論文の概要: Quantum Machine Learning Algorithm for Knowledge Graphs

• arxiv url: http://arxiv.org/abs/2001.01077v2
• Date: Tue, 24 Nov 2020 19:52:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-14 12:40:41.518698
• Title: Quantum Machine Learning Algorithm for Knowledge Graphs
• Title（参考訳）: 知識グラフのための量子機械学習アルゴリズム
• Authors: Yunpu Ma and Volker Tresp
• Abstract要約: 暗黙の知識は、知識グラフから生成されたテンソル表現をモデル化し再構成することによって推測することができる。 本稿では,知識グラフのモデリングを高速化するために,量子資源をどのように活用するかを検討する。
• 参考スコア（独自算出の注目度）: 35.149125599812706
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semantic knowledge graphs are large-scale triple-oriented databases for knowledge representation and reasoning. Implicit knowledge can be inferred by modeling and reconstructing the tensor representations generated from knowledge graphs. However, as the sizes of knowledge graphs continue to grow, classical modeling becomes increasingly computational resource intensive. This paper investigates how quantum resources can be capitalized to accelerate the modeling of knowledge graphs. In particular, we propose the first quantum machine learning algorithm for making inference on tensorized data, e.g., on knowledge graphs. Since most tensor problems are NP-hard, it is challenging to devise quantum algorithms to support that task. We simplify the problem by making a plausible assumption that the tensor representation of a knowledge graph can be approximated by its low-rank tensor singular value decomposition, which is verified by our experiments. The proposed sampling-based quantum algorithm achieves exponential speedup with a runtime that is polylogarithmic in the dimension of knowledge graph tensor.
• Abstract（参考訳）: 意味的知識グラフは、知識表現と推論のための大規模トリプル指向データベースである。 暗黙の知識は、知識グラフから生成されるテンソル表現のモデル化と再構成によって推測できる。 しかし、知識グラフのサイズが拡大し続ければ、古典的モデリングは計算資源の集約化が進む。 本稿では,知識グラフのモデリングを高速化するために,量子資源をどのように活用するかを検討する。 特に,知識グラフ上のテンソル化データに対する推論を行うための,最初の量子機械学習アルゴリズムを提案する。 ほとんどのテンソル問題はNPハードであるため、そのタスクをサポートするために量子アルゴリズムを考案することは困難である。 我々は,知識グラフのテンソル表現は,その低ランクテンソル特異値分解によって近似できる,という説得力のある仮定を行い,この問題を単純化する。 提案するサンプリングに基づく量子アルゴリズムは,知識グラフテンソルの次元における多対数ランタイムによる指数的高速化を実現する。

関連論文リスト

• The Tensor as an Informational Resource [1.3044677039636754]
  テンソル(英: tensor)は、データの保存、計算関係のエンコード、量子絡み合いの表現に使用できる数列である。 テンソル上の情報理論的に構築された事前順序の族を提案し、テンソルを互いに比較し、それらの間の変換の存在を評価する。
  論文  参考訳（メタデータ） (2023-11-03T18:47:39Z)
• Provable Tensor Completion with Graph Information [49.08648842312456]
  本稿では,動的グラフ正規化テンソル完備問題の解法として,新しいモデル,理論,アルゴリズムを提案する。 我々はテンソルの低ランクおよび類似度構造を同時に捉える包括的モデルを開発する。 理論の観点からは、提案したグラフの滑らか度正規化と重み付きテンソル核ノルムとの整合性を示す。
  論文  参考訳（メタデータ） (2023-10-04T02:55:10Z)
• On quantum backpropagation, information reuse, and cheating measurement collapse [6.476797054353113]
  パラメータ化量子モデルは、古典的ニューラルネットワークと同じくらい効率的にトレーニングできることを示す。 本稿では,量子リソースのバックプロパゲーションスケーリングにマッチするシャドウトモグラフィの基礎を持つアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-05-22T18:00:02Z)
• Scaling R-GCN Training with Graph Summarization [71.06855946732296]
  リレーショナルグラフ畳み込みネットワーク(R-GCN)のトレーニングは、グラフのサイズに合わない。 本研究では,グラフの要約手法を用いてグラフを圧縮する実験を行った。 AIFB, MUTAG, AMデータセットについて妥当な結果を得た。
  論文  参考訳（メタデータ） (2022-03-05T00:28:43Z)
• From Quantum Graph Computing to Quantum Graph Learning: A Survey [86.8206129053725]
  まず、量子力学とグラフ理論の相関関係について、量子コンピュータが有用な解を生成できることを示す。 本稿では,その実践性と適用性について,一般的なグラフ学習手法について概説する。 今後の研究の触媒として期待される量子グラフ学習のスナップショットを提供する。
  論文  参考訳（メタデータ） (2022-02-19T02:56:47Z)
• Graph Kernel Neural Networks [53.91024360329517]
  本稿では、グラフ上の内部積を計算するカーネル関数であるグラフカーネルを用いて、標準畳み込み演算子をグラフ領域に拡張することを提案する。 これにより、入力グラフの埋め込みを計算する必要のない完全に構造的なモデルを定義することができる。 私たちのアーキテクチャでは,任意の種類のグラフカーネルをプラグインすることが可能です。
  論文  参考訳（メタデータ） (2021-12-14T14:48:08Z)
• Graph kernels encoding features of all subgraphs by quantum superposition [4.031373438192993]
  本稿では,全ての部分グラフを考慮に入れたグラフ類似度を測定するために,量子コンピュータを適用した新しいグラフカーネルを提案する。 量子カーネルの構築のために、量子状態に符号化されたサブグラフのインデックス情報を除去する効率的なプロトコルを開発する。 バイオインフォマティクス問題の詳細な数値シミュレーションを行い,提案した量子カーネルが既存のグラフカーネルよりも優れた分類精度を実現することを示す。
  論文  参考訳（メタデータ） (2021-03-30T05:50:23Z)
• Quantum machine learning of graph-structured data [0.38581147665516596]
  グラフ構造化量子データについて検討し、量子ニューラルネットワークによる量子機械学習の実施方法について述べる。 我々は、この追加グラフ構造を体系的に利用して量子学習アルゴリズムを改善する方法について説明する。
  論文  参考訳（メタデータ） (2021-03-19T14:39:19Z)
• A Heterogeneous Graph with Factual, Temporal and Logical Knowledge for Question Answering Over Dynamic Contexts [81.4757750425247]
  動的テキスト環境における質問応答について検討する。 構築したグラフ上にグラフニューラルネットワークを構築し,エンドツーエンドでモデルをトレーニングする。
  論文  参考訳（メタデータ） (2020-04-25T04:53:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。