論文の概要: Message Passing Query Embedding
- arxiv url: http://arxiv.org/abs/2002.02406v2
- Date: Wed, 24 Jun 2020 11:35:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-03 09:34:30.750037
- Title: Message Passing Query Embedding
- Title(参考訳): メッセージパッシングクエリの埋め込み
- Authors: Daniel Daza and Michael Cochez
- Abstract要約: 本稿では,クエリのグラフ表現を符号化するグラフニューラルネットワークを提案する。
モデルは、明示的な監督なしにエンティティタイプの概念を捉えたエンティティ埋め込みを学習することを示します。
- 参考スコア(独自算出の注目度): 4.035753155957698
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent works on representation learning for Knowledge Graphs have moved
beyond the problem of link prediction, to answering queries of an arbitrary
structure. Existing methods are based on ad-hoc mechanisms that require
training with a diverse set of query structures. We propose a more general
architecture that employs a graph neural network to encode a graph
representation of the query, where nodes correspond to entities and variables.
The generality of our method allows it to encode a more diverse set of query
types in comparison to previous work. Our method shows competitive performance
against previous models for complex queries, and in contrast with these models,
it can answer complex queries when trained for link prediction only. We show
that the model learns entity embeddings that capture the notion of entity type
without explicit supervision.
- Abstract(参考訳): 知識グラフの表現学習に関する最近の研究は、リンク予測の問題を超えて、任意の構造のクエリに答えている。
既存の方法は、様々なクエリ構造でトレーニングを必要とするアドホックなメカニズムに基づいている。
本稿では,グラフニューラルネットワークを用いてクエリのグラフ表現を符号化する,ノードがエンティティと変数に対応する,より一般的なアーキテクチャを提案する。
提案手法の汎用性により,従来よりも多種多様なクエリー型を符号化することができる。
これらのモデルとは対照的に,リンク予測のみのためにトレーニングされた場合,複雑なクエリに応答することができる。
モデルは、明示的な監督なしにエンティティタイプの概念を捉えたエンティティ埋め込みを学習することを示します。
関連論文リスト
- A neuro-symbolic framework for answering conjunctive queries [5.548544527319524]
不完全知識グラフ上で任意の接続クエリに応答するフレームワークを提案する。
我々の近似は、完全である、偽陰性がない、最適である、木のようなクエリを使って可能な限りの近似を提供する、という強い保証を達成する。
論文 参考訳(メタデータ) (2023-10-06T21:31:17Z) - Modeling Relational Patterns for Logical Query Answering over Knowledge
Graphs [20.92043251523278]
そこで我々は,複雑な空間における回転により,クエリ領域を幾何学的円錐と代数的クエリ演算子として定義する新しいクエリ埋め込み手法RoConEを開発した。
いくつかのベンチマークデータセットに対する実験結果から,論理的問合せ処理の強化のための関係パターンの利点が確認された。
論文 参考訳(メタデータ) (2023-03-21T13:59:15Z) - Logical Message Passing Networks with One-hop Inference on Atomic
Formulas [57.47174363091452]
本稿では,ニューラルネットワーク演算子から知識グラフの埋め込みを分解する,複雑な問合せ応答のためのフレームワークを提案する。
クエリグラフの上に、局所的な原子式上のワンホップ推論とグローバル論理的推論を結びつける論理メッセージパッシングニューラルネットワーク(LMPNN)を提案する。
我々のアプローチは、最先端のニューラルCQAモデルをもたらす。
論文 参考訳(メタデータ) (2023-01-21T02:34:06Z) - CAPSTONE: Curriculum Sampling for Dense Retrieval with Document
Expansion [68.19934563919192]
本稿では,学習中に擬似クエリを利用して,生成したクエリと実際のクエリとの関係を徐々に向上させるカリキュラムサンプリング戦略を提案する。
ドメイン内およびドメイン外両方のデータセットに対する実験結果から,本手法が従来の高密度検索モデルより優れていることが示された。
論文 参考訳(メタデータ) (2022-12-18T15:57:46Z) - UniKGQA: Unified Retrieval and Reasoning for Solving Multi-hop Question
Answering Over Knowledge Graph [89.98762327725112]
KGQA(Multi-hop Question Answering over Knowledge Graph)は、自然言語の質問で言及されているトピックエンティティから、複数のホップを持つ回答エンティティを見つけることを目的としている。
我々は、モデルアーキテクチャとパラメータ学習の両方において、検索と推論を統合することで、マルチホップKGQAタスクの新しいアプローチであるUniKGQAを提案する。
論文 参考訳(メタデータ) (2022-12-02T04:08:09Z) - Parallel Instance Query Network for Named Entity Recognition [73.30174490672647]
名前付きエンティティ認識(NER)は自然言語処理の基本課題である。
最近の研究は、名前付きエンティティ認識を読み取り理解タスクとして扱い、エンティティを抽出するためにタイプ固有のクエリを手動で構築している。
本稿では,グローバルかつ学習可能なインスタンスクエリを並列に抽出するParallel Instance Query Network (PIQN)を提案する。
論文 参考訳(メタデータ) (2022-03-20T13:01:25Z) - Knowledge Base Question Answering by Case-based Reasoning over Subgraphs [81.22050011503933]
本モデルでは,既存のKG補完アルゴリズムよりも複雑な推論パターンを必要とする問合せに対して,より効果的に答えることを示す。
提案モデルは、KBQAベンチマークの最先端モデルよりも優れているか、競合的に動作する。
論文 参考訳(メタデータ) (2022-02-22T01:34:35Z) - A Proposed Conceptual Framework for a Representational Approach to
Information Retrieval [42.67826268399347]
本稿では,情報検索と自然言語処理における最近の発展を理解するための概念的枠組みについて概説する。
本稿では,コアテキスト検索問題を論理的スコアリングモデルと物理的検索モデルに分解する表現的アプローチを提案する。
論文 参考訳(メタデータ) (2021-10-04T15:57:02Z) - Query Embedding on Hyper-relational Knowledge Graphs [0.4779196219827507]
マルチホップ論理推論は知識グラフ上の表現学習の分野で確立された問題である。
我々はマルチホップ推論問題をハイパーリレーショナルなKGに拡張し、この新しいタイプの複雑なクエリに対処する。
論文 参考訳(メタデータ) (2021-06-15T14:08:50Z) - Tree-Augmented Cross-Modal Encoding for Complex-Query Video Retrieval [98.62404433761432]
インターネット上のユーザ生成ビデオの急速な増加により、テキストベースのビデオ検索システムの必要性が高まっている。
従来の手法は主に単純なクエリによる検索における概念に基づくパラダイムを好んでいる。
木を増設したクロスモーダルを提案する。
クエリの言語構造とビデオの時間表現を共同で学習する手法。
論文 参考訳(メタデータ) (2020-07-06T02:50:27Z) - Answering Complex Queries in Knowledge Graphs with Bidirectional
Sequence Encoders [22.63481666560029]
本稿では,双方向アテンション機構に基づくモデルで共役クエリを埋め込む手法であるBi-Directional Query Embedding (BIQE)を提案する。
本稿では,BIQEがアートベースラインを著しく上回ることを示す,結合クエリの解答を予測するための新しいデータセットを提案する。
論文 参考訳(メタデータ) (2020-04-06T12:17:57Z)
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。