ExeKGLib：知识图谱赋能的机器学习分析
机器学习
2023-05-05 v1 人工智能
摘要
许多机器学习（ML）库可在线供 ML 从业者使用。典型的 ML 流水线复杂且由一系列步骤组成，每一步调用若干 ML 库。在本演示论文中，我们提出 ExeKGLib，一个允许具备编程技能且 ML 知识最少的用户构建 ML 流水线的 Python 库。ExeKGLib 依赖知识图谱来提升所构建 ML 工作流的透明性与可复用性，并确保其可执行。我们演示了 ExeKGLib 的使用，并将其与传统 ML 代码比较以展示其优势。
引用
@article{arxiv.2305.02966,
title = {ExeKGLib: Knowledge Graphs-Empowered Machine Learning Analytics},
author = {Antonis Klironomos and Baifan Zhou and Zhipeng Tan and Zhuoxun Zheng and Gad-Elrab Mohamed and Heiko Paulheim and Evgeny Kharlamov},
journal= {arXiv preprint arXiv:2305.02966},
year = {2023}
}
备注
This paper has been accepted as a Demo paper at ESWC 2023