論文の概要: Knowledge Graph Embedding for Link Prediction: A Comparative Analysis

• arxiv url: http://arxiv.org/abs/2002.00819v4
• Date: Thu, 21 Jan 2021 21:15:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-04 08:39:38.228018
• Title: Knowledge Graph Embedding for Link Prediction: A Comparative Analysis
• Title（参考訳）: リンク予測のための知識グラフ埋め込み:比較分析
• Authors: Andrea Rossi, Donatella Firmani, Antonio Matinata, Paolo Merialdo, Denilson Barbosa
• Abstract要約: Link Predictionは、知識グラフの不完全性に対処するための有望で広く研究されているタスクである。 本研究は,16種類の組込み型LP法の有効性と効率を実験的に比較し,ルールベースベースラインを考察し,文献における最も一般的なベンチマークに関する詳細な分析を報告する。
• 参考スコア（独自算出の注目度）: 9.57564539646078
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge Graphs (KGs) have found many applications in industry and academic settings, which in turn, have motivated considerable research efforts towards large-scale information extraction from a variety of sources. Despite such efforts, it is well known that even state-of-the-art KGs suffer from incompleteness. Link Prediction (LP), the task of predicting missing facts among entities already a KG, is a promising and widely studied task aimed at addressing KG incompleteness. Among the recent LP techniques, those based on KG embeddings have achieved very promising performances in some benchmarks. Despite the fast growing literature in the subject, insufficient attention has been paid to the effect of the various design choices in those methods. Moreover, the standard practice in this area is to report accuracy by aggregating over a large number of test facts in which some entities are over-represented; this allows LP methods to exhibit good performance by just attending to structural properties that include such entities, while ignoring the remaining majority of the KG. This analysis provides a comprehensive comparison of embedding-based LP methods, extending the dimensions of analysis beyond what is commonly available in the literature. We experimentally compare effectiveness and efficiency of 16 state-of-the-art methods, consider a rule-based baseline, and report detailed analysis over the most popular benchmarks in the literature.
• Abstract（参考訳）: 知識グラフ (KGs) は、産業や学術的な環境における多くの応用を見つけており、様々な情報源から大規模な情報抽出に向けた研究の動機となっている。 このような努力にもかかわらず、最先端のkgsでさえも不完全さに苦しむことはよく知られている。 リンク予測(リンク予測、英: Link Prediction、LP)は、KGの不完全性に対処するための有望かつ広く研究されている課題である。 最近のLP技術の中で、KG埋め込みに基づくものは、いくつかのベンチマークで非常に有望なパフォーマンスを達成した。 急速に成長している文学にもかかわらず、これらの手法における様々なデザイン選択の効果には十分な注意が払われていない。 さらに、この領域の標準的な実践は、いくつかのエンティティが過剰に表現されている多数のテスト事実を集約して、精度を報告することであり、lpメソッドは、そのようなエンティティを含む構造的特性にのみ従うだけで、kgの残り多数を無視しながら、優れたパフォーマンスを示すことができる。 この分析は、埋め込みに基づくLP法を包括的に比較し、文献で一般的に見られるものを超えて解析の次元を拡張する。 16の最先端手法の有効性と効率を実験的に比較し,ルールベースラインを検討し,文献でもっとも人気のあるベンチマークについて詳細な分析を行った。

関連論文リスト

• Distill-SynthKG: Distilling Knowledge Graph Synthesis Workflow for Improved Coverage and Efficiency [59.6772484292295]
  大規模言語モデル(LLM)によって生成される知識グラフ(KG)は、検索・拡張生成(RAG)アプリケーションにとってますます価値が増している。 既存のKG抽出法は、大規模コーパスの処理に非効率なプロンプトベースのアプローチに依存している。 LLMに基づく多段階文書レベルのKGワークフローであるSynthKGを提案する。 我々はまた、RAGのための新しいグラフベースの検索フレームワークを設計する。
  論文  参考訳（メタデータ） (2024-10-22T00:47:54Z)
• Less is More: One-shot Subgraph Reasoning on Large-scale Knowledge Graphs [49.547988001231424]
  効率的かつ適応的な予測を実現するために,ワンショットサブグラフリンク予測を提案する。 設計原理は、KG全体に直接作用する代わりに、予測手順を2つのステップに分離する。 5つの大規模ベンチマークにおいて,効率の向上と性能の向上を実現している。
  論文  参考訳（メタデータ） (2024-03-15T12:00:12Z)
• Multi-perspective Improvement of Knowledge Graph Completion with Large Language Models [95.31941227776711]
  我々は,文脈知識の不足を補うMPIKGCを提案し,大規模言語モデル(LLM)をクエリすることでKGCを改善する。 我々は4つの記述に基づくKGCモデルと4つのデータセットに基づくフレームワークの広範囲な評価を行い、リンク予測とトリプルト分類のタスクについて検討した。
  論文  参考訳（メタデータ） (2024-03-04T12:16:15Z)
• Beyond Transduction: A Survey on Inductive, Few Shot, and Zero Shot Link Prediction in Knowledge Graphs [2.1485350418225244]
  知識グラフ (KGs) は、異なる意味の意味の関係によって相互に相互に結合するエンティティから構成される。 彼らは本質的に不完全性に悩まされており、すなわち、実体に関する実体や事実が欠落している。 より大きな研究機関は、一般的にリンク予測(英語版) (LP) と呼ばれるKGの欠落情報を完成させることに焦点を当てている。
  論文  参考訳（メタデータ） (2023-12-08T12:13:40Z)
• Pre-trained Embeddings for Entity Resolution: An Experimental Analysis [Experiment, Analysis & Benchmark] [65.11858854040544]
  我々は、17の確立されたベンチマークデータセットに対して、12のポピュラー言語モデルの徹底的な実験分析を行う。 まず、全ての入力エンティティを高密度な埋め込みベクトルに変換するためのベクトル化のオーバーヘッドを評価する。 次に,そのブロッキング性能を調査し,詳細なスケーラビリティ解析を行い,最先端のディープラーニングベースのブロッキング手法と比較する。 第3に、教師なしマッチングと教師なしマッチングの両方に対して、相対的な性能で締めくくります。
  論文  参考訳（メタデータ） (2023-04-24T08:53:54Z)
• Reasoning over Multi-view Knowledge Graphs [59.99051368907095]
  ROMAは、マルチビューKG上で論理クエリに応答する新しいフレームワークである。 大規模(数百万の事実など)のKGや粒度の細かいビューまでスケールする。 トレーニング中に観測されていない構造やKGビューのクエリを一般化する。
  論文  参考訳（メタデータ） (2022-09-27T21:32:20Z)
• KG-NSF: Knowledge Graph Completion with a Negative-Sample-Free Approach [4.146672630717471]
  埋め込みベクトルの相互相関行列に基づいてKG埋め込みを学習するための負のサンプリングフリーフレームワークbftextKG-NSFを提案する。 提案手法は, より高速に収束しながら, 負のサンプリングに基づく手法に比較して, リンク予測性能が向上することを示した。
  論文  参考訳（メタデータ） (2022-07-29T11:39:04Z)
• Explainable Sparse Knowledge Graph Completion via High-order Graph Reasoning Network [111.67744771462873]
  本稿では,スパース知識グラフ(KG)のための新しい説明可能なモデルを提案する。 高次推論をグラフ畳み込みネットワーク、すなわちHoGRNに結合する。 情報不足を緩和する一般化能力を向上させるだけでなく、解釈可能性も向上する。
  論文  参考訳（メタデータ） (2022-07-14T10:16:56Z)
• Knowledge Graph Embedding Methods for Entity Alignment: An Experimental Review [7.241438112282638]
  我々は、エンティティアライメントのための一般的な埋め込み手法の最初のメタレベル解析を行う。 KGsにより抽出された様々なメタ機能と異なる埋め込み手法の統計的に有意な相関関係が明らかとなった。 テストベッドの全現実世界のKGで有効性に応じて統計的に有意なランク付けを行う。
  論文  参考訳（メタデータ） (2022-03-17T12:11:58Z)
• Efficient Knowledge Graph Validation via Cross-Graph Representation Learning [40.570585195713704]
  ノイズの多い事実は、自動抽出によって引き起こされる可能性のある知識グラフに必然的に導入されます。 対象KGの事実を効率的に検証するために外部KGを活用するクロスグラフ表現学習フレームワークであるCrossValを提案する。
  論文  参考訳（メタデータ） (2020-08-16T20:51:17Z)
• IterefinE: Iterative KG Refinement Embeddings using Symbolic Knowledge [10.689559910656474]
  テキストソースから抽出された知識グラフ(KG)は、しばしばノイズが多く、KGベースの質問応答のような下流アプリケーションタスクではパフォーマンスが低下する。 最も成功したKG精製技術は、推論規則と推論監督の過剰な利用である。 本稿では,2つの手法を反復的に組み合わせたIterefinEというKG精製フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-03T14:05:54Z)

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。