専門的な知識をオントロジーとして形式化し、専門家の知識を共有したり、知識ベースを活用したアプリケーションの開発を行うことができる。
  • データ統合: オントロジーを用いることで、異なるデータソース間のデータ統合することができる。データ統合とは、異なるデータソースからの情報を一つの一貫性のあるデータセットに統合するプロセスとなり、それらにより「意味的な統合」「のデータ正確性向上」「拡張性と再利用性の向上」などのメリットが生じる。

上記以外にもオントロジーは様々な技術と組み合わせた適用が検討されている。それらの詳細は後述の詳細技術を参照のこと。

近年の機械学習技術の発展により機械学習を用いたオントロジーの自動生成が注目されている。それらには複数のアプローチがあり、以下に代表的なものを示す。

  • 教師なし学習によるクラスタリングやクラス分類:教師なし学習アルゴリズムを用いて、大量のデータを解析し、共通の特徴を持つ概念や事物をクラスタリングしたり、クラス分類したりすることで、オントロジーの概念やクラスを自動的に生成する。
  • 自然言語処理によるオントロジー抽出:自然言語処理技術を用いて、テキストデータから概念や関係を抽出し、オントロジーを自動的に生成する。例えば、固有名詞や語彙的な関係を抽出して、オントロジーのクラスやプロパティを作成することができる。
  • ナレッジグラフを利用したオントロジー生成:ナレッジグラフと呼ばれる大規模な知識ベースを利用して、概念や関係を自動的に生成する。ナレッジグラフは、様々なドメインの知識を統合したグラフデータであり、機械学習アルゴリズムを用いて、グラフの構造や関係を解析することでオントロジーを生成することができる。
  • ルールベースのオントロジー生成:ルールベースのシステムを用いて、事前に定義されたルールや制約を適用することで、オントロジーを自動的に生成する。ルールベースのアプローチは、ドメイン固有の知識を利用し、ドメインに特化したオントロジーを生成する際に有用となる。

これらのアプローチは本ブログに記載している”機械学習技術“や”人工知能技術“、”ICT技術“を組み合わせて活用することで実現できる。

以下にオントロジー技術の詳細について述べる。

実装

ナレッジグラフは、情報を関連性のあるノード(頂点)とエッジ(つながり)の集合として表現するグラフ構造であり、異なる主題やドメインの情報を結び付け、その関連性を可視化するために使用されるデータ構造となる。ここではこのナレッジグラフの自動生成に関して様々な手法での概要とpythonによる具体的な実装について述べている。

ナレッジグラフは、情報を関連性のあるノード(頂点)とエッジ(つながり)の集合として表現するグラフ構造であり、異なる主題やドメインの情報を結び付け、その関連性を可視化するために使用されるデータ構造となる。ここではこのナレッジグラフの様々な活用事例とpythonによる具体的な実装例について述べる。

オントロジーを用いたプロダクトデザインとオブソールセンスマネジメントにおけるデータ統合と意思決定のシステムの実装は、複雑な情報を効率的に管理し、意思決定をサポートするための方法となる。

ISO 31000は、リスクマネジメントのための国際規格であり、組織がリスクを効果的に管理するための指針と原則を提供している。ISO 31000とAI技術の組み合わせは、リスク管理を強化し、より精度の高い意思決定を支援するために非常に有効なアプローチとなっている。AI技術を利用することで、以下に示すようなポイントで、リスク管理のプロセスがより効率的かつ効果的になる。

蝶ネクタイ分析は、リスク管理の手法の一つで、リスクを視覚的に理解しやすい形で整理するために用いられるものとなる。名前の由来は、分析結果の図が蝶ネクタイ(bowtie)の形に似ていることから来ている。蝶ネクタイ分析(ボウタイ分析)とオントロジーやAI技術の組み合わせは、リスク管理や予測分析を強化し、リスクに対する効果的な対応策の設計において非常に有効なアプローチとなる。

Ontology Based Data Access (OBDA)は、異なる形式や場所に保存されているデータに対して、オントロジーが提供する統一的で概念的なビューを用いてクエリを実行できるようにした手法で、データの意味的な統合と、ユーザーが理解しやすい形式でデータにアクセスできることを目的としたものとなる。

技術トピック

インターネットは、世界中のコンピューターネットワークが相互に接続されたグローバルなネットワークであり、Web技術はそのインターネット上で情報やコンテンツを発信し、閲覧するための技術となる。つまり、インターネットは情報通信の基盤であり、Web技術はその上で情報を発信し、共有し、閲覧するための具体的なツールと方法を提供するものと言うことができる。情報発信/共有/閲覧としてのWeb技術に対して、Web 3.0はセマンティックWeb技術とデータ意味論の向上に焦点を当てているのに対して、Web3は分散型ウェブの新しいアーキテクチャと哲学を表現し、分散型台帳技術、データの所有権、プライバシーを強調するものであるということができる。両者はウェブの未来において異なる側面を担当し、いくつかの点で重なる部分もあるが、異なる概念となる。

「気づく」とは、何かを注意深く観察したり、認識したりすることを指し、また、人が状況や物事に対して気付くということは、その人がある情報や現象を認識し、それに関する気持ちや理解を持つことを意味する。気づくことは、外界の変化や出来事に注意を払うことによって、新たな情報を得たり、理解を深めたりする重要な過程となる。今回は、この気づきとそれらに対する人工知能技術の適用について述べてみたいと思う。

    オントロジーマッチングは、異なるオントロジーの意味的に関連するエンティティ間の対応関係を見つけることを目的とした技術となる。

    これらの対応は、オントロジーエンティティ間の等価性や、結果、サブサンプション、ディスジョイントネスなどの他の関係を表すことができ、これまでに、データベース、情報システム、人工知能などの様々な観点から、多くの異なるマッチングソリューションが提案されてきている。

    オントロジーマッチングを行うための方法としては、単純なストリングマッチングから始まり、様々な機械学習によるアプローチ、データの相互リンク、オントロジーのパーティショニングとプルーニング、コンテキストベースのマッチング、マッチャーのチューニング、アライメントのデバッグ、ユーザーによるマッチングへの参加など様々な手法が提案されている。

    本ブログでは 以下のページにてこれらオントロジーマッチングに対する様々な技術に関して述べている。

    本書では主に、RDF、RDFS、OWL等のmodeling言語の解説をそれらを使ったオントロジーのモデリングについて、言語の解説と実際のモデリング手法のステップについて述べられている。オントロジーについて述べられている11-12章については以前述べた形式意味論の文献を事前に読んでおくとさらに理解が深まると思う。

    オントロジーを製造業に活用することで、製品やプロセスの理解や最適化、生産性の向上、品質の改善、コストの低減等の効果を見込むことができる。ここではプラントオントロジーであるISO15926、スマートビルディングとオントロジー、FMEAやHAZID等の故障/リスク解析とオントロジー、企業内のプロダクトデータ統合と生産設計、船舶ドメインでの対話型の故障診断システム、リスク診断システム、プロダクトサービスシステムでのコスト分析ツール、プラント装置診断システムについて述べている。

    プラントエンジニアリングとは、化学工場や発電所などのプラント(工場)の設計・建設における技術的な業務全般を指す。プラントエンジニアリングでは、工場の運転に必要な機器や設備の選定、プロセスフローの検討、プロセス制御の設計、環境対策の対応など、多岐にわたる技術的課題が存在し、これらの課題を解決するためには、機械工学、電気工学、化学工学、土木工学、計算機科学、制御工学などの専門知識が必要となる。

    オントロジーは、ある特定の領域における概念や関係性を形式的に定義したものであり、その領域における知識共有や情報の統合に役立つものであり、プラントエンジニアリングにおいても、オントロジーを使用することで、設計情報や技術情報の共有や、プラントの自動化による運転監視・制御などが可能になり、プラント内の機器や装置を表すオブジェクトや、それらの機能やパラメータを表すプロパティ、さらには機器や装置間の関係性を表す関連性などを、オントロジー上で定義することができるようになる。

    以前、”プラントエンジニアリングオントロジーISO15926とAI技術との融合“でも述べたがプラントエンジニアリングは多数の要素が絡む複雑な技術であり、また膨大なナレッジデータを必要とするため、オントロジー技術等が盛んに適用されている。今回はこのプラントエンジニアリングに対して運用の観点から見たオントロジー技術の適用について述べてみたいと思う。

    スマートビルティングとは、建物の自動化技術を利用して、エネルギーの効率化、セキュリティの向上、利便性の向上などを実現する取り組みであり、IoT(モノのインターネット)デバイス、人工知能、ビッグデータ、クラウドコンピューティング、自動化システムなどの技術を組み合わせて、建物の管理・運営を効率化し、コスト削減や快適性の向上を目指すものとなる。

    スマートビルディングでは、建物内に設置されたセンサーから取得されるデータを分析し、建物の運営や管理を最適化することが目的であり、これには、様々な種類のセンサーデータが必要で、そのデータを統合するためにオントロジーが用いられることとなる。

    故障リスク解析は、機械や設備などのシステムの故障リスクを評価し、故障が発生する可能性や影響を予測する手法となる。故障リスク解析は、安全性や信頼性を高めるために重要な作業であり、様々な産業分野で活用されている。

    このオントロジーを用いることで、故障リスク解析において、リスク要因や評価指標などの用語や概念を統一的に定義するために役立ち、機械の故障リスク解析においては、機械の部品や機能、運転条件などがリスク要因となり、これらの用語や概念を一貫して定義し、異なる解析においても共通の理解を持つことができる。

    ここではオントロジーを用いたプロダクトデザインとデータ統合について述べられている。特に生産計画に密接に関係するDMSMS (Diminishing Manufacturing Sources and Material Shortages:製造元の減少と材料不足)に対する対策としてオントロジーを活用したデータ統合と意思決定について述べられている。

    フリートケース(Fleet Case)は、複数の機器や製品を保有する企業が、それらの機器や製品の故障診断やメンテナンスを効率的かつ正確に行うためのシステムで、オントロジーに基づいた知識ベースとして構築され、企業が保有する機器や製品の構造、機能、部品の関係性などの情報を体系的に整理するものとなる。フリートケースは、製造業やエネルギー産業、交通機関などの分野で活用されており、企業が保有する機器や製品を最適化し、故障診断やメンテナンスを効率的に行うことができるため、生産性の向上やコスト削減につながることが期待されている。

    製品サービスシステム(PSS)は、単に製品を提供するのではなく、製品とサービスを組み合わせた包括的な価値提供を行うビジネスモデルとなる。PSSを提供する企業は、製品の提供だけでなく、製品の設計、製造、販売、保守、修理などのサービスも提供することで、顧客との長期的な関係を築き、製品のライフサイクル全体にわたる付加価値を提供することができる。これにオントロジーを適用することで、その領域における知識共有や情報の統合に役立つPSSの設計や実装に役立つツールのとすることができる。

    法律分野においてオントロジーを適用することで、法的事項に関する情報の整理や共有が容易になり、法律プロセスの自動化や効率化に貢献することが期待されている。これは例えば、法律のドメインに関するオントロジーを作成することで、法律用語や関係性、法的手続きなどの概念を形式的に定義することができ、法律文書の自動解析や、関連する法律情報の検索が容易になり、法的な問題解決において効率的に活用できたり、また、オントロジーを用いた法的情報の共有により、異なる法域や言語、文化の壁を越えた情報の共有が容易になり、国際法や商取引などの分野での情報交換や知識共有がスムーズになる。

    企業内のデータにオントロジーを適用することで、企業が持つ膨大なデータを意味のある情報に変換することが可能となる。具体的には、企業が保有する情報資産を、共通の用語や概念で統一的に管理することができ、これにより、企業内部での情報共有やビジネスプロセスの自動化、データ分析などがより効率的に行われるようになる。

    ビジネスインテリジェンス(BI)の分野は、セマンティックテクノロジーの適用から恩恵を受けることが期待されています。セマンティックBIは、セマンティクスベースのエンタープライズコンテンツ管理とビジネスインテリジェンスの融合と見なすことができます。従来のBIソリューションは、1つ以上のデータサイロからデータを抽出し、このデータに対して分析を実行し、ビジネスユーザーに重要な結果を提示することに依存しています。リアルタイムの情報を提供する必要性が高まっているため、手動で集中的に準備するプロセスはボトルネックを生み出します。さらに、電子メールやニュースフィードなどの非構造化データを含めることで、より完全な全体像を把握できる可能性があり、これらから知識を抽出し、新しいソースを迅速に統合する必要性が確認されています。

    セマンティックBIにはさまざまな研究課題があります。非構造化ソースから抽出された知識は、重要なBIシステムで使用でき、構造化データと一緒に分析できる十分な品質である必要があります。さまざまなデータモダリティから抽出された知識の相関関係も重要です。オントロジーを介したBIプロセスの結果の表現、保存、および再利用は、さらなる課題です。

    本書は、2011年7月にスペインのバルセロナで開催された第5回ルールに関する国際シンポジウム「RuleML 2011 – Europe」の査読付きプロシーディングスである。これは、2011年に開催される2つのRuleMLイベントのうちの最初のもので、2回目のRuleMLシンポジウム – RuleML 2011 – America は、2011年11月に米国フロリダ州フォートローダーデールで開催されている。今回発表された18編のフルペーパー、8編のショートペーパー、3編の招待論文、および2編の基調講演のアブストラクトは、58編の応募の中から厳選されたものです。論文は、ルールベースの分散/マルチエージェントシステム、ルール、エージェント、規範、ルールベースのイベント処理と反応ルール、ファジィルールと不確実性、ルールとセマンティックWeb、ルールの学習と抽出、ルールと推論、ルールベースのアプリケーションというテーマ別に構成されている。

    本書は、2011年8月にアイルランドのゴールウェイで開催された第5回Web Reasoning and Rule Systems国際会議RR 2011の査読付きプロシーディングスである。本書は、2011年8月にアイルランドのゴールウェイで開催された第5回Web Reasoning and Rule Systems国際会議RR 2011の査読付きプロシーディングスであり、フルペーパー13編、ショートペーパー12編、招待講演2編を収録している。論文では、セマンティックWebの最新のトピック、RDFやOWLなどのよく確立されたWeb言語と古典的な推論アプローチの間の相互作用、推論言語、クエリと最適化、ルールとオントロジーを扱っている。

    ファクトリオートメーションのさまざまなコンポーネントと技術ソリューションの複雑さにより、リレーショナルデータベースに基づく情報管理は、メンテナンスの複雑さと使用の柔軟性の点で限界に達します。Semantic Technologiesは、保守可能で、理解しやすく、豊富なスキーマ記述に加えて、最先端の推論とSPARQLエンジンが魅力的なパフォーマンスを提供すると主張しています。以下では、自動化ドメインで複雑な製品データを管理するためのオントロジーと推論の適用について簡単に報告します。

    材料設計ドメインでは、材料計算からのデータの多くがさまざまな異種データベースに保存されます。材料データベースには通常、さまざまなデータモデルがあります。したがって、ユーザーは、適切なソースからのデータを見つけ、複数のソースからのデータを統合するという課題に直面する必要があります。オントロジーとオントロジーベースの手法は、ドメイン知識の正式な表現によってデータがより利用可能になり、異なるシステム間で相互運用できるようになるなどの問題に対処できます。この論文では、材料設計の分野の知識をカバーするための概念と関係を定義する材料設計オントロジー(MDO)を紹介します。MDOは、材料科学(特に固体物理学)のドメイン知識を使用して設計されており、材料設計分野のいくつかのデータベースからのデータによって導かれます。

    現代の職場の物理環境は、主に居住者の快適性、安全性、生産性を向上させ、運用コストを削減することを目的とした様々なシステムの交差点となっています。このような要求を実現するためには、職場に設置された複数のシステムが最適に連携して動作することが必要です。一般的なワークプレイスでは、HVAC、物理セキュリティ、照明、防火管理など、さまざまなシステムが個別に導入されています[8]。大規模なポートフォリオでは、通常、各システムに複数の管理サーバーが必要になります。各システムは、何百ものユニークな機器の種類とバリエーションに接続することができ、それらはしばしば施設間で異なる構成になっています。同じシステム内の同じような機器であっても標準化されていないため、システムの動作を理解し、居住者や施設管理者に付加価値の高いサービスを提供するために、データを統合して解釈することが非常に困難になっています。Internet of Thingsの採用により、ビルのセンサー、デバイス、システムのクラウドへの接続が促進されました。このようなクラウド接続は、収集したデータを利用するアプリケーションを促進するという野心によって維持されています。その目的は、収集した情報をもとに、モニタリングや可視化[8]、[9]から、エネルギー、環境、エネルギーマネジメントに至るまで、新たなビジネスチャンスを生み出すことです。
    ピークカット[5]、異常検知[12]など。接続されるモノは、センサーやアクチュエーターのようなローエンドデバイスから、多くのデバイスを集約したシステムのような高機能なものまで、異種混在している。このようなシステムでは、接続されたセンサーやゲートウェイのコンテキスト情報が整理され、単線図のような規約や表記法で表現されることが多くなっている。例えば、ビル管理システム(BMS)は、温度、湿度、CO2レベルを監視し、室内の空気環境とともに冷暖房を調整する。電力監視システムは、照明、暖房、冷房、プラグ負荷などの用途別に分類される電気負荷の電力品質と消費電力を監視するために導入されるものである。その他、在室データの収集や照明システムの操作のためのシステムも導入されています。これらのBMSは、各コントローラーやデバイスを監視・制御しています。

    MSA-HSN (Maritime Situational Awareness Heterogeneous Sensor Network) オントロジーは、Interactive Extreme-Scale Analytics and Forecasting (INFORE) プロジェクトの実証的ユースケースである海上監視システムの情報側面を公式化したものです。ここでは、様々なセンサーやプラットフォームから提供される様々な状況判断が、ビッグデータ解析と融合され、海上安全保障のための状況認識を実現する。このオントロジーは、センサー、計測・量、イベント、海上情報などの著名なオントロジーを統合し、出所、情報の質、情報の質的時間性をモデル化するために拡張されたものである。講演では、オントロジー設計の関連する側面を紹介し、プロトタイプの情報融合システムの情報コンポーネントの形式化を示し、MSAセンサー情報、海上イベントの検出と予測、融合システムにおける情報品質のモデル化など、最も興味深いモデル化パターンを例示する。

    説明性は、人工知能(AI)システムの構想以来の目標であり、ヘルスケアなどの重要なハイステークス環境でより複雑なAIモデルがますます使用されるにつれて、説明性の必要性が高まっています。説明は、原則のない事後的な方法でAIシステムに追加されることがよくあります。これらのシステムの採用が進み、ユーザー中心の説明可能性に重点が置かれているため、説明可能性を主要な考慮事項として扱い、エンドユーザーのニーズを特定の説明タイプとシステムのAI機能にマッピングする構造化された表現が必要です。説明オントロジーを設計して、説明の役割、プロセスにおけるシステムとユーザー属性の説明、およびさまざまな文献由来の説明タイプの範囲の両方をモデル化します。オントロジーがヘルスケアの領域での説明に対するユーザー要件をどのようにサポートできるかを示します。システム設計者向けの一連のコンピテンシー質問を使用してオントロジーを評価します。システム設計者は、システム設計設定とリアルタイムの両方で、ユーザーのニーズとシステムの機能の組み合わせを考慮して、オントロジーを使用してどの説明タイプを含めるかを決定できます。操作。このオントロジーを使用することで、システム設計者は、AIシステムが提供できる説明と提供すべき説明について、情報に基づいた選択を行うことができます。システム設計設定とリアルタイム操作の両方で。このオントロジーを使用することで、システム設計者は、AIシステムが提供できる説明と提供すべき説明について、情報に基づいた選択を行うことができます。システム設計設定とリアルタイム操作の両方で。このオントロジーを使用することで、システム設計者は、AIシステムが提供できる説明と提供すべき説明について、情報に基づいた選択を行うことができます。

    我々は、IEEE CORA [5]とSemNav [1]のオントロジーを拡張したロボットオントロジーOntoSceneを開発した。シーン理解におけるオントロジーの活用を欠いた先行研究とは対照的に、提案システムはOntoSceneを用いてシーン内のオブジェクトとその関係を把握し、シーングラフを作成することで、オブジェクトの位置特定やシーングラフ作成が重要な認知ロボットタスクに役立てることができます。この作品は、セマンティックウェブ技術をロボットタスクの重要な実現手段として位置づけています。

    オンライン学習プラットフォームと教育リソースリポジトリへの依存度が高まるにつれ、動的でマルチソースの学習体験をサポートするには、デジタル学習リソースの統一された表現が不可欠になります。パーソナライズされた学習システムのオンライン学習リソースを表すための基盤を提供する、教育的でキャリア指向のオントロジーであるEduCORオントロジーを紹介します。オントロジーは、学習教材リポジトリが、ユーザーの学習目標、学問的および心理的パラメーター、および労働市場のスキルに対応する学習パスの推奨事項を提供できるように設計されています。EduCORオントロジーを構成する複数のパターンを提示し、そのクロスドメインの適用性と他のオントロジーとの統合性を強調します。実生活の学習プラットフォームeDoerで提案されたオントロジーのデモンストレーションは、ユースケースとして説明されています。ゴールドスタンダードとタスクベースの両方のアプローチを使用して、EduCORオントロジーを評価します。EduCORを3つのゴールドスキーマと比較し、2つのユースケースでのアプリケーションを比較すると、そのカバレッジと複数のOERリポジトリへの適応性が示され、ユーザー中心の労働市場指向の推奨事項を生成できます。

    鉄道インフラストラクチャのエンジニアリングプロジェクトには、通常、計画および構築されたインフラストラクチャとその基盤となるトポロジの一貫したビューを必要とする多くのサブシステムが含まれます。一貫性は通常、XMLベースのデータ形式とUMLベースのオブジェクト指向モデルを使用してツール間でデータを交換および検証することによって保証されます。共通のトポロジモデルを介してこれらのデータ表現をより厳密に調整すると、鉄道インフラストラクチャエンジニアリングツールの開発作業を減らすことができます。共通のセマンティックモデルは、鉄道知識グラフの採用を成功させるための前提条件でもあります。RailTopoModel標準に基づいて、標準に準拠した方法で鉄道インフラストラクチャのコア機能を表すモデルとしてRail TopologyOntologyを開発しました。この論文では、オントロジーとその開発方法について説明します。
    Rail Topology Ontologyを使用すると、ソフトウェアエンジニアと知識科学者は、切断されたデータソースを統合するために鉄道トポロジを表すための標準ベースのオントロジーを利用できます。鉄道知識グラフにはRailTopology Ontologyを使用し、既存のデータ交換標準から派生した鉄道インフラストラクチャオントロジーによって拡張する予定です。このような標準の多くは、提示されたオントロジーと同じベースモデル、つまりRailTopoModelを使用するためです。

    オントロジーエンジニアリングを容易にするために、オントロジーデザインパターン(ODP)が提案されています。10年以上にわたって多くの概念的な貢献があったにもかかわらず、ODPによって提供される頻繁に主張される利点をサポートするための経験的な作業はほとんどありません。ODPの使用目的を規定するための標準的な(または必須の)メカニズムがないため、オントロジーのみから(インタビューやその他のサポートドキュメントなしで)ODPの使用を決定することは困難です。代わりに、特定のODPの影響を示唆するモデリング機能に依存する必要があります。オントロジーにおけるODPの有病率を決定する目的で、さまざまな程度の自由度でこれらの機能を検出するためのさまざまな手法を開発しました。これらの手法を使用して、ODP用のよく知られた公開されているリポジトリに関してBioPortalを調査します。私たちの調査結果は主に否定的です。大多数のODPについては、生物医学的オントロジーでの使用に関する経験的証拠を見つけることができません。

    データ分析と機械学習の最近の開発は、不動産業界における新しいデータ駆動型の運用の最適化をサポートし、新しいサービスを可能にし、テナントの福祉を改善し、環境フットプリントを削減します。ただし、不動産業界は、システムとデータ形式の点で細分化されています。このホワイトペーパーでは、スマートビルディングのデータ統合を可能にするOWL 2オントロジーであるRealEstateCore(REC)を紹介します。RECは、北ヨーロッパで最大の不動産会社のいくつかを含むコンソーシアムによって開発されています。パーミッシブMITライセンスの下で利用可能であり、GitHubで開発およびホストされており、北欧の不動産市場でその作成者企業と他の製品およびサービス企業の両方で採用されています。オントロジーの開発ドライバーとプロセス、その構造を提示し、議論します。

    このホワイトペーパーでは、クラウドインフラストラクチャサービスを説明するための概念、機能、属性、および関係を定義する、OWLベースのオントロジーであるクラウドコンピューティングオントロジー(CoCoOn)を紹介します。また、オントロジーの実際の適用性を示すCoCoOnとスクリプト(つまり、SPARQLテンプレートクエリとWebアプリケーション)を使用して構築されたデータセットも紹介します。また、オントロジーの設計と、それを使用して開発された関連サービスのアーキテクチャについても説明します。

    実際の質問応答や高度なデータクエリでは答えられない自然言語の質問を処理するための教師なしアプローチを提示します。代わりに、アドホックコード生成が必要です。
    この困難なタスクに対処するために、私たちのシステムであるAskCOは、自然言語の質問を解釈し、Javaコード構造を表す数百万のトリプルを含む大規模なRDFリポジトリであるCodeOntologyに対して実行されるSPARQLクエリを生成することにより、言語からコードへの変換を実行します。SPARQLクエリは、構文機能とセマンティック機能の両方でAskCOによってランク付けされた多数の候補Javaソースコードスニペットとメソッドを生成し、最適な候補を見つけて、それを実行して正しい答えを取得します。システムの評価はStackOverflowから抽出されたデータセットに基づいており、実験結果は、私たちのアプローチがクローズドソースのWolframAlpha計算知識エンジンなどの他の最先端のプロプライエタリシステムと同等であることを示しています。

    研究領域のオントロジーは、研究環境を特徴づけ、調査し、分析するための重要なツールです。一部の研究分野は、生物学のMeSHや物理学のPhySHなど、大規模な分類法によって包括的に記述されています。逆に、現在のコンピュータサイエンスの分類法は粗く、ゆっくりと進化する傾向があります。たとえば、ACM分類スキームには約2Kの研究トピックしか含まれておらず、最後のバージョンは2012年にさかのぼります。このペーパーでは、大規模な自動生成された研究領域のオントロジーであるComputer Science Ontology(CSO)を紹介します。約15Kのトピックと70Kの意味関係。これは、1600万の科学記事の非常に大きなデータセットにKlink-2アルゴリズムを適用することによって作成されました。CSOには、代替案に比べて2つの主な利点があります。i)他の分類には表示されない非常に多くのトピックが含まれています。ii)最近の出版物のコーパスでKlink-2を実行することにより、自動的に更新できます。CSOは、Springer Natureの編集チームが採用したいくつかのツールを利用しており、研究出版物の分類、研究コミュニティの検出、研究動向の予測など、さまざまなソリューションを実現するために使用されています。CSOの採用を促進するために、ユーザーがさまざまなレベルでCSOをダウンロード、探索、および詳細なフィードバックを提供できるWebアプリケーションであるCSOポータルを開発しました。ユーザーはポータルを使用して、トピックと関係を評価し、欠落している関係を提案し、オントロジーのセクションを視覚化できます。ポータルは、CSOの定期的な新しいリリースの公開とアクセスをサポートします。

    過去8年間、私たちはSPAR(Semantic Publishing and Referencing)として知られる学術出版ドメインの主要な領域の記述に使用できる一連の補完的で直交するオントロジーの開発に携わってきました。オントロジー。このホワイトペーパーでは、この一連のオントロジーを紹介し、それらの開発のために私たちが従った基本原則について説明し、学術、機関、および出版コミュニティ内でのそれらの取り込みと使用法について説明します。

    主要な学術出版社は、膨大な製品カタログを分析し、科学の場で販売するのに最適なアイテムを選択できる必要があります。これは複雑な演習であり、何千冊もの本のトピックを高精度で特徴付け、関連するコミュニティの利益と一致させる必要があります。Springer Natureでは、このタスクは従来、パブリッシングエディターによって手動で処理されてきました。ただし、科学出版物の数の急速な増加とコンピュータサイエンスの展望の動的な性質により、このソリューションはますます非効率的になっています。この問題に対処するために、オープン大学(OU)がSpringer Natureと共同で開発したオントロジーベースのレコメンダーシステムであるSmartBook Recommendationer(SBR)を作成しました。これは、特定の場所で販売する製品を選択する際に、コンピュータサイエンス編集チームをサポートします。SBRは、約27Kの編集製品の意味的に強化された表現を利用することにより、会議に関連する書籍、ジャーナル、および会議議事録を推奨します。これは、コンピュータサイエンスオントロジーに基づいています。これは、非常に大規模で、自動的に生成された研究領域の分類法です。SBRを使用すると、ユーザーは特定の出版物がシステムによって提案された理由を調査することもできます。これは、推奨される編集製品のトピック分類を表示し、入力会議のトピック中心の特性と比較するインタラクティブなグラフビューによって行われます。7人のSpringerNature編集者と7人のOU研究者を対象に実施された評価により、ソリューションの有効性が確認されました。SBRは、約27Kの編集製品の意味的に強化された表現を利用することにより、会議に関連する書籍、ジャーナル、および会議議事録を推奨します。これは、コンピュータサイエンスオントロジーに基づいています。これは、非常に大規模で、自動的に生成された研究領域の分類法です。SBRを使用すると、ユーザーは特定の出版物がシステムによって提案された理由を調査することもできます。これは、推奨される編集製品のトピック分類を表示し、入力会議のトピック中心の特性と比較するインタラクティブなグラフビューによって行われます。7人のSpringerNature編集者と7人のOU研究者を対象に実施された評価により、ソリューションの有効性が確認されました。SBRは、約27Kの編集製品の意味的に強化された表現を利用することにより、会議に関連する書籍、ジャーナル、および会議議事録を推奨します。これは、コンピュータサイエンスオントロジーに基づいています。これは、非常に大規模で、自動的に生成された研究領域の分類法です。SBRを使用すると、ユーザーは特定の出版物がシステムによって提案された理由を調査することもできます。これは、推奨される編集製品のトピック分類を表示し、入力会議のトピック中心の特性と比較するインタラクティブなグラフビューによって行われます。7人のSpringerNature編集者と7人のOU研究者を対象に実施された評価により、ソリューションの有効性が確認されました。約27Kの編集製品の意味的に強化された表現を利用することにより、会議に関連する会議議事録。これは、コンピュータサイエンスオントロジーに基づいています。これは、非常に大規模で、自動的に生成された研究領域の分類法です。SBRを使用すると、ユーザーは特定の出版物がシステムによって提案された理由を調査することもできます。これは、推奨される編集製品のトピック分類を表示し、入力会議のトピック中心の特性と比較するインタラクティブなグラフビューによって行われます。7人のSpringerNature編集者と7人のOU研究者を対象に実施された評価により、ソリューションの有効性が確認されました。約27Kの編集製品の意味的に強化された表現を利用することにより、会議に関連する会議議事録。これは、コンピュータサイエンスオントロジーに基づいています。これは、非常に大規模で、自動的に生成された研究領域の分類法です。SBRを使用すると、ユーザーは特定の出版物がシステムによって提案された理由を調査することもできます。これは、推奨される編集製品のトピック分類を表示し、入力会議のトピック中心の特性と比較するインタラクティブなグラフビューによって行われます。7人のSpringerNature編集者と7人のOU研究者を対象に実施された評価により、ソリューションの有効性が確認されました。SBRを使用すると、ユーザーは特定の出版物がシステムによって提案された理由を調査することもできます。これは、推奨される編集製品のトピック分類を表示し、入力会議のトピック中心の特性と比較するインタラクティブなグラフビューによって行われます。7人のSpringerNature編集者と7人のOU研究者を対象に実施された評価により、ソリューションの有効性が確認されました。SBRを使用すると、ユーザーは特定の出版物がシステムによって提案された理由を調査することもできます。これは、推奨される編集製品のトピック分類を表示し、入力会議のトピック中心の特性と比較するインタラクティブなグラフビューによって行われます。7人のSpringerNature編集者と7人のOU研究者を対象に実施された評価により、ソリューションの有効性が確認されました。

    議会、規範、および司法文書をXMLで電子的に表現するためのOASIS委員会仕様ドラフト標準です。最近、国連文書を機械処理可能にするための主要な電子形式として、国連(UN)によって正式に採用されました。ただし、Akoma Ntosoは、ドキュメントで言及されている実世界のオブジェクト、概念、および関係の記述を許可するための正式なオントロジーを強制または定義していません。このギャップに対処するために、このペーパーでは、国連システムドキュメントオントロジー(UNDO)、つまり、これらすべてのエンティティの正式な記述のフレームワークを提供することを目的として国連によって開発および採用されたOWL 2DLオントロジーを紹介します。

    Electronic Data Capture(EDC)ソフトウェアソリューションは、生物医学、製薬、およびヘルスケアの研究チームによって実施される臨床試験および研究の実施に徐々に採用されています。このホワイトペーパーでは、これらの研究のメタデータを表現し、確立された標準を使用し、関連する語彙を再利用して検証ルール、構成可能性、来歴などの重要な側面を説明することを目的としたMedRedオントロジーを紹介します。このホワイトペーパーでは、オントロジーの背後にある設計原則と、オントロジーが業界で使用されている既存のモデルおよびフォーマットとどのように関連しているかについて説明します。また、よく知られた語彙とW3Cの推奨事項を再利用します。さらに、MedRedプロジェクトのコンテキストでの既存の臨床研究、および有名な研究のメタデータのコレクションを使用して、オントロジーを検証しました。ついに、

    自然言語処理(NLP)は、1950年頃、有名なチューリングテストTuring (1950)の紹介から始まった学問分野である。仮想アシスタントは、ユーザーとのコミュニケーションを自然言語で実現するプログラムである。チャットボットと呼ばれるこれらのNLPプログラムは、自然で直感的なインタラクションに近いという利点があります。通常、これらのプログラムは、特定のドメインからの情報を理解します。このように、チャットボットは、しばしば娯楽的で匿名的な方法で特定の情報を提供します。いくつかの研究は、将来的にチャットボット市場の上昇を予測しているので、これらのシステムの機能性に対処することが不可欠になりますFølstadとBrandtzæg(2017)、Grudin(2019)。これまで、チャットボットの正しさをチェックするテストアプローチはわずかしか存在しませんでした(例:Vasconcelos et al.(2017);Bozic(2019)) 。しかし、ユーザーはチャットボットに様々な方法で話しかけることができるため、入力範囲を予測することは難しいかもしれません。それに加えて、一般化された方法でチャットボットをテストすることは、期待値がないために問題があることが判明する。

    コメント

    1. […] オントロジーマッチングは、異なるオントロジーの意味的に関連するエンティティ間の対応関係を見つけることを目的とした技術となる。 […]

    2. […] 本書では、オントロジーやセマンティック技術を適用することで情報の相互運用性を可能にし、法的情報の検索性の向上や法的知識の再利用性の向上を図ることを目的とした、意味的に強化された法的知識システムやウェブベースのアプリケーションを作るためのオントロジー開発に用いる手法、ツール、言語に対して記述されている。またケーススタディとしてOntology of Professional Judicial Knowledge (OPJK)の開発が紹介されている。 […]

    3. […] 内容としては、オントロジーについての概略と、具体的な例としてVolley tennis clubでの顧客とクラブ側での情報のトランザクションやプロセスについてのオントロジーを使ったモデリング、そして実際にオントロジーを構築する為の様々なモデリングの側面(オペレーション、トランザクション、構成要素、組織等)に関する解説と、方法論として、相互作用モデル、プロセスモデル、アクションモデル、状態モデル、インターストリクションモデル等の様々なモデルの特徴と適用の仕方について記述されている。 […]

    4. […] 本書では主に、RDF、RDFS、OWL等のmodeling言語の解説をそれらを使ったオントロジーのモデリングについて、言語の解説と実際のモデリング手法のステップについて述べられている。オントロジーについて述べられている11-12章については以前述べた形式意味論の文献を事前に読んでおくとさらに理解が深まると思う。目次は以下のようになる。 […]

    5. […] 本書ではFMEA、HAZIDの紹介の後にそれらとオントロジーを組み合わせた具体的な事例について紹介している。目次を以下に示す。 […]

    6. […] 本書は、複数のサブシステムから構成されるシステムにおいて、相互運用性と異質性に重点を置いた物理的資産の完全性管理におけるオントロジーモデリングの理論と手法に関する最新の調査結果を提示している […]

    7. […] 本書ではオントロジーを用いたプロダクトデザインとデータ統合について述べられている。特に生産計画に密接に関係するDMSMS (Diminishing Manufacturing Sources and Material Shortages:製造元の減少と材料不足)に対する対策としてオントロジーを活用したデータ統合と意思決定について述べられている。オントロジーを用いたデータシステムの概要としては以下のようになる。 […]

    8. […] 様々なデータを扱うタスクの中で、データ同士のsimilarity(類似性)を評価して利用するケースは多々ある。オントロジーのマッチングの観点から、個々のインスタンスレベル、グラフデータとしての集まりに対する類似性について述べられているオントロジーマッチング技術の5章から7章までをまとめる。 […]

    9. […] 名前や識別子を比較する代わりに、あるいはそれに加えて、オントロジー内のエンティティの構造の情報を比較することができる。この比較は、エンティティの内部構造、つまり名前やアノテーションの他に、プロパティや、OWLオントロジーの場合はデータタイプで値を取るプロパティを比較する場合と、エンティティとそのエンティティが関連する他のエンティティとの比較に細分化される。前者を内部構造、後者を関係構造と呼びます。内部構造とは、他のエンティティを参照せずにエンティティを定義することであり、関係構造とは、エンティティが他のエンティティと持つ一連の関係のことである。予想されるように、内部構造は主にデータベーススキーマのマッチングに利用され、一方、関係構造は正式なオントロジーやセマンティックネットワークのマッチングでより重要になる。今回はでは、内部構造に基づく手法についてのみ説明し、外部構造や関係性に基づく手法については、別途述べることにする。 […]

    10. […] scheme、それらを推論する為のオントロジー、DLP、らてり、RulesとSPARQL、更にその上部としてLogic […]

    11. […] この課題に対して、オントロジーベースデータアクセスシステム(Ontology Based Data Access System)は、オントロジーと呼ばれる知識データを用いて、クエリを書き換える機能を持つことで「3.ヘテロジニアスなデータセットの連携、4.不完全なデータへの対応、8.複雑なドメインモデルの統合」に対応可能となるが、静的なデータアクセスシステムである為「2.ストリームデータへの対応、5.ノイジーなデータへの対応、6.応答性(速度)の高い答えを提供する」には対応できない。 […]

    12. […] 反復的な類似性の計算 複合的な類似性の計算は、ノードの近隣を考慮して類似性を提供するだけなので、まだ局所的なものとなる。しかし、類似性はオントロジー全体を対象としており、最終的な類似性の値は、最終的にすべてのオントロジーエンティティに依存する可能性がある。さらに、オントロジーが有向非環状グラフに還元されていない場合、局所的な方法で定義された距離は、循環的に定義される可能性がある。これは最も一般的なケースである。例えば、2つのクラス間の距離が、そのクラス間の距離に依存するインスタンス間の距離に依存する場合や、オントロジー内に循環が存在する場合などに発生する。下図に示すように、ProductとBookの類似性は、hasProviderとhasCreatorおよびauthor、publisher、translatorの類似性に依存している。そして、これらの要素間の類似性は、最終的にProductとBookの類似性に依存する。この2つのグラフは、様々な意味でホモ・モルフィックとなる。 […]

    13. […] またSW技術の一つであるオントロジー技術の中には、企業内の情報の利用の効率化や、故障解析やリスク管理技術等のナレッジ活用のドメインでの様々な応用があり、それらを組み合わせることで上記の技術は更に大幅な効果を期待することができる。 […]

    14. […] 意味論的手法の主な特徴は、その結果を正当化するためにモデル理論的な意味論を用いることとなる。したがって、これらは演繹的手法に分類される。他のグローバルな手法と同様に、純粋な演繹的手法は、オントロジーマッチングのような本質的に帰納的なタスクに対して単独ではあまりうまく機能しない。そのため、アンカーが必要となる。すなわち、例えば、(名前の同一性、外部リソース、またはユーザーの入力などに基づいて)等価であると宣言されたエンティティである。これらのアンカーは、演繹的手法を適用するための最初のアライメントを構成する。意味論的手法は、これらのシードアラインメントを増幅する役割を果たす。 […]

    15. […] コンテキストベースのマッチング 2つのオントロジーをマッチングさせる場合、比較のベースとなる共通の基盤がないことが多い。オントロジーマッチングの目的は、この基盤を見つけることである。これは、オントロジーの内容を比較することで達成される場合もあれば、オントロジーのコンテキスト、つまりオントロジーが使用されている環境との関係を扱うことで達成される場合もある。 […]

    16. […] 必要に応じて、大規模なオントロジーを処理するための準備。 […]

    17. […] オントロジーについて […]

    18. […] 人工知能技術サマリー 機械学習技術サマリー トピックモデルサマリー オントロジー技術サマリー Clojureサマリー Pythonサマリー […]

    19. […] 機械学習技術サマリー 人工知能技術サマリー デジタルトランスフォーメーション技術サマリー オントロジー技術サマリー サポートベクトルマシンサマリー ベイズ学習サマリー […]

    20. […] 機械学習技術サマリー 人工知能技術サマリー セマンティックウェブ技術サマリー オントロジー技術サマリー デジタルトランスフォーメーション技術サマリー […]

    21. […] 機械学習技術サマリー 人工知能技術サマリー 自然言語処理技術サマリー セマンティックウェブ技術サマリー オントロジー技術サマリー ウェブ技術サマリー データベース技術サマリー  デジタルトランスフォーメーション技術サマリー […]

    22. […] 機械学習技術サマリー 人工知能技術サマリー 自然言語処理技術サマリー セマンティックウェブ技術サマリー オントロジー技術サマリー デジタルトランスフォーメーション技術サマリー.  数学サマリー […]

    23. […] 人工知能技術サマリー ウェブ技術サマリー 知識情報処理技術サマリー オントロジー技術サマリー 検索技術サマリー データベース技術サマリー ユーザーインターフェース技術サマリー […]

    24. […] tips & 雑記サマリー  人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  […]

    25. […] tips & 雑記サマリー  人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  […]

    26. […] tips & 雑記サマリー  人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  […]

    27. […] tips & 雑記サマリー  人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  […]

    28. […] tips & 雑記サマリー  人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  […]

    29. […] tips & 雑記サマリー  人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  […]

    30. […] life tips & 雑記サマリー  人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  知識情報処理サマリー 強化学習サマリー 確率的生成モデルサマリー 自然言語処理サマリー […]

    31. […] 人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  知識情報処理サマリー 強化学習サマリー 確率的生成モデルサマリー 自然言語処理サマリー […]

    32. […] 人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  知識情報処理サマリー 強化学習サマリー 確率的生成モデルサマリー 自然言語処理サマリー […]

    33. […] 人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  知識情報処理サマリー 強化学習サマリー 確率的生成モデルサマリー 説明できる機械学習サマリー   自然言語処理サマリー […]

    34. […] 人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  知識情報処理サマリー 強化学習サマリー 確率的生成モデルサマリー 説明できる機械学習サマリー   自然言語処理サマリー […]

    35. […] 人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  知識情報処理サマリー 強化学習サマリー 確率的生成モデルサマリー 説明できる機械学習サマリー   自然言語処理サマリー […]

    36. […] 人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  知識情報処理サマリー 強化学習サマリー 確率的生成モデルサマリー 説明できる機械学習サマリー   自然言語処理サマリー […]

    37. […] 人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  知識情報処理サマリー 説明できる機械学習サマリー   […]

    38. […] 人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  知識情報処理サマリー 説明できる機械学習サマリー   […]

    39. […] 人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  知識情報処理サマリー 説明できる機械学習サマリー […]

    40. […] 人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  知識情報処理サマリー 説明できる機械学習サマリー […]

    41. […] DX、AI、MLへのオントロジー技術の活用の為の概要 | Deus Ex Machina より: 2022年1月27日 5:07 AM […]

    42. […] ここではFMEA、HAZIDの紹介の後にそれらとオントロジーを組み合わせた具体的な事例について紹介している。 […]

    43. […] 機械学習技術サマリー 人工知能技術サマリー 自然言語処理技術サマリー セマンティックウェブ技術サマリー オントロジー技術サマリー 検索技術サマリー    アルゴリズムサマリー  デジタルトランスフォーメーション技術サマリー   グラフデータ処理サマリー […]

    44. […] 機械学習技術サマリー 人工知能技術サマリー 自然言語処理技術サマリー セマンティックウェブ技術サマリー オントロジー技術サマリー 検索技術サマリー    アルゴリズムサマリー  デジタルトランスフォーメーション技術サマリー    […]

    45. […] 機械学習技術サマリー 人工知能技術サマリー 自然言語処理技術サマリー セマンティックウェブ技術サマリー オントロジー技術サマリー 検索技術サマリー    アルゴリズムサマリー  デジタルトランスフォーメーション技術サマリー   グラフデータ処理サマリー […]

    46. […] 人工知能技術サマリー 機械学習技術サマリー トピックモデルサマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  自然言語処理技術サマリー   知識情報処理サマリー    […]

    47. […] 機械学習技術サマリー 人工知能技術サマリー セマンティックウェブ技術サマリー オントロジー技術サマリー デジタルトランスフォーメーション技術サマリー  ユーザーインターフェースとデータビジュアライゼーションサマリー グラフデータ処理サマリー   知識情報処理サマリー […]

    48. […] 機械学習技術サマリー 人工知能技術サマリー 自然言語処理技術サマリー セマンティックウェブ技術サマリー オントロジー技術サマリー デジタルトランスフォーメーション技術サマリー  知識情報処理技術サマリー  推論技術サマリー […]

    49. […] 機械学習技術サマリー 人工知能技術サマリー 自然言語処理技術サマリー セマンティックウェブ技術サマリー オントロジー技術サマリー デジタルトランスフォーメーション技術サマリー  知識情報処理技術サマリー  推論技術サマリー […]

    50. […] 機械学習技術サマリー 人工知能技術サマリー 自然言語処理技術サマリー セマンティックウェブ技術サマリー オントロジー技術サマリー デジタルトランスフォーメーション技術サマリー  知識情報処理技術サマリー  推論技術サマリー […]

    51. […] 人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  知識情報処理サマリー 強化学習サマリー 確率的生成モデルサマリー 自然言語処理サマリー  問題解決と思考法及び実験計画サマリー   life Tips&雑記 […]

    52. […] 人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  知識情報処理サマリー 強化学習サマリー 確率的生成モデルサマリー 説明できる機械学習サマリー   問題解決と思考法及び実験計画サマリー   life Tips&雑記     自然言語処理サマリー […]

    53. […] 人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  知識情報処理サマリー 強化学習サマリー 確率的生成モデルサマリー 説明できる機械学習サマリー   問題解決と思考法及び実験計画サマリー   life Tips&雑記     自然言語処理サマリー […]

    54. […] 人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  知識情報処理サマリー 強化学習サマリー 確率的生成モデルサマリー 説明できる機械学習サマリー   問題解決と思考法及び実験計画サマリー   life Tips&雑記     自然言語処理サマリー […]

    55. […] 人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  知識情報処理サマリー 強化学習サマリー 確率的生成モデルサマリー 説明できる機械学習サマリー   問題解決と思考法及び実験計画サマリー   life Tips&雑記     自然言語処理サマリー […]

    56. […] 人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  知識情報処理サマリー 強化学習サマリー 確率的生成モデルサマリー 説明できる機械学習サマリー   問題解決と思考法及び実験計画サマリー   life Tips&雑記     自然言語処理サマリー […]

    57. […] 人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  知識情報処理サマリー 強化学習サマリー 確率的生成モデルサマリー 自然言語処理サマリー   life Tips&雑記 […]

    58. […] 機械学習技術サマリー 人工知能技術サマリー 自然言語処理技術サマリー セマンティックウェブ技術サマリー オントロジー技術サマリー デジタルトランスフォーメーション技術サマリー   AI学会論文サマリー    知識情報処理技術サマリー  推論技術サマリー […]

    59. […] 機械学習技術サマリー 人工知能技術サマリー 自然言語処理技術サマリー セマンティックウェブ技術サマリー オントロジー技術サマリー デジタルトランスフォーメーション技術サマリー  知識情報処理技術サマリー  推論技術サマリー […]

    60. […] 機械学習技術サマリー 人工知能技術サマリー 自然言語処理技術サマリー セマンティックウェブ技術サマリー オントロジー技術サマリー デジタルトランスフォーメーション技術サマリー  知識情報処理技術サマリー  AI学会論文を集めて   推論技術サマリー […]

    61. […] 機械学習技術サマリー 人工知能技術サマリー デジタルトランスフォーメーション技術サマリー   自然言語処理サマリー 異常・変化検知サマリー オンライン学習サマリー オントロジー技術サマリー 画像情報処理サマリー […]

    62. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 検索技術サマリー    アルゴリズム  デジタルトランスフォーメーション技術   C/C++言語と各種機械学習アルゴリズム  グラフデータ処理 […]

    63. […] 人工知能技術 セマンティックウェブ技術 オントロジー技術 検索技術    データベース技術  デジタルトランスフォーメーション技術  Visualization & UX   ワークフロー&サービス […]

    64. […] 人工知能技術 セマンティックウェブ技術 オントロジー技術 検索技術    データベース技術  デジタルトランスフォーメーション技術  Visualization & UX   ワークフロー&サービス […]

    65. […] 人工知能技術 セマンティックウェブ技術 オントロジー技術 検索技術    データベース技術  デジタルトランスフォーメーション技術  Visualization & UX   ワークフロー&サービス.  プログラミング Clojure  データベース技術 […]

    66. […] 人工知能技術 機械学習技術 トピックモデル オントロジー技術 デジタルトランスフォーメーション  自然言語処理技術   知識情報処理   Python […]

    67. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術  知識情報処理技術  AI学会論文を集めて   推論技術 […]

    68. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術  知識情報処理技術  AI学会論文を集めて   推論技術 […]

    69. […] 機械学習技術サマリー 人工知能技術サマリー 自然言語処理技術サマリー セマンティックウェブ技術サマリー オントロジー技術サマリー ウェブ技術サマリー 検索技術サマリー     データベース技術サマリー  アルゴリズムサマリー  デジタルトランスフォーメーション技術サマリー   Visualization & UXサマリー   ワークフロー&サービスサマリー […]

    70. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 ウェブ技術 検索技術     データベース技術  アルゴリズム  デジタルトランスフォーメーション技術   Visualization & UX   ワークフロー&サービス […]

    71. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 検索技術    アルゴリズム  デジタルトランスフォーメーション技術   グラフデータ処理  […]

    72. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術  知識情報処理技術  AI学会論文を集めて   推論技術 […]

    73. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術   アルゴリズム […]

    74. […] 人工知能技術 機械学習技術 オントロジー技術 デジタルトランスフォーメーション  知識情報処理 強化学習 確率的生成モデル 説明できる機械学習   問題解決と思考法及び実験計画   life Tips&雑記     自然言語処理 […]

    75. […]  人工知能技術 機械学習技術サマリー オントロジー技術 デジタルトランスフォーメーション  […]

    76. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術   AI学会論文    知識情報処理技術   AI学会論文を集めて     推論技術 […]

    77. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術  数理論理学     知識情報処理技術  推論技術 […]

    78. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 ウェブ技術 データベース技術  デジタルトランスフォーメーション技術  検索技術  アルゴリズム […]

    79. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 ウェブ技術 データベース技術  デジタルトランスフォーメーション技術  検索技術 […]

    80. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術   AI学会論文    知識情報処理技術   AI学会論文を集めて     推論技術 […]

    81. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術   AI学会論文    知識情報処理技術   AI学会論文を集めて     推論技術 […]

    82. […]   自然言語処理技術  トピックモデル オントロジー技術 デジタルトランスフォーメーション   知識情報処理    life […]

    83. […] 人工知能技術 機械学習技術 オントロジー技術 デジタルトランスフォーメーション  知識情報処理 強化学習 確率的生成モデル 説明できる機械学習   自然言語処理 […]

    84. […] 人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  知識情報処理サマリー 強化学習サマリー 確率的生成モデルサマリー 説明できる機械学習サマリー   自然言語処理サマリー […]

    85. […] 人工知能技術 機械学習技術 オントロジー技術 デジタルトランスフォーメーション  知識情報処理 強化学習 確率的生成モデル 説明できる機械学習   自然言語処理 […]

    86. […] 人工知能技術 機械学習技術 オントロジー技術 デジタルトランスフォーメーション  知識情報処理 強化学習 確率的生成モデル 説明できる機械学習   自然言語処理 […]

    87. […] 人工知能技術サマリー 機械学習技術サマリー オントロジー技術サマリー デジタルトランスフォーメーションサマリー  知識情報処理サマリー 強化学習サマリー 確率的生成モデルサマリー 説明できる機械学習サマリー   自然言語処理サマリー […]

    88. […] 人工知能技術 機械学習技術 オントロジー技術 デジタルトランスフォーメーション  知識情報処理 強化学習 確率的生成モデル 説明できる機械学習   自然言語処理 […]

    89. […] 人工知能技術 ウェブ技術 知識情報処理技術 オントロジー技術 検索技術 データベース技術 ユーザーインターフェース技術  セマンティックウェブ技術 […]

    90. […] DX、AI、MLへのオントロジー技術の活用の為の概要 | Deus Ex Machina より: 2021年12月19日 12:20 PM […]

    91. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術 […]

    92. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術   AI学会論文    知識情報処理技術   AI学会論文を集めて     推論技術 […]

    93. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術   AI学会論文    知識情報処理技術   AI学会論文を集めて     推論技術 […]

    94. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 検索技術    データベース技術  アルゴリズム  デジタルトランスフォーメーション技術  Visualization & UX   ワークフロー&サービス […]

    95. […] 人工知能技術 機械学習技術 トピックモデル オントロジー技術 デジタルトランスフォーメーション  自然言語処理技術   知識情報処理  Clojureと関数型プログラミング  Pythonと機械学習、PHPとウェブフレームワーク  Prologと知識情報処理   LISPと人工知能技術  R言語と機械学習、C/C++と各種機械学習アルゴリズム  Javascriptによるフロントエンド開発  CSSによるウェブデザイン […]

    96. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術   AI学会論文    知識情報処理技術   AI学会論文を集めて     推論技術 […]

    97. […] 人工知能技術 セマンティックウェブ技術 オントロジー技術 検索技術    データベース技術  デジタルトランスフォーメーション技術  Visualization & UX   ITインフラ技術   ワークフロー&サービス […]

    98. […] 人工知能技術 セマンティックウェブ技術 オントロジー技術 検索技術    データベース技術  デジタルトランスフォーメーション技術  Visualization & UX   ITインフラ技術  ワークフロー&サービス […]

    99. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術   AI学会論文    知識情報処理技術   AI学会論文を集めて     推論技術 […]

    100. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術   AI学会論文    知識情報処理技術   AI学会論文を集めて     推論技術 […]

    101. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術   AI学会論文    知識情報処理技術   AI学会論文を集めて     推論技術 […]

    102. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術   AI学会論文    知識情報処理技術   AI学会論文を集めて     推論技術 […]

    103. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術   AI学会論文    知識情報処理技術   AI学会論文を集めて     推論技術 […]

    104. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術   AI学会論文    知識情報処理技術   AI学会論文を集めて     推論技術 […]

    105. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術   AI学会論文    知識情報処理技術   AI学会論文を集めて     推論技術 […]

    106. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術   AI学会論文    知識情報処理技術   AI学会論文を集めて     推論技術 […]

    107. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術   AI学会論文    知識情報処理技術   AI学会論文を集めて     推論技術 […]

    108. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術   AI学会論文    知識情報処理技術   AI学会論文を集めて     推論技術 […]

    109. […] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術   AI学会論文    知識情報処理技術   AI学会論文を集めて     推論技術 […]

    110. […] 推論技術 AI学会論文  デジタルトランスフォーメーション技術 オントロジー技術 機械学習技術 ウェブ技術 ワークフロー&サービス […]

    111. […] 人工知能技術 セマンティックウェブ技術 オントロジー技術 ウェブ技術 知識情報処理技術 ワークフロー&サービス […]

    112. […] 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 検索技術 データベース技術 アルゴリズム […]

    113. […] Facebook はてブ Pocket LINE コピー 2023.06.20 人工知能技術 機械学習技術 オントロジー技術 デジタルトランスフォーメーション技術 知識情報処理技術  […]

    114. […] 自然言語処理技術 セマンティックウェブ技術 知識情報処理 オントロジー技術 AI学会論文集を集めて デジタルトランスフォーメーション技術 […]

    115. […] 推論技術 AI学会論文  デジタルトランスフォーメーション技術 オントロジー技術 […]

    116. […] Facebook はてブ Pocket LINE コピー 2023.07.12 人工知能技術 機械学習技術 オントロジー技術 デジタルトランスフォーメーション技術 知識情報処理技術  […]

    117. […] 自然言語処理 異常・変化検知 オンライン学習 オントロジー技術 画像情報処理 サポートベクトルマシン Python 経済とビジネス […]

    118. […] Facebook はてブ Pocket LINE コピー 2023.07.18 人工知能技術 機械学習技術 オントロジー技術 デジタルトランスフォーメーション技術 知識情報処理技術 […]

    119. […] 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 検索技術 データベース技術 アルゴリズム […]

    120. […] 推論技術 AI学会論文  デジタルトランスフォーメーション技術 オントロジー技術 […]

    121. […] 推論技術 AI学会論文  デジタルトランスフォーメーション技術 オントロジー技術 […]

    122. […] 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 検索技術 データベース技術 アルゴリズム […]

    123. […] アルゴリズム 機械学習における数学 セマンティックウェブ技術 オントロジー技術 知識情報処理技術 推論技術 DXの事例 […]

    124. […] Facebook はてブ Pocket LINE コピー 2023.10.02 人工知能技術 機械学習技術 オントロジー技術 デジタルトランスフォーメーション技術 知識情報処理技術 […]

    125. […] 特定のドメインにおいては、ドメイン固有の課題に対応するためにカスタムモデルの設計やトレーニングが必要となる。これには”知識情報処理技術“や”オントロジー技術“で述べられているドメイン専門知識の活用が必要となる。 […]

    126. […] Facebook はてブ Pocket LINE コピー 2023.10.07 人工知能技術 機械学習技術 オントロジー技術 デジタルトランスフォーメーション技術 知識情報処理技術  […]

    127. […] 人工知能技術 セマンティックウェブ技術 オントロジー技術 確率的生成モデル サポートベクトルマシン スパースモデリング […]

    128. […] 深層学習 人工知能技術について セマンティックウェブ技術 オントロジー技術 知識情報処理技術 […]

    129. […] 自然言語処理技術 セマンティックウェブ技術 知識情報処理 オントロジー技術 AI学会論文集を集めて デジタルトランスフォーメーション技術 Python […]

    130. […] 人工知能技術 セマンティックウェブ技術 オントロジー技術 確率的生成モデル サポートベクトルマシン スパースモデリング […]

    131. […] Pocket LINE コピー 2024.01.21 2023.03.14 人工知能技術 機械学習技術 オントロジー技術 デジタルトランスフォーメーション技術 知識情報処理技術  […]

    132. […] 専門家としてのサポート: AIは”オントロジー技術“や”知識情報処理技術“で述べているうに特定の領域での知識や情報を蓄積し、専門家としての役割を果たすことができ […]

    133. […] アルゴリズム 機械学習における数学 セマンティックウェブ技術 オントロジー技術 知識情報処理技術 推論技術 DXの事例 […]

    134. […] 自然言語処理技術 セマンティックウェブ技術 知識情報処理 オントロジー技術 AI学会論文集を集めて デジタルトランスフォーメーション技術 Python […]

    135. […] 自然言語処理技術 セマンティックウェブ技術 知識情報処理 オントロジー技術 AI学会論文集を集めて デジタルトランスフォーメーション技術 Python […]

    136. […] 自然言語処理技術 セマンティックウェブ技術 知識情報処理 オントロジー技術 AI学会論文集を集めて デジタルトランスフォーメーション技術 Python […]

    137. […] 自然言語処理技術 セマンティックウェブ技術 知識情報処理 オントロジー技術 AI学会論文集を集めて デジタルトランスフォーメーション技術 Python […]

    138. […] 自然言語処理技術 セマンティックウェブ技術 知識情報処理 オントロジー技術 AI学会論文集を集めて デジタルトランスフォーメーション技術 Python […]

    139. […] 人工知能技術 セマンティックウェブ技術 知識情報処理技術 推論技術 オントロジー技術 機械学習技術 デジタルトランスフォーメーション技術 […]

    140. […] アルゴリズム 機械学習における数学 深層学習 オントロジー技術 知識情報処理 強化学習 説明できる機械学習 […]

    141. […] Facebook はてブ Pocket LINE コピー 2024.09.03 人工知能技術 機械学習技術 オントロジー技術 デジタルトランスフォーメーション技術 知識情報処理技術  […]

    142. […] Facebook はてブ Pocket LINE コピー 2024.09.17 人工知能技術 機械学習技術 オントロジー技術 デジタルトランスフォーメーション技術 知識情報処理技術  […]

    143. […] Facebook はてブ Pocket LINE コピー 2024.09.28 人工知能技術 機械学習技術 オントロジー技術 デジタルトランスフォーメーション技術 知識情報処理技術  […]

    144. […] Facebook はてブ Pocket LINE コピー 2024.10.01 人工知能技術 機械学習技術 オントロジー技術 デジタルトランスフォーメーション技術 知識情報処理技術  […]

    145. […] Facebook はてブ Pocket LINE コピー 2024.10.05 人工知能技術 機械学習技術 オントロジー技術 デジタルトランスフォーメーション技術 知識情報処理技術  […]

    146. […] 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術 AI学会論文 知識情報処理技術 […]

    147. […] 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術 AI学会論文 知識情報処理技術 […]

    モバイルバージョンを終了
    タイトルとURLをコピーしました