MRM3: Machine Readable ML Model Metadata

要約

機械学習（ML）モデルの複雑さと数が増えるにつれて、開発者や企業が特定のユースケースに使用または適応するためには、十分に文書化されたMLモデルが不可欠です。
モデルメタデータは、既に構造化されていない形式で存在しており、フェイスを抱き締めるオンラインリポジトリのモデルカードとして存在し、エネルギー消費や二酸化炭素排出量などの環境影響メトリックも組み込まれている間、より構造化され、機械の読み取り可能になります。
私たちの作業は、MLモデルメタデータの構造化されたスキーマを、マシン読み取り可能な形式に焦点を当てたMLモデルメタデータの構造化されたスキーマと、より良い組織化とクエリのための知識グラフ（kg）への統合のサポートを定義し、より広いユースケースを可能にすることにより、既存の最先端を拡張します。
さらに、4つのデータセットでトレーニングされた22のモデルで構成されるワイヤレスローカリゼーションモデルメタデータデータセットの例を示し、113のノードと199の関係を持つNeo4JベースのKGに統合されています。

要約(オリジナル)

As the complexity and number of machine learning (ML) models grows, well-documented ML models are essential for developers and companies to use or adapt them to their specific use cases. Model metadata, already present in unstructured format as model cards in online repositories such as Hugging Face, could be more structured and machine readable while also incorporating environmental impact metrics such as energy consumption and carbon footprint. Our work extends the existing State of the Art by defining a structured schema for ML model metadata focusing on machine-readable format and support for integration into a knowledge graph (KG) for better organization and querying, enabling a wider set of use cases. Furthermore, we present an example wireless localization model metadata dataset consisting of 22 models trained on 4 datasets, integrated into a Neo4j-based KG with 113 nodes and 199 relations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google