論文の概要: FONDUE: A Framework for Node Disambiguation Using Network Embeddings

• arxiv url: http://arxiv.org/abs/2002.10127v1
• Date: Mon, 24 Feb 2020 09:34:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-29 02:35:13.143697
• Title: FONDUE: A Framework for Node Disambiguation Using Network Embeddings
• Title（参考訳）: FONDUE:ネットワーク埋め込みを用いたノードの曖昧化フレームワーク
• Authors: Ahmad Mel, Bo Kang, Jefrey Lijffijt, Tijl De Bie
• Abstract要約: 最も単純な形式では、ネットワークは実生活の実体(人、論文、タンパク質、概念など)をノードとして表現する。 本稿では,ネットワーク内のノードが複数の実生活エンティティに対応するという共通問題に焦点をあてる。 本稿では,ノード不明瞭化のためのネットワーク埋め込みに基づくアルゴリズムであるFONDUEを紹介する。
• 参考スコア（独自算出の注目度）: 17.118125020178162
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Real-world data often presents itself in the form of a network. Examples include social networks, citation networks, biological networks, and knowledge graphs. In their simplest form, networks represent real-life entities (e.g. people, papers, proteins, concepts) as nodes, and describe them in terms of their relations with other entities by means of edges between these nodes. This can be valuable for a range of purposes from the study of information diffusion to bibliographic analysis, bioinformatics research, and question-answering. The quality of networks is often problematic though, affecting downstream tasks. This paper focuses on the common problem where a node in the network in fact corresponds to multiple real-life entities. In particular, we introduce FONDUE, an algorithm based on network embedding for node disambiguation. Given a network, FONDUE identifies nodes that correspond to multiple entities, for subsequent splitting. Extensive experiments on twelve benchmark datasets demonstrate that FONDUE is substantially and uniformly more accurate for ambiguous node identification compared to the existing state-of-the-art, at a comparable computational cost, while less optimal for determining the best way to split ambiguous nodes.
• Abstract（参考訳）: 現実世界のデータはしばしばネットワークの形で表現される。 例えば、ソーシャルネットワーク、引用ネットワーク、生物ネットワーク、知識グラフなどがある。 最も単純な形式では、ネットワークは実生活の実体(人、論文、タンパク質、概念)をノードとして表現し、これらのノード間のエッジによって他のエンティティとの関係を記述している。 これは、情報拡散の研究から書誌分析、バイオインフォマティクス研究、質問応答まで、様々な目的に有用である。 ネットワークの品質はしばしば問題となり、ダウンストリームタスクに影響を与えます。 本稿では,ネットワーク内のノードが複数の実生活エンティティに対応するという共通問題に焦点をあてる。 特に,ノードの曖昧さに対するネットワーク埋め込みに基づくアルゴリズムであるFONDUEを紹介する。 ネットワークが与えられた場合、FONDUEは複数のエンティティに対応するノードを識別する。 12のベンチマークデータセットに関する広範囲な実験により、フォンドゥは、既存の最先端ノードに比べて曖昧なノード識別に対して、計算コストは同等であるが、曖昧なノードを分割する最善の方法を決定するには最適ではないことが示されている。

関連論文リスト

• EntailE: Introducing Textual Entailment in Commonsense Knowledge Graph Completion [54.12709176438264]
  Commonsense knowledge graph(CSKG)は、名前付きエンティティ、短いフレーズ、イベントをノードとして表現するために自由形式のテキストを使用する。 現在の手法では意味的類似性を利用してグラフ密度を増大させるが、ノードとその関係のセマンティックな妥当性は未探索である。 そこで本研究では,CSKGノード間の暗黙的な包絡関係を見つけるために,テキストエンテーメントを導入し,同じ概念クラス内のサブグラフ接続ノードを効果的に密度化することを提案する。
  論文  参考訳（メタデータ） (2024-02-15T02:27:23Z)
• KMF: Knowledge-Aware Multi-Faceted Representation Learning for Zero-Shot Node Classification [75.95647590619929]
  Zero-Shot Node Classification (ZNC)は、グラフデータ分析において、新しく重要なタスクである。 ラベルセマンティクスの豊かさを向上する知識認識型多面的フレームワーク(KMF)を提案する。 ノード情報集約によるプロトタイプドリフトの問題を軽減するために,新しい幾何学的制約を開発した。
  論文  参考訳（メタデータ） (2023-08-15T02:38:08Z)
• Identifying Influential Nodes in Two-mode Data Networks using Formal Concept Analysis [0.0]
  Bi-face (BF) は、2モードネットワークにおける重要なノードを特定するための新しい二部集中度測定である。 オフ・ザ・シェルフ中心性指数とは違って、あるノードが隣り合うノードに粘着的サブ構造がどう影響するかを双斜線で定量化する。 いくつかの実世界および合成ネットワークに関する実験は、既存の顕著な二分極集中度よりもBFの効率が良いことを示す。
  論文  参考訳（メタデータ） (2021-09-07T23:57:05Z)
• Reasoning Graph Networks for Kinship Verification: from Star-shaped to Hierarchical [85.0376670244522]
  階層型推論グラフネットワークの学習による顔の親和性検証の問題点について検討する。 より強力で柔軟なキャパシティを利用するために,星型推論グラフネットワーク(S-RGN)を開発した。 また、より強力で柔軟なキャパシティを利用する階層型推論グラフネットワーク(H-RGN)も開発しています。
  論文  参考訳（メタデータ） (2021-09-06T03:16:56Z)
• Temporal Graph Network Embedding with Causal Anonymous Walks Representations [54.05212871508062]
  本稿では,時間グラフネットワークに基づく動的ネットワーク表現学習のための新しいアプローチを提案する。 評価のために、時間的ネットワーク埋め込みの評価のためのベンチマークパイプラインを提供する。 欧州の大手銀行が提供した実世界のダウンストリームグラフ機械学習タスクにおいて、我々のモデルの適用性と優れた性能を示す。
  論文  参考訳（メタデータ） (2021-08-19T15:39:52Z)
• Overlapping Community Detection in Temporal Text Networks [26.489288530629892]
  時間的テキストネットワークにおけるコミュニティ検出の重複問題について検討する。 32の大規模テンポラリテキストネットワークを調べることで、共通のコミュニティを持たない2つのノードをつなぐ多くのエッジを見出した。 これらの実証的な観察を動機に、コミュニティの相互作用を捉えた生成モデルであるMAGICを提案します。
  論文  参考訳（メタデータ） (2021-01-13T15:32:39Z)
• TriNE: Network Representation Learning for Tripartite Heterogeneous Networks [8.93957397187611]
  我々はTriNEと呼ばれる三部構造ヘテロジニアスネットワークを組込み開発する。 この手法は、ノード間の明示的な関係をモデル化する目的関数を構築するために、ユニークなユーザ-item-tag三部関係を考察する。 実世界の三部ネットワークの実験は、オンラインユーザ応答予測におけるTriNEの性能を検証する。
  論文  参考訳（メタデータ） (2020-10-14T05:30:09Z)
• Inductive Graph Embeddings through Locality Encodings [0.42970700836450487]
  ドメイン依存のノード/エッジ属性を使わずに,大規模ネットワークにインダクティブネットワークを組み込むことの問題点を考察する。 本稿では,学習アルゴリズムの基盤として,基本的定義済みの局所符号化を用いることを提案する。 本手法は,役割検出,リンク予測,ノード分類などのタスクにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2020-09-26T13:09:11Z)
• Graph Prototypical Networks for Few-shot Learning on Attributed Networks [72.31180045017835]
  グラフメタ学習フレームワーク - Graph Prototypeal Networks (GPN) を提案する。 GPNは、属性付きネットワーク上でテキストミータ学習を行い、ターゲット分類タスクを扱うための高度に一般化可能なモデルを導出する。
  論文  参考訳（メタデータ） (2020-06-23T04:13:23Z)
• Heterogeneous Graph Neural Networks for Extractive Document Summarization [101.17980994606836]
  クロス文関係は、抽出文書要約における重要なステップである。 We present a graph-based neural network for extractive summarization (HeterSumGraph) 抽出文書要約のためのグラフベースニューラルネットワークに異なる種類のノードを導入する。
  論文  参考訳（メタデータ） (2020-04-26T14:38:11Z)
• Temporal Network Representation Learning via Historical Neighborhoods Aggregation [28.397309507168128]
  本稿では,EHNAアルゴリズムによる埋め込みを提案する。 まず,歴史地区のノードを特定できる時間的ランダムウォークを提案する。 次に,ノード埋め込みを誘導するカスタムアテンション機構を用いたディープラーニングモデルを適用する。
  論文  参考訳（メタデータ） (2020-03-30T04:18:48Z)

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。