論文の概要: Is Aligning Embedding Spaces a Challenging Task? A Study on Heterogeneous Embedding Alignment Methods

• arxiv url: http://arxiv.org/abs/2002.09247v2
• Date: Wed, 15 Apr 2020 15:49:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-30 00:07:18.988670
• Title: Is Aligning Embedding Spaces a Challenging Task? A Study on Heterogeneous Embedding Alignment Methods
• Title（参考訳）: エンベッドスペースのアライメントは難しいタスクか? 不均質埋め込みアライメント法に関する研究
• Authors: Russa Biswas, Mehwish Alam, and Harald Sack
• Abstract要約: 本稿では,エンティティ・エンティティとエンティティ・ワードを表す2つの埋め込み空間間の最先端アライメント手法の理論的解析と比較を行う。 本稿では,既存のアライメント手法の能力と欠点を,異なるアプリケーションのプリテキスト上で評価することを目的とする。
• 参考スコア（独自算出の注目度）: 2.7528170226206443
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Representation Learning of words and Knowledge Graphs (KG) into low dimensional vector spaces along with its applications to many real-world scenarios have recently gained momentum. In order to make use of multiple KG embeddings for knowledge-driven applications such as question answering, named entity disambiguation, knowledge graph completion, etc., alignment of different KG embedding spaces is necessary. In addition to multilinguality and domain-specific information, different KGs pose the problem of structural differences making the alignment of the KG embeddings more challenging. This paper provides a theoretical analysis and comparison of the state-of-the-art alignment methods between two embedding spaces representing entity-entity and entity-word. This paper also aims at assessing the capability and short-comings of the existing alignment methods on the pretext of different applications.
• Abstract（参考訳）: 単語と知識グラフ(kg)の低次元ベクトル空間への表現学習とその実世界のシナリオへの応用が最近勢いを増している。 質問応答、名前付きエンティティの曖昧さ、知識グラフ補完など、知識駆動型アプリケーションに複数のKG埋め込みを利用するためには、異なるKG埋め込み空間のアライメントが必要である。 多言語性やドメイン固有情報に加えて、異なるKGは構造的差異の問題を引き起こし、KG埋め込みのアライメントがより困難になる。 本稿では、エンティティ・エンティリティとエンティティ・ワードを表す2つの埋め込み空間間の最先端アライメント手法の理論解析と比較を行う。 本稿は,既存のアライメント手法の様々なアプリケーションの序文における能力と短所を評価することを目的とした。

関連論文リスト

• IME: Integrating Multi-curvature Shared and Specific Embedding for Temporal Knowledge Graph Completion [97.58125811599383]
  時間的知識グラフ(TKG)は時間次元を取り入れており、知識の進化を正確に捉えることができる。 本稿では,TKGCタスクのための新しい多曲率共有固有埋め込み(IME)モデルを提案する。 IMEは2つの重要な性質、すなわち空間共有性と空間固有性を含んでいる。
  論文  参考訳（メタデータ） (2024-03-28T23:31:25Z)
• 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)
• Geometry Interaction Knowledge Graph Embeddings [153.69745042757066]
  ユークリッド空間,双曲空間,超球空間間の空間構造を対話的に学習する幾何学的相互作用知識グラフ埋め込み(GIE)を提案する。 提案したGIEは、よりリッチなリレーショナル情報、モデルキー推論パターンをキャプチャし、エンティティ間の表現的セマンティックマッチングを可能にする。
  論文  参考訳（メタデータ） (2022-06-24T08:33:43Z)
• Domain-specific Knowledge Graphs: A survey [4.56877715768796]
  この調査はドメイン固有のKGの包括的定義を提供する最初のものである。 現在のアプローチを検討すると、さまざまな限界と欠陥が明らかになる。 研究地図に記載されていない領域は、文献の既存の問題に対処するために強調されている。
  論文  参考訳（メタデータ） (2020-10-31T10:39:53Z)
• Multilingual Knowledge Graph Completion via Ensemble Knowledge Transfer [43.453915033312114]
  知識グラフ(KG)に欠けている事実を予測することは、知識ベースの構築と推論において重要なタスクである。 KEnSは、学習と知識のアンサンブルを複数の言語固有のKGに組み込むための新しいフレームワークである。 5つの実世界の言語固有のKGの実験により、KEnSはKG完了に関する最先端の手法を一貫して改善していることが示された。
  論文  参考訳（メタデータ） (2020-10-07T04:54:03Z)
• Knowledge Association with Hyperbolic Knowledge Graph Embeddings [32.540462980828536]
  双曲型変換と知識関連性を持つKGの埋め込みと捕捉のための双曲型リレーショナルグラフニューラルネットワークを提案する。 エンティティアライメントと型推論の実験は,本手法の有効性と有効性を示した。
  論文  参考訳（メタデータ） (2020-10-05T17:11:35Z)
• A Comparative Study on Structural and Semantic Properties of Sentence Embeddings [77.34726150561087]
  本稿では,関係抽出に広く利用されている大規模データセットを用いた実験セットを提案する。 異なる埋め込み空間は、構造的および意味的特性に対して異なる強度を持つことを示す。 これらの結果は,埋め込み型関係抽出法の開発に有用な情報を提供する。
  論文  参考訳（メタデータ） (2020-09-23T15:45:32Z)
• Relational Learning Analysis of Social Politics using Knowledge Graph Embedding [11.978556412301975]
  本稿では,新しい信頼性ドメインベースのKG埋め込みフレームワークを提案する。 ヘテロジニアスリソースから得られたデータの融合を、ドメインによって表現された正式なKG表現にキャプチャする。 このフレームワークは、データ品質と信頼性を保証するための信頼性モジュールも具体化している。
  論文  参考訳（メタデータ） (2020-06-02T14:10:28Z)
• Cross-lingual Entity Alignment with Incidental Supervision [76.66793175159192]
  本稿では,多言語KGとテキストコーパスを共通埋め込み方式で共同で表現する,偶発的に教師付きモデルであるJEANSを提案する。 ベンチマークデータセットの実験では、JEANSがエンティティアライメントとインシデントインシデントインシデントインスペクションの改善を期待できる結果となった。
  論文  参考訳（メタデータ） (2020-05-01T01:53:56Z)
• On the Role of Conceptualization in Commonsense Knowledge Graph Construction [59.39512925793171]
  アトミックやASERのような常識知識グラフ(CKG)は、従来のKGと大きく異なる。 本稿では, CKG の概念化手法を紹介し, テキストに記述されたエンティティを特定の概念のインスタンスとみなすか, あるいはその逆を例に紹介する。 提案手法は, 可塑性三重項を効果的に同定し, 新たなノードの3重項と, 多様性と新規性の両端項によってKGを拡張できる。
  論文  参考訳（メタデータ） (2020-03-06T14:35:20Z)

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。