Detailansicht
Scene2Model framework
relation prediction using logical tensor networks
Neli Petkova
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Informatik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Wirtschaftsinformatik
Betreuer*in
Dimitris Karagiannis
DOI
10.25365/thesis.73995
URN
urn:nbn:at:at-ubw:1-19657.44060.320142-5
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Der fortwährende Bedarf an unternehmerischer Innovation und Prozessoptimierung erfordert Möglichkeiten, die Lücke zwischen Expertenwissen und den Maschinen oder Individuen, die die tatsächliche Arbeit ausführen, zu überbrücken. Um diese Herausforderung anzugehen, präsentieren wir unser Scene2Model-Framework, das die Extraktion und Formalisierung von Fachwissen direkt von Unternehmensexperten ermöglicht, indem sie dazu motiviert werden, ihre Innovationsideen in einem geführten Design Thinking Workshop physisch darzustellen. Das entstandene physische Szenario wird dann mithilfe von Objekterkennungs- und Beziehungsvorhersage-Tools in ein digitales konzeptionelles Modell umgewandelt. Das Ergebnis des Scene2Model-Frameworks ist ein universelles digitales Modell (eine abstrakte generische Darstellung, die die grundlegenden Konzepte und Beziehungen erfasst, die in verschiedenen Bereichen oder Industrien anwendbar sind), das maschinenverarbeitbar ist und zur Überprüfung der Machbarkeit ansonsten ressourcenintensiver und somit kostenintensiver Lösungen verwendet werden kann.
Abstract
(Englisch)
The continuous need for driving business innovation and process optimization requires for manners to close the gap between expert knowledge and the machines or individuals that will be performing the actual work. To address this challenge, we present our Scene2Model framework that enables the extraction and formalization of domain knowledge directly from business experts by motivating them to create a physical representation of their innovation ideas in a guided design thinking workshop. The emerged physical scene is then transformed into a digital conceptual model using object detection and relation prediction tools. The output of the Scene2Model framework is a universal digital model (an abstract generic representation that captures the fundamental concepts and relationships applicable across various domains or industries), which is machine processable and can be used for checking the feasibility of otherwise resource-intensive and thus high-cost solutions.
Schlagwörter
Schlagwörter
(Deutsch)
Design-Denken konzeptionelle Modellierung Wissensengineering Semantische Technologien Deep Learning Objekterkennung Visuelle Beziehungserkennung Logische Tensor-Netzwerke
Schlagwörter
(Englisch)
design thinking conceptual modeling knowledge engineering semantic technologies deep learning object detection visual relationship detection logical tensor networks
Autor*innen
Neli Petkova
Haupttitel (Englisch)
Scene2Model framework
Hauptuntertitel (Englisch)
relation prediction using logical tensor networks
Paralleltitel (Deutsch)
Scene2Model Framework
Paralleluntertitel (Deutsch)
Beziehungserkennung mittels Logischen Tensor-Netzwerken
Publikationsjahr
2023
Umfangsangabe
139 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Dimitris Karagiannis
Klassifikation
54 Informatik > 54.72 Künstliche Intelligenz
AC Nummer
AC16920112
Utheses ID
67422
Studienkennzahl
UA | 066 | 926 | |