HyperAIHyperAI

Command Palette

Search for a command to run...

vor 4 Monaten

DAGOBAH: Tabellen- und Graphenkontexte für eine effiziente semantische Annotation tabellarischer Daten

{Raphaël Troncy Pierre Monnin Thomas Labbé Frédéric Deuzé Yoan Chabot Jixiong Liu Viet-Phi Huynh}

DAGOBAH: Tabellen- und Graphenkontexte für eine effiziente semantische Annotation tabellarischer Daten

Abstract

In diesem Beitrag präsentieren wir die neuesten Verbesserungen des DAGOBAH-Systems, das eine automatische Vorverarbeitung und semantische Interpretation von Tabellen durchführt. Insbesondere berichten wir über vielversprechende Ergebnisse, die im Rahmen der SemTab 2021-Challenge erzielt wurden, dank Optimierungen der Suchmechanismen und neuer Techniken zur Analyse des Kontexts von Knoten im Ziel-Wissensgraphen. Zudem stellen wir die Implementierung der DAGOBAH-Algorithmen innerhalb des Unternehmens Orange mittels der TableAnnotation-API sowie einer frontend-basierten Benutzeroberfläche vor. Diese beiden Zugriffsmethoden ermöglichen eine beschleunigte Einführung von Lösungen zur semantischen Tabelleninterpretation im Unternehmen, um industrielle Anforderungen effizient zu erfüllen.

KI mit KI entwickeln

Von der Idee bis zum Start — beschleunigen Sie Ihre KI-Entwicklung mit kostenlosem KI-Co-Coding, sofort einsatzbereiter Umgebung und den besten GPU-Preisen.

KI-Co-Coding
Sofort einsatzbereit GPUs
Beste Preise
Jetzt starten

Hyper Newsletters

Abonnieren Sie unsere neuesten Updates
Wir werden die neuesten Updates der Woche in Ihren Posteingang liefern um neun Uhr jeden Montagmorgen
Unterstützt von MailChimp
DAGOBAH: Tabellen- und Graphenkontexte für eine effiziente semantische Annotation tabellarischer Daten | Forschungsarbeiten | HyperAI