論文の概要: Knowledge representation and update in hierarchies of graphs

• arxiv url: http://arxiv.org/abs/2002.01766v1
• Date: Wed, 5 Feb 2020 13:01:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-03 21:58:10.157438
• Title: Knowledge representation and update in hierarchies of graphs
• Title（参考訳）: グラフの階層における知識表現と更新
• Authors: Russ Harmer and Eugenia Oshurko
• Abstract要約: 任意の対象の任意の対の間のすべての経路が等しいことを要求される圏における対象の有向非巡回階層が提示される。 いくつかの書き直しは矢の方向で前方に伝播されなければならないが、他の書き直しは矢の方向に対して後方に伝播されなければならない。
• 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: A mathematical theory is presented for the representation of knowledge in the form of a directed acyclic hierarchy of objects in a category where all paths between any given pair of objects are required to be equal. The conditions under which knowledge update, in the form of the sesqui-pushout rewriting of an object in a hierarchy, can be propagated to the rest of the hierarchy, in order to maintain all required path equalities, are analysed: some rewrites must be propagated forwards, in the direction of the arrows, while others must be propagated backwards, against the direction of the arrows, and, depending on the precise form of the hierarchy, certain composability conditions may also be necessary. The implementation of this theory, in the ReGraph Python library for (simple) directed graphs with attributes on nodes and edges, is then discussed in the context of two significant use cases.
• Abstract（参考訳）: 数学理論は、対象の任意の対の間のすべての経路が等しくなければならない圏内の対象の有向非巡回階層の形で知識を表現するために提示される。 知識が更新される条件は、階層内のオブジェクトのSesqui-pushout書き換えの形で、全ての必要なパス平等を維持するために、階層の他の部分へ伝播することができる:いくつかの書き換えは矢印の方向で前方に伝播されなければならないが、他のものは矢印の方向に対して後方に伝播されなければならない、そして階層の正確な形式によっては、ある種の構成条件も必要である。 この理論の実装は、ノードとエッジに属性を持つ(単純な)有向グラフのためのReGraph Pythonライブラリにおいて、2つの重要なユースケースの文脈で議論される。

関連論文リスト

• Hierarchical Graph Topic Modeling with Topic Tree-based Transformer [35.554979581137296]
  本稿では,文書内のトピック階層と文書間のグラフ階層を統合する階層型グラフトピックモデリング変換器を提案する。 話題とグラフの階層性の両方を保存するため,ハイパーボリック空間におけるモデルの設計と,ハイパーボリックダブルリカレントニューラルネットワークの提案を行う。 教師なし実験と教師なし実験の両方が、我々のモデルの有効性を検証する。
  論文  参考訳（メタデータ） (2025-02-17T01:55:29Z)
• Learning Structured Representations with Hyperbolic Embeddings [22.95613852886361]
  ラベル階層を学習表現に正確に埋め込むハイパーボリック構造正規化手法HypStructureを提案する。 いくつかの大規模ビジョンベンチマークの実験では、歪みを低減するためのHypStructureの有効性が示されている。 構造化された表現をよりよく理解するために、表現幾何学と改善されたout-of-Distribution(OOD)検出性能をリンクする固有値解析を行う。
  論文  参考訳（メタデータ） (2024-12-02T00:56:44Z)
• What Improves the Generalization of Graph Transformers? A Theoretical Dive into the Self-attention and Positional Encoding [67.59552859593985]
  自己アテンションと位置エンコーディングを組み込んだグラフトランスフォーマーは、さまざまなグラフ学習タスクのための強力なアーキテクチャとして登場した。 本稿では,半教師付き分類のための浅いグラフ変換器の理論的検討について紹介する。
  論文  参考訳（メタデータ） (2024-06-04T05:30:16Z)
• Modeling Heterogeneous Hierarchies with Relation-specific Hyperbolic Cones [64.75766944882389]
  知識グラフにおける複数の階層的および非階層的関係を同時にモデル化できるKG埋め込みモデルであるConE(Cone Embedding)を提案する。 特に、ConEは双曲埋め込み空間の異なる部分空間における円錐包含制約を用いて、複数の異種階層をキャプチャする。 我々のアプローチでは、WN18RRで45.3%、DDB14で16.1%の新しい最先端hits@1が得られる(0.231 MRR)。
  論文  参考訳（メタデータ） (2021-10-28T07:16:08Z)
• TopicNet: Semantic Graph-Guided Topic Discovery [51.71374479354178]
  既存の階層的なトピックモデルでは、教師なしの方法でテキストコーパスから意味論的意味のあるトピックを抽出することができる。 TopicNetを階層的なトピックモデルとして導入し、学習に影響を与えるための帰納的バイアスとして、事前構造知識を注入する。
  論文  参考訳（メタデータ） (2021-10-27T09:07:14Z)
• Enhancing Hierarchical Information by Using Metric Cones for Graph Embedding [3.700709497727248]
  Poincar'e埋め込みはグラフの階層構造を捉えるために提案されている。 既存の手法の多くは埋め込み空間に等尺写像を持つ。 このような問題を解決するために,計量円錐にグラフ埋め込みを提案する。
  論文  参考訳（メタデータ） (2021-02-16T08:23:59Z)
• Reversibility and Composition of Rewriting in Hierarchies [0.0]
  本研究では,Sesqui-pushoutリライトに基づくグラフ変換の逆変換と書き直しの構成について検討する。 本稿では,このような可逆性と構成を用いて,個々のグラフやグラフ階層に対する監査証跡システムの設計を行う方法について述べる。
  論文  参考訳（メタデータ） (2020-12-03T02:29:28Z)
• Exploring the Hierarchy in Relation Labels for Scene Graph Generation [75.88758055269948]
  提案手法は,Recall@50において,複数の最先端ベースラインを大きなマージン(最大33%の相対利得)で改善することができる。 実験により,提案手法により,最先端のベースラインを大きなマージンで改善できることが示された。
  論文  参考訳（メタデータ） (2020-09-12T17:36:53Z)
• Building powerful and equivariant graph neural networks with structural message-passing [74.93169425144755]
  本稿では,2つのアイデアに基づいた,強力かつ同変なメッセージパッシングフレームワークを提案する。 まず、各ノードの周囲の局所的コンテキスト行列を学習するために、特徴に加えてノードの1ホット符号化を伝搬する。 次に,メッセージのパラメトリゼーション手法を提案する。
  論文  参考訳（メタデータ） (2020-06-26T17:15:16Z)
• Hierarchical Image Classification using Entailment Cone Embeddings [68.82490011036263]
  まずラベル階層の知識を任意のCNNベースの分類器に注入する。 画像からの視覚的セマンティクスと組み合わせた外部セマンティクス情報の利用が全体的な性能を高めることを実証的に示す。
  論文  参考訳（メタデータ） (2020-04-02T10:22:02Z)

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。