Počet záznamů: 1

Text-to-Ontology Mapping via Natural Language Processing Models

SYSNO ASEP	0565960
Druh ASEP	C - Konferenční příspěvek (mezinárodní konf.)
Zařazení RIV	D - Článek ve sborníku
Název	Text-to-Ontology Mapping via Natural Language Processing Models
Tvůrce(i)	Yorsh, U. (CZ) Behr, A. S. (DE) Kockmann, N. (DE) Holeňa, Martin (UIVT-O)_{SAI, RID}
Celkový počet autorů	4
Zdroj.dok.	Proceedings of the 22st Conference Information Technologies – Applications and Theory (ITAT 2022). - Aachen : Technical University & CreateSpace Independent Publishing, 2022 / Ciencialová L. ; Holeňa M. ; Jajcay R. ; Jajcayová R. ; Mráz F. ; Pardubská D. ; Plátek M. - ISSN 1613-0073
Rozsah stran	s. 28-34
Poč.str.	7 s.
Forma vydání	Online - E
Akce	ITAT 2022: Conference Information Technologies - Applications and Theory /22./
Datum konání	23.09.2022 - 27.09.2022
Místo konání	Zuberec
Země	SK - Slovensko
Typ akce	EUR
Jazyk dok.	eng - angličtina
Země vyd.	DE - Německo
Klíč. slova	text analysis ; language models ; fastText ; BERT ; matching text to ontologies
Obor OECD	Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Institucionální podpora	UIVT-O - RVO:67985807
EID SCOPUS	85139875540
Anotace	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.
Pracoviště	Ústav informatiky
Kontakt	Tereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800
Rok sběru	2023
Elektronická adresa	https://ceur-ws.org/Vol-3226/paper3.pdf

Počet záznamů: 1