共有パラメータ経験を通したビッグデータ文脈における新しい知識資本化フレームワーク【JST・京大機械翻訳】

Hirchoua Badr; Ouhbi Brahim; Frikh Bouchra; Khalil Ismail

文献

J-GLOBAL ID：202002212379666270 整理番号：20A1818693

共有パラメータ経験を通したビッグデータ文脈における新しい知識資本化フレームワーク【JST・京大機械翻訳】

A New Knowledge Capitalization Framework in the Big Data Context Through Shared Parameters Experiences

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=20A1818693&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A1818693&from=J-GLOBAL&jstjournalNo=H0078D") }}

著者 (4件)： , , ,
資料名：
巻： 12130 ページ： 86-113 発行年： 2020年
JST資料番号： H0078D ISSN： 0302-9743 資料種別：会議録 (C)
記事区分：原著論文発行国：ドイツ (DEU) 言語：英語 (EN)

知識管理は,大きなデータコンテキストにおける知的知識資本化システムを通しての懸念を切り離すだけでなく,解体された知識ベースから価値を作り出すことにおいて,不正確であると証明する。しかし,そのようなシステムは,資本化プロセスを前進させるために,長くて挑戦的な学習プロセスと複雑なパラメータ調整を必要とする。本論文では,新しい知識資本化フレームワークを,分散システムのトップに作用し,大規模に走る適応およびインテリジェント技術として導入した。このフレームワークは,各知識ベースが知識グループの基礎集合上の混合物としてモデル化される3レベルパラダイムである。各群は次に,知識エンティティの潜在集合上の混合物として形成される。そのうえ,別々に各モデルに焦点を合わせて,そのパラメータを調整することは,最適構成を見つけるため,より長い時間と資源を必要とするので,提案した方式は,グループコヒーレンスメトリックによって駆動される共有パラメータ機構を使用する。それは,モデルの品質を増加させ,知識エンティティのコヒーレンスを改善し,グループの滑らかさと密度を前進させるこのパラダイムに依存する。結果は,異なる知識グループ間で有意でロバストな一貫性を明らかにした。さらに,各分散モデルを平均で3回更新した。各モデルの直接的な適応は,グループコヒーレンスにおける[数式:原文を参照]の増大を伴う改良モデルを導くことができる。最後に,知識検索システムを開発し,形成されたグループの妥当性と有効性を検証し,応答時間と精度を評価した。Copyright Springer-Verlag GmbH Germany, part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , ,
, , , , 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

人工知能

, , , , , ,

前のページに戻る