Text-to-Ontology Mapping via Natural Language Processing Models
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F22%3A00565960" target="_blank" >RIV/67985807:_____/22:00565960 - isvavai.cz</a>
Výsledek na webu
<a href="https://ceur-ws.org/Vol-3226/paper3.pdf" target="_blank" >https://ceur-ws.org/Vol-3226/paper3.pdf</a>
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Text-to-Ontology Mapping via Natural Language Processing Models
Popis výsledku v původním jazyce
The paper presents work in progress attempting to solve a text-to-ontology mapping problem. While ontologies are being created as formal specifications of shared conceptualizations of application domains, different users often create different ontologies to represent the same domain. For better reasoning about concepts in scientific papers, it is desired to pick the ontology which best matches concepts present in the input text. We have started to automatize this process and attack the problem by utilizing state-of-the-art NLP tools and neural networks. Given a specific set of ontologies, we experiment with different training pipelines for NLP machine learning models with the aim to construct representative embeddings for the text-to-ontology matching task. We assess the final result through visualizing the latent space and exploring the mappings between an input text and ontology classes.
Název v anglickém jazyce
Text-to-Ontology Mapping via Natural Language Processing Models
Popis výsledku anglicky
The paper presents work in progress attempting to solve a text-to-ontology mapping problem. While ontologies are being created as formal specifications of shared conceptualizations of application domains, different users often create different ontologies to represent the same domain. For better reasoning about concepts in scientific papers, it is desired to pick the ontology which best matches concepts present in the input text. We have started to automatize this process and attack the problem by utilizing state-of-the-art NLP tools and neural networks. Given a specific set of ontologies, we experiment with different training pipelines for NLP machine learning models with the aim to construct representative embeddings for the text-to-ontology matching task. We assess the final result through visualizing the latent space and exploring the mappings between an input text and ontology classes.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
—
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2022
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of the 22st Conference Information Technologies – Applications and Theory (ITAT 2022)
ISBN
—
ISSN
1613-0073
e-ISSN
—
Počet stran výsledku
7
Strana od-do
28-34
Název nakladatele
Technical University & CreateSpace Independent Publishing
Místo vydání
Aachen
Místo konání akce
Zuberec
Datum konání akce
23. 9. 2022
Typ akce podle státní příslušnosti
EUR - Evropská akce
Kód UT WoS článku
—