Fugu-MT 論文翻訳(概要): Towards Exploiting Implicit Human Feedback for Improving RDF2vec Embeddings

論文の概要: Towards Exploiting Implicit Human Feedback for Improving RDF2vec Embeddings

arxiv url: http://arxiv.org/abs/2004.04423v1
Date: Thu, 9 Apr 2020 08:39:19 GMT
ステータス: 処理完了
システム内更新日: 2022-12-15 01:53:17.346220
Title: Towards Exploiting Implicit Human Feedback for Improving RDF2vec Embeddings
Title（参考訳）: rdf2vec組込み改善のための暗黙の人間フィードバック活用に向けて
Authors: Ahmad Al Taweel and Heiko Paulheim
Abstract要約: RDF2vecは、RDF知識グラフからベクトル空間埋め込みを作成する技術である。本稿では,外縁重みを用いたランダムウォークの誘導について検討する。
参考スコア（独自算出の注目度）: 2.3605348648054463
License: http://creativecommons.org/licenses/by/4.0/
Abstract: RDF2vec is a technique for creating vector space embeddings from an RDF knowledge graph, i.e., representing each entity in the graph as a vector. It first creates sequences of nodes by performing random walks on the graph. In a second step, those sequences are processed by the word2vec algorithm for creating the actual embeddings. In this paper, we explore the use of external edge weights for guiding the random walks. As edge weights, transition probabilities between pages in Wikipedia are used as a proxy for the human feedback for the importance of an edge. We show that in some scenarios, RDF2vec utilizing those transition probabilities can outperform both RDF2vec based on random walks as well as the usage of graph internal edge weights.
Abstract（参考訳）: rdf2vec は rdf 知識グラフからベクトル空間を埋め込み、すなわちグラフの各エンティティをベクトルとして表現する手法である。グラフ上でランダムウォークを実行することで、まずノードのシーケンスを生成する。第2のステップでは、これらのシーケンスは、実際の埋め込みを生成するワード2vecアルゴリズムによって処理される。本稿では,ランダムウォークを誘導するための外縁重みの利用について検討する。エッジの重み付けとして、wikipediaのページ間の遷移確率は、エッジの重要性に対する人間のフィードバックのプロキシとして使用される。いくつかのシナリオでは、遷移確率を利用したrdf2vecがランダムウォークに基づくrdf2vecとグラフ内部エッジウエイトの使用の両方を上回っていることが示されている。

関連論文リスト

DPGAN: A Dual-Path Generative Adversarial Network for Missing Data Imputation in Graphs [17.847551850315895]
本稿では,DPGAN(Dual-Pathrative Adversarial Network)と呼ばれる新しいフレームワークを提案する。 DPGANは、欠落したデータと同時に処理し、過度にスムースな問題を回避することができる。さまざまなベンチマークデータセットにわたる総合的な実験は、DPGANが既存の最先端の計算アルゴリズムよりも優れていなくても、一貫して競合していることを裏付けている。
論文参考訳（メタデータ） (2024-04-26T05:26:10Z)
RD-VIO: Robust Visual-Inertial Odometry for Mobile Augmented Reality in Dynamic Environments [55.864869961717424]
視覚的・視覚的慣性オドメトリーシステムでは、動的シーンや純粋な回転の問題に対処することが通常困難である。我々はこれらの問題に対処するためにRD-VIOと呼ばれる新しい視覚-慣性オドメトリーシステム(VIO)を設計する。
論文参考訳（メタデータ） (2023-10-23T16:30:39Z)
Node Embedding for Homophilous Graphs with ARGEW: Augmentation of Random walks by Graph Edge Weights [2.2935273605606494]
ARGEWはランダムウォークのための新しい拡張手法であり、コーパスをより大きなエッジ重みを持つノードがより近い埋め込みで終わるように拡張する。いくつかの実世界のネットワークにおいて、ARGEWはそれを使用しないのに対し、より大きなエッジ重みを持つノード対がより密着した埋め込みを持つという望ましいパターンはより明確であることを示す。
論文参考訳（メタデータ） (2023-08-11T06:19:23Z)
Collaborative likelihood-ratio estimation over graphs [55.98760097296213]
グラフに基づく相対的制約のない最小二乗重要度フィッティング(GRULSIF) 我々はこの考え方を、グラフベースの相対的非制約最小二乗重要度フィッティング(GRULSIF)と呼ばれる具体的な非パラメトリック手法で開発する。我々は、ノード当たりの観測回数、グラフのサイズ、およびグラフ構造がタスク間の類似性をどの程度正確にエンコードしているかといった変数が果たす役割を強調する、協調的なアプローチの収束率を導出する。
論文参考訳（メタデータ） (2022-05-28T15:37:03Z)
Walk this Way! Entity Walks and Property Walks for RDF2vec [2.3605348648054463]
RDF2vecは知識グラフの埋め込み機構である。本稿では,e-walkとp-walkの2種類の新しいフレーバーについて紹介する。合計12種類のRDF2vec変異体を用いて予備評価を行った。
論文参考訳（メタデータ） (2022-04-05T14:51:34Z)
Skip Vectors for RDF Data: Extraction Based on the Complexity of Feature Patterns [0.0]
Resource Description Framework(RDF)は、Web上のリソースの属性や関連性などのメタデータを記述するためのフレームワークである。本研究では,近隣のエッジとノードの様々な組み合わせを抽出することにより,RDFグラフ内の各リソースの特徴を表す新しい特徴ベクトル(スキップベクトル)を提案する。分類タスクは、SVM、k-nearest neighbors法、ニューラルネットワーク、ランダムフォレスト、AdaBoostなどの従来の機械学習アルゴリズムに、各リソースの低次元スキップベクトルを適用することで行うことができる。
論文参考訳（メタデータ） (2022-01-06T10:07:49Z)
Putting RDF2vec in Order [1.52292571922932]
RDF2vecのトレーニングでは,これが欠点になるかも知れない,と私たちは主張する。順序を尊重するワード2vec変種を用いることで、かなりの性能向上が得られることを示す。
論文参考訳（メタデータ） (2021-08-11T15:27:55Z)
NP-DRAW: A Non-Parametric Structured Latent Variable Modelfor Image Generation [139.8037697822064]
NP-DRAWと呼ばれる画像生成のための非パラメトリック構造化潜在変数モデルを提案する。後続のキャンバスをパーツ単位で順次描画し、それをキャンバスからデコードする。
論文参考訳（メタデータ） (2021-06-25T05:17:55Z)
Sketch-Based Anomaly Detection in Streaming Graphs [89.52200264469364]
動的グラフからのグラフエッジのストリームを前提に、オンライン形式でエッジやサブグラフに異常スコアを割り当てるにはどうすればよいのか? 本手法は,高密度部分グラフ探索を取り入れた最初のストリーミング手法であり,一定時間におけるグラフ異常を検出する。
論文参考訳（メタデータ） (2021-06-08T16:10:36Z)
Cloud2Curve: Generation and Vectorization of Parametric Sketches [109.02932608241227]
スケーラブルな高分解能ベクトルスケッチ生成モデルであるCloud2Curveを提案する。我々はQuick, Draw!でモデルの生成とベクトル化能力を評価する。そしてKMNISTデータセット。
論文参考訳（メタデータ） (2021-03-29T12:09:42Z)
Uncertainty Inspired RGB-D Saliency Detection [70.50583438784571]
本稿では,データラベリングプロセスから学習することで,RGB-D値検出の不確実性を利用した最初のフレームワークを提案する。そこで本研究では,確率的RGB-Dサリエンシ検出を実現するために,サリエンシデータラベリングプロセスにインスパイアされた生成アーキテクチャを提案する。 6つの挑戦的RGB-Dベンチマークデータセットの結果から,サリエンシマップの分布を学習する際のアプローチの優れた性能が示された。
論文参考訳（メタデータ） (2020-09-07T13:01:45Z)

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。