ExeKGLib: Knowledge Graphs-Empowered Machine Learning Analytics

要約

タイトル：ExeKGLib：知識グラフへの依存による機械学習アナリティクスの強化

要約：
– 現在、多くの機械学習（ML）ライブラリがオンラインでMLの実践者に利用可能である。
– MLの典型的なパイプラインは複雑であり、一連のステップで構成され、それぞれがいくつかのMLライブラリを使用する。
– このデモ論文では、コーディングスキルと最小限のML知識を持つユーザーがMLパイプラインを構築できるPythonライブラリExeKGLibを紹介する。
– ExeKGLibは、知識グラフに基づいて、構築されたMLワークフローの透明性と再利用性を向上させ、実行可能であることを保証する。
– ExeKGLibの使用方法をデモンストレーションし、従来のMLコードと比較してその利点を示す。

要約(オリジナル)

Many machine learning (ML) libraries are accessible online for ML practitioners. Typical ML pipelines are complex and consist of a series of steps, each of them invoking several ML libraries. In this demo paper, we present ExeKGLib, a Python library that allows users with coding skills and minimal ML knowledge to build ML pipelines. ExeKGLib relies on knowledge graphs to improve the transparency and reusability of the built ML workflows, and to ensure that they are executable. We demonstrate the usage of ExeKGLib and compare it with conventional ML code to show its benefits.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI