Fugu-MT 論文翻訳(概要): Uncertainty Weighted Causal Graphs

論文の概要: Uncertainty Weighted Causal Graphs

arxiv url: http://arxiv.org/abs/2002.00429v2
Date: Thu, 6 Feb 2020 13:39:26 GMT
ステータス: 処理完了
システム内更新日: 2023-01-04 20:05:38.925456
Title: Uncertainty Weighted Causal Graphs
Title（参考訳）: 不確かさ重み付き因果グラフ
Authors: Eduardo C. Garrido-Merch\'an, C. Puente, A. Sobrino, J.A. Olivas
Abstract要約: 因果関係は伝統的に、影響に関係して知識を生み出す科学的方法であった。引用グラフにおける不確実性の管理を確率論的に改善することで、グラフの不確実性をさらにモデル化しようと試みる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Causality has traditionally been a scientific way to generate knowledge by relating causes to effects. From an imaginery point of view, causal graphs are a helpful tool for representing and infering new causal information. In previous works, we have generated automatically causal graphs associated to a given concept by analyzing sets of documents and extracting and representing the found causal information in that visual way. The retrieved information shows that causality is frequently imperfect rather than exact, feature gathered by the graph. In this work we will attempt to go a step further modelling the uncertainty in the graph through probabilistic improving the management of the imprecision in the quoted graph.
Abstract（参考訳）: 因果関係は伝統的に、影響に関係して知識を生み出す科学的方法であった。想像上の観点では、因果グラフは新しい因果情報を表現し推論するのに役立つツールである。先行研究では,文書群を分析し,その視覚的に見出された因果情報を抽出・表現することにより,与えられた概念に関連付けられた自動因果グラフを生成する。検索された情報は、因果関係が正確な特徴ではなく、しばしば不完全であることを示している。本研究は,提案したグラフにおける不確定性管理の確率論的改善を通じて,グラフの不確実性をさらにモデル化する試みである。

関連論文リスト

Parametric Graph Representations in the Era of Foundation Models: A Survey and Position [69.48708136448694]
グラフは、包括的なリレーショナルデータをモデル化するために、過去数十年間、ビッグデータとAIで広く使われてきた。有意義なグラフ法則の同定は、様々な応用の有効性を著しく向上させることができる。
論文参考訳（メタデータ） (2024-10-16T00:01:31Z)
Causal Discovery in Recommender Systems: Example and Discussion [3.013819656993265]
因果関係は人工知能と機械学習のコミュニティから注目を集めている。本稿では,因果グラフを用いたレコメンデータシステム問題のモデル化例を示す。
論文参考訳（メタデータ） (2024-09-16T13:31:04Z)
CEGRL-TKGR: A Causal Enhanced Graph Representation Learning Framework for Improving Temporal Knowledge Graph Extrapolation Reasoning [1.6795461001108096]
時間的知識グラフ推論(TKGR)のための革新的な因果拡張グラフ表現学習フレームワークを提案する。まず、時間グラフ列における実体と関係の進化的表現を、2つの異なる成分、すなわち因果表現と共起表現に分解する。
論文参考訳（メタデータ） (2024-08-15T03:34:53Z)
Motif-Consistent Counterfactuals with Adversarial Refinement for Graph-Level Anomaly Detection [30.618065157205507]
本稿では,グラフレベルの異常検出のための新しい手法Motif-consistent Counterfactuals with Adversarial Refinement (MotifCAR)を提案する。このモデルは、あるグラフのモチーフと、識別(カテゴリ)情報を含むコアサブグラフと、別のグラフのコンテキストサブグラフを組み合わせて、生の反事実グラフを生成する。 MotifCARは高品質な反ファクトグラフを生成することができる。
論文参考訳（メタデータ） (2024-07-18T08:04:57Z)
Towards Self-Interpretable Graph-Level Anomaly Detection [73.1152604947837]
グラフレベルの異常検出(GLAD)は、コレクションの大多数と比べて顕著な相違を示すグラフを識別することを目的としている。本稿では,異常なグラフを検出し,同時に情報的説明を生成する自己解釈グラフaNomaly dETectionモデル(SIGNET)を提案する。
論文参考訳（メタデータ） (2023-10-25T10:10:07Z)
CLEAR: Generative Counterfactual Explanations on Graphs [60.30009215290265]
グラフ上での対実的説明生成の問題について検討する。グラフに関する反実的な説明を調査する研究はいくつかあるが、この問題の多くの課題はまだ十分に適応されていない。本稿では,グラフレベルの予測モデルに対して,グラフ上の反実的説明を生成するための新しいフレームワークCLEARを提案する。
論文参考訳（メタデータ） (2022-10-16T04:35:32Z)
Unbiased Graph Embedding with Biased Graph Observations [52.82841737832561]
基礎となるバイアスのないグラフから学習することで、バイアスのない表現を得るための、原則化された新しい方法を提案する。この新たな視点に基づいて、そのような基礎となるグラフを明らかにするための2つの補完的手法を提案する。
論文参考訳（メタデータ） (2021-10-26T18:44:37Z)
ExplaGraphs: An Explanation Graph Generation Task for Structured Commonsense Reasoning [65.15423587105472]
スタンス予測のための説明グラフ生成の新しい生成および構造化コモンセンスリゾニングタスク(および関連するデータセット)を紹介します。具体的には、信念と議論が与えられた場合、モデルは、議論が信念を支持しているかどうかを予測し、予測されたスタンスに対する非自明で完全で曖昧な説明として機能する常識強化グラフを生成する必要がある。グラフの83%は、様々な構造と推論深度を持つ外部のコモンセンスノードを含んでいる。
論文参考訳（メタデータ） (2021-04-15T17:51:36Z)
Out-of-Sample Representation Learning for Multi-Relational Graphs [8.956321788625894]
非分散知識グラフに対するアウトオブサンプル表現学習問題について検討する。このタスクのためのベンチマークデータセットを作成し、いくつかのモデルとベースラインを開発し、提案したモデルとベースラインの実証分析と比較を提供する。
論文参考訳（メタデータ） (2020-04-28T00:53:01Z)
A Survey of Adversarial Learning on Graphs [59.21341359399431]
本稿では,グラフ逆学習タスクに関する既存の研究を考察し,要約する。具体的には、グラフ解析タスクにおける攻撃と防御に関する既存の作業を調査し、統一する。我々は、関連する評価指標の重要性を強調し、それらを総合的に調査し、要約する。
論文参考訳（メタデータ） (2020-03-10T12:48:00Z)

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。