Mar, 2023

在 SWeMLS-KG 中描述和组织语义 Web 和机器学习系统

PDF
TL;DR本论文研究了语义 Web 机器学习（SWeML）系统，评估了其特征和趋势，并提出了一个本体分类系统。结果表明，SWeML 系统应用广泛，特别是在深度学习和知识图谱技术的推动下，呈快速增长趋势。
发现论文，激发创造
  • 语义 Web 技术在机器翻译中的应用：调研

    研究发现使用语义网络技术能够提高机器翻译的质量，但二者的结合仍处于起步阶段。

    Nov, 2017

  • 机器学习与本体论的结合：一项系统文献综述

    整合归纳推理和演绎推理的过程，系统文献综述发现研究了机器学习和本体结合的文章，并将归纳推理（由机器学习执行）和演绎推理（由本体执行）结合到人工智能系统中。通过分析 128 项研究，我们找到了三个主要的机器学习和本体结合的类别：增强本体、语义数据挖掘、学习与推理系统，并强调了这些研究中使用的多种机器学习算法。此外，我们还将我们的分类与领域内类似的近期工作和神经符号方法进行了比较。

    Jan, 2024

  • MLSys: 机器学习系统的新前沿

    介绍 ML 系统在实际部署中的难点，并提出在传统系统和 ML 领域交叉的新兴研究方向：ML 系统的硬件和软件实现以及针对预测精度之外的指标进行的 ML 优化，同时介绍了一个新的会议 MLSys。

    Mar, 2019

  • 循着最佳实践指引的机器学习

    本文旨在通过分析机器学习在软件工程中的最佳实践，填补现有文献不足的空缺，并针对机器学习应用所面临的挑战和开发过程，提出一系列以软件工程视角为基础的建议。

    Apr, 2023

  • ML-Schema: 用 Schema 和本体揭示机器学习的语义

    本文提出了 ML-Schema，这是一个用于表示和交换机器学习算法、数据集和实验信息的顶级本体和规范，通过这一规范，或许能够实现更好的可解释性和实验的完全互操作性。

    Jul, 2018

  • 基于机器学习的教学系统：概念框架

    本文探讨了机器学习模型在组织背景下促进知识转移的潜力，以构建更具成本效益的基于 IT 的教学系统。通过系统的文献综述和概念分析，本研究为计算机支持的协同工作领域做出了贡献，为构建区别于众的人机交互的知识转移子领域奠定了基础。

    May, 2023

  • 语义沟通与知识学习的相互作用

    通过集成人工智能技术，本文介绍了以知识理解和处理为重点的语义通信（SemCom）在知识学习方面的应用，尤其关注知识图谱（KGs）的利用，提出了增强型 KGs 的 SemCom 系统，并探索了在不断演化的知识库中更有效地操作的潜在方法和与大型语言模型（LLMs）进行数据增强的可能性。广泛的数值结果表明，所提出的框架在 KG 增强的解码上具有卓越的性能并展示了其在不同场景下的多功能性。

    Jan, 2024

  • 运用语义 Web 技术解释经过训练的神经网络：首要步骤

    本研究利用公开结构化数据、借助现有语义网络技术，实现了对训练好的人工神经网络中输入 - 输出行为的解释，并提供了实验性的概念证明。

    Oct, 2017

  • 支持使用 SysML 形式化机器学习的模型驱动工程方法

    使用模型驱动工程的系统建模语言 SysML 对机器学习任务进行协同定义的方法能够整合不同数据源，定义语义连接、数据处理步骤，从而将机器学习的特性整合到系统工程技术中，促进了各个领域的知识整合，实现了将机器学习引入工业界的目标。

    Jul, 2023

  • 知识导向的机器学习：当前趋势与未来前景

    科学建模的综述及与基于过程的模型相比，机器学习方法在科学建模中的互补优势和不足；以及科学知识引导的机器学习（KGML）领域的研究现状介绍，旨在利用科学知识和数据在机器学习框架中实现更好的泛化性、科学一致性和可解释性的结果；我们讨论了 KGML 研究的不同方面：使用的科学知识类型、知识 - 机器学习集成的形式以及在机器学习中融入科学知识的方法；同时，我们还讨论了环境科学中 KGML 方法正在开发的常见应用类别，并提供了每个类别的例证。

    Mar, 2024