基于本体、大规模人工整理的的人工智能任务与基准知识图谱
人工智能
2021-10-07 v2
摘要
人工智能（AI）研究正通过迅速增长的大量模型与方法应对越来越多的任务。这使得人们难以追踪新颖 AI 方法在何处成功——或仍不成功——应用、进展如何衡量、不同进展如何相互协同，以及未来研究应如何优先布局。为助力解决这些问题，我们创建了智能任务本体与知识图谱（ITO），这是一个关于人工智能任务、基准结果与性能指标的全面、结构丰富且经人工整理的资源。当前版本的 ITO 包含 685,560 条边、表示 AI 过程的 1,100 个类，以及表示性能指标的 1,995 个属性。ITO 的目标是支持对 AI 任务与能力的全球格局进行精确的基于网络的分析。ITO 基于便于与外部数据轻松集成和 enrichment、自动推理以及对底层本体模型持续协作式专家整理的技术构建。我们公开提供了 ITO 数据集以及一组利用 ITO 的 Jupyter notebooks。
引用
@article{arxiv.2110.01434,
title = {A curated, ontology-based, large-scale knowledge graph of artificial intelligence tasks and benchmarks},
author = {Kathrin Blagec and Adriano Barbosa-Silva and Simon Ott and Matthias Samwald},
journal= {arXiv preprint arXiv:2110.01434},
year = {2021}
}