論文の概要: A Benchmarking Study of Embedding-based Entity Alignment for Knowledge Graphs

• arxiv url: http://arxiv.org/abs/2003.07743v2
• Date: Mon, 20 Jul 2020 00:47:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-24 20:18:47.469690
• Title: A Benchmarking Study of Embedding-based Entity Alignment for Knowledge Graphs
• Title（参考訳）: 知識グラフのための埋め込みに基づくエンティティアライメントのベンチマーク研究
• Authors: Zequn Sun and Qingheng Zhang and Wei Hu and Chengming Wang and Muhao Chen and Farahnaz Akrami and Chengkai Li
• Abstract要約: エンティティアライメントは、同じ現実世界のオブジェクトを参照する異なる知識グラフ内のエンティティを探します。 KG埋め込みの最近の進歩は、埋め込みに基づくエンティティアライメントの出現を示唆している。 我々は,最近の埋め込み型エンティティアライメントアプローチを23回調査し,その技術と特徴に基づいて分類した。
• 参考スコア（独自算出の注目度）: 30.296238600596997
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Entity alignment seeks to find entities in different knowledge graphs (KGs) that refer to the same real-world object. Recent advancement in KG embedding impels the advent of embedding-based entity alignment, which encodes entities in a continuous embedding space and measures entity similarities based on the learned embeddings. In this paper, we conduct a comprehensive experimental study of this emerging field. We survey 23 recent embedding-based entity alignment approaches and categorize them based on their techniques and characteristics. We also propose a new KG sampling algorithm, with which we generate a set of dedicated benchmark datasets with various heterogeneity and distributions for a realistic evaluation. We develop an open-source library including 12 representative embedding-based entity alignment approaches, and extensively evaluate these approaches, to understand their strengths and limitations. Additionally, for several directions that have not been explored in current approaches, we perform exploratory experiments and report our preliminary findings for future studies. The benchmark datasets, open-source library and experimental results are all accessible online and will be duly maintained.
• Abstract（参考訳）: エンティティアライメントは、同じ現実世界のオブジェクトを参照する異なる知識グラフ(KG)内のエンティティを見つけようとする。 KG埋め込みの最近の進歩は、連続的な埋め込み空間にエンティティをエンコードし、学習された埋め込みに基づいてエンティティ類似度を測定する、埋め込みに基づくエンティティアライメントの出現を示唆している。 本稿では,この新興分野の包括的実験研究を行う。 最近の組込み型エンティティアライメントアプローチ23について調査し,その技術と特徴に基づいて分類した。 また,KGサンプリングアルゴリズムを新たに提案し,様々なヘテロジニティと分布を持つ専用ベンチマークデータセットを生成し,現実的な評価を行う。 我々は,組込み型エンティティアライメントアプローチを代表する12のオープンソースライブラリを開発し,それらの強みと限界を理解するために,これらのアプローチを広範囲に評価する。 また,現在検討されていないいくつかの方向について,探索実験を行い,今後の研究に向けた予備的な知見を報告する。 ベンチマークデータセット、オープンソースライブラリ、実験結果はすべてオンラインでアクセス可能で、完全にメンテナンスされる。

関連論文リスト

• Modeling Entities as Semantic Points for Visual Information Extraction in the Wild [55.91783742370978]
  文書画像から鍵情報を正確かつ堅牢に抽出する手法を提案する。 我々は、エンティティを意味的ポイントとして明示的にモデル化する。つまり、エンティティの中心点は、異なるエンティティの属性と関係を記述する意味情報によって豊かになる。 提案手法は,従来の最先端モデルと比較して,エンティティラベルとリンクの性能を著しく向上させることができる。
  論文  参考訳（メタデータ） (2023-03-23T08:21:16Z)
• DC-BENCH: Dataset Condensation Benchmark [79.18718490863908]
  この研究は、データセットの凝縮に関する最初の大規模標準ベンチマークを提供する。 それは、凝縮法の生成可能性と有効性を包括的に反映する一連の評価から成り立っている。 ベンチマークライブラリは、将来の研究とアプリケーションを容易にするためにオープンソース化されている。
  論文  参考訳（メタデータ） (2022-07-20T03:54:05Z)
• Entity Alignment For Knowledge Graphs: Progress, Challenges, and Empirical Studies [4.221619479687067]
  エンティティアライメント(EA)は、同じエンティティを参照するデータベースをまたいだエンティティを識別する。 EAメソッドはエンティティを低次元空間にマッピングし、それらの類似性に基づいてそれらを調整する。 本稿では,既存のEA手法を包括的に分析し,その応用と限界について検討する。
  論文  参考訳（メタデータ） (2022-05-18T07:59:03Z)
• 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)
• Informed Multi-context Entity Alignment [27.679124991733907]
  Informed Multi-context Entity Alignment (IMEA)モデルを提案する。 特にTransformerを導入し、関係、経路、近傍のコンテキストを柔軟にキャプチャする。 総論的推論は、埋め込み類似性と関係性/整合性の両方の機能に基づいてアライメント確率を推定するために用いられる。 いくつかのベンチマークデータセットの結果は、既存の最先端エンティティアライメント手法と比較して、IMEAモデルの優位性を示している。
  論文  参考訳（メタデータ） (2022-01-02T06:29:30Z)
• Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
  マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。 ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。 マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
  論文  参考訳（メタデータ） (2020-12-29T23:43:16Z)
• A Survey of Embedding Space Alignment Methods for Language and Knowledge Graphs [77.34726150561087]
  単語,文,知識グラフの埋め込みアルゴリズムに関する現在の研究状況について調査する。 本稿では、関連するアライメント手法の分類と、この研究分野で使用されるベンチマークデータセットについて論じる。
  論文  参考訳（メタデータ） (2020-10-26T16:08:13Z)
• An Industry Evaluation of Embedding-based Entity Alignment [38.76701634692796]
  近年, 埋め込み型エンティティアライメントが広く研究されているが, 提案手法は依然として理想的な教師あり学習環境に依存している。 工業的文脈におけるこれらの最先端手法の評価を行い,異なる大きさと異なるバイアスの種マッピングの影響を調べた。
  論文  参考訳（メタデータ） (2020-10-22T08:33:58Z)
• CDEvalSumm: An Empirical Study of Cross-Dataset Evaluation for Neural Summarization Systems [121.78477833009671]
  データセット間設定下での様々な要約モデルの性能について検討する。 異なるドメインの5つのデータセットに対する11の代表的な要約システムに関する包括的な研究は、モデルアーキテクチャと生成方法の影響を明らかにしている。
  論文  参考訳（メタデータ） (2020-10-11T02:19:15Z)
• ORB: An Open Reading Benchmark for Comprehensive Evaluation of Machine Reading Comprehension [53.037401638264235]
  我々は,7種類の読解データセットの性能を報告する評価サーバORBを提案する。 評価サーバは、モデルのトレーニング方法に制限を課さないため、トレーニングパラダイムや表現学習の探索に適したテストベッドである。
  論文  参考訳（メタデータ） (2019-12-29T07:27:23Z)

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。