論文の概要: GIANT: Scalable Creation of a Web-scale Ontology

• arxiv url: http://arxiv.org/abs/2004.02118v1
• Date: Sun, 5 Apr 2020 07:51:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-16 12:44:56.550269
• Title: GIANT: Scalable Creation of a Web-scale Ontology
• Title（参考訳）: GIANT: Webスケールオントロジーのスケーラブルな創造
• Authors: Bang Liu, Weidong Guo, Di Niu, Jinwen Luo, Chaoyue Wang, Zhen Wen, Yu Xu
• Abstract要約: 既存の知識基盤やカテゴリーは、オンライン人口の言語スタイルにおける概念、出来事、トピックを適切に把握できないと論じる。 本稿では,ユーザ中心,Webスケール,構造化オントロジーの構築機構について述べる。 本稿では,GIANTで使用されるグラフニューラルネットワーク技術について述べるとともに,提案手法を各種ベースラインと比較して評価する。
• 参考スコア（独自算出の注目度）: 29.628181324907295
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding what online users may pay attention to is key to content recommendation and search services. These services will benefit from a highly structured and web-scale ontology of entities, concepts, events, topics and categories. While existing knowledge bases and taxonomies embody a large volume of entities and categories, we argue that they fail to discover properly grained concepts, events and topics in the language style of online population. Neither is a logically structured ontology maintained among these notions. In this paper, we present GIANT, a mechanism to construct a user-centered, web-scale, structured ontology, containing a large number of natural language phrases conforming to user attentions at various granularities, mined from a vast volume of web documents and search click graphs. Various types of edges are also constructed to maintain a hierarchy in the ontology. We present our graph-neural-network-based techniques used in GIANT, and evaluate the proposed methods as compared to a variety of baselines. GIANT has produced the Attention Ontology, which has been deployed in various Tencent applications involving over a billion users. Online A/B testing performed on Tencent QQ Browser shows that Attention Ontology can significantly improve click-through rates in news recommendation.
• Abstract（参考訳）: オンラインユーザーが何に注意を払うかを理解することは、コンテンツレコメンデーションや検索サービスの鍵となる。 これらのサービスは、エンティティ、概念、イベント、トピック、カテゴリの高度に構造化され、webスケールのオントロジーの恩恵を受ける。 既存の知識基盤や分類体系は多数のエンティティやカテゴリを具現化しているが,オンライン人口の言語スタイルにおける概念や事象,トピックを適切に把握することはできなかった。 どちらも論理的に構造化されたオントロジーではない。 本稿では,ユーザ中心のwebスケールで構造化オントロジーを構築するためのメカニズムであるジャイアントについて述べる。多数のweb文書と検索クリックグラフから抽出した,さまざまな粒度でユーザの注意に合った多数の自然言語句を含む。 様々な種類のエッジもオントロジーの階層を維持するために構築されている。 本稿では,GIANTで使用されるグラフニューラルネットワーク技術について述べるとともに,提案手法を各種ベースラインと比較して評価する。 GIANTはAttention Ontologyを作成した。これはTencentのさまざまなアプリケーションに10億人以上のユーザが参加してデプロイされている。 tencent qqブラウザ上でのオンラインa/bテストでは、ニュースレコメンデーションのクリックスルー率を大幅に向上できる。

関連論文リスト

• HGCLIP: Exploring Vision-Language Models with Graph Representations for Hierarchical Understanding [18.95003393925676]
  異なる階層レベルでカテゴリを分類する場合、従来のユニモーダルアプローチは主にイメージ機能に焦点を当て、複雑なシナリオにおける制限を明らかにする。 ビジョンランゲージモデル(VLM)とクラス階層を統合する最近の研究は、将来性を示しているが、階層関係を完全に活用するには至っていない。 本稿では,CLIPとグラフ表現学習による階層型クラス構造のより深い活用を効果的に組み合わせた新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-23T15:42:42Z)
• Representation Learning for Person or Entity-centric Knowledge Graphs: An Application in Healthcare [0.757843972001219]
  本稿では、構造化データと非構造化データからエンティティ中心のKGを抽出するエンドツーエンド表現学習フレームワークを提案する。 我々は、人の複数の面を表す星型分類器を導入し、それをKG生成のガイドに利用する。 このアプローチにはいくつかの潜在的なアプリケーションがあり、オープンソースであることを強調します。
  論文  参考訳（メタデータ） (2023-05-09T17:39:45Z)
• Semantic Enhanced Knowledge Graph for Large-Scale Zero-Shot Learning [74.6485604326913]
  我々は、専門知識とカテゴリ意味相関の両方を含む新しい意味強化知識グラフを提供する。 知識グラフの情報伝達のために,Residual Graph Convolutional Network (ResGCN)を提案する。 大規模画像Net-21KデータセットとAWA2データセットを用いた実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-12-26T13:18:36Z)
• TeKo: Text-Rich Graph Neural Networks with External Knowledge [75.91477450060808]
  外部知識を用いた新しいテキストリッチグラフニューラルネットワーク(TeKo)を提案する。 まず、高品質なエンティティを組み込んだフレキシブルな異種セマンティックネットワークを提案する。 次に、構造化三重項と非構造化実体記述という2種類の外部知識を導入する。
  論文  参考訳（メタデータ） (2022-06-15T02:33:10Z)
• A New Generation of Perspective API: Efficient Multilingual Character-level Transformers [66.9176610388952]
  Google JigsawのAspective APIの次期バージョンの基礎を提示する。 このアプローチの中心は、単一の多言語トークンフリーなCharformerモデルである。 静的な語彙を強制することで、さまざまな設定で柔軟性が得られます。
  論文  参考訳（メタデータ） (2022-02-22T20:55:31Z)
• Taxonomy Enrichment with Text and Graph Vector Representations [61.814256012166794]
  我々は,既存の分類学に新たな語を加えることを目的とした分類学の豊かさの問題に対処する。 我々は,この課題に対して,少ない労力で高い結果を得られる新しい手法を提案する。 我々は、異なるデータセットにわたる最先端の結果を達成し、ミスの詳細なエラー分析を提供する。
  論文  参考訳（メタデータ） (2022-01-21T09:01:12Z)
• A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
  コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。 この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。 ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
  論文  参考訳（メタデータ） (2021-05-26T14:37:07Z)
• Ontology-based Feature Selection: A Survey [0.6767885381740952]
  調査の目的は、テキスト、画像、データベース、専門知識からの知識抽出の重要な側面に関する洞察を提供することである。 提示された例は、医療、観光、機械工学、土木工学など、さまざまなアプリケーションドメインにまたがる。
  論文  参考訳（メタデータ） (2021-04-15T19:03:31Z)
• How Researchers Use Diagrams in Communicating Neural Network Systems [5.064404027153093]
  本稿では,ニューラルネットワークシステム図の利用について述べる。 ダイアグラムの作成と解釈の両方において、使用法、知覚、嗜好の多様性が高いことが分かりました。 既存のガイダンスとともにインタビューデータを考慮し、ニューラルネットワークシステム図の作り方を改善するためのガイドラインを提案する。
  論文  参考訳（メタデータ） (2020-08-28T10:21:03Z)
• 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)
• Coupling semantic and statistical techniques for dynamically enriching web ontologies [0.0]
  本稿では,World Wide Web から大規模ジェネリックを動的に強化するための,自動結合型統計・セマンティックフレームワークを提案する。 このアプローチの利点は, (i) 背景知識の欠如による大規模セマンティック・パターンのダイナミック・エンリッチメントを提案し, このような知識の再利用を可能にすることである。
  論文  参考訳（メタデータ） (2020-04-23T11:21:30Z)

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。