論文の概要: Tensor Decompositions for temporal knowledge base completion
- arxiv url: http://arxiv.org/abs/2004.04926v1
- Date: Fri, 10 Apr 2020 07:09:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-14 20:18:17.145861
- Title: Tensor Decompositions for temporal knowledge base completion
- Title（参考訳）: 時間知識ベース完了のためのテンソル分解
- Authors: Timoth\'ee Lacroix, Guillaume Obozinski and Nicolas Usunier
- Abstract要約: 我々は,新しい正規化方式を導入し,最先端性能を実現するComplEx(Trouillon et al., 2016)の拡張を提案する。
また,Wikidataから構築した知識ベース補完のための新しいデータセットを提案する。
- 参考スコア（独自算出の注目度）: 18.09363207672722
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Most algorithms for representation learning and link prediction in relational
data have been designed for static data. However, the data they are applied to
usually evolves with time, such as friend graphs in social networks or user
interactions with items in recommender systems. This is also the case for
knowledge bases, which contain facts such as (US, has president, B. Obama,
[2009-2017]) that are valid only at certain points in time. For the problem of
link prediction under temporal constraints, i.e., answering queries such as
(US, has president, ?, 2012), we propose a solution inspired by the canonical
decomposition of tensors of order 4. We introduce new regularization schemes
and present an extension of ComplEx (Trouillon et al., 2016) that achieves
state-of-the-art performance. Additionally, we propose a new dataset for
knowledge base completion constructed from Wikidata, larger than previous
benchmarks by an order of magnitude, as a new reference for evaluating temporal
and non-temporal link prediction methods.
- Abstract（参考訳）: 関係データにおける表現学習とリンク予測のためのほとんどのアルゴリズムは静的データのために設計されている。
しかし、それらが適用されるデータは、ソーシャルネットワーク内のフレンドグラフやレコメンデーションシステム内のアイテムとのユーザインタラクションなど、通常は時間とともに進化する。
これはまた、ある時点でのみ有効な(us, has president, b. obama, [2009-2017])事実を含む知識ベースについても当てはまる。
時間制約下でのリンク予測の問題,すなわち (us, has president, ?, 2012) のような応答クエリに対して,次数 4 のテンソルの正準分解に触発された解を提案する。
我々は,新しい正規化方式を導入し,最先端性能を実現するComplEx(Trouillon et al., 2016)の拡張を提案する。
さらに,ウィキデータから構築した知識ベース補完のための新しいデータセットを,時間的および非時間的リンク予測法を評価するための新たな基準として提案する。
関連論文リスト
- From Link Prediction to Forecasting: Information Loss in Batch-based Temporal Graph Learning [0.716879432974126]
バッチ指向評価の適合性はデータセットの特性に依存することを示す。
我々は、動的リンク予測をリンク予測タスクとして再構成し、データに存在する時間情報のより良い説明を行う。
論文 参考訳（メタデータ） (2024-06-07T12:45:12Z) - TEILP: Time Prediction over Knowledge Graphs via Logical Reasoning [14.480267340831542]
本稿では,時間的要素を知識グラフ予測に自然に統合する論理的推論フレームワークTEILPを提案する。
まず、TKGを時間的事象知識グラフ(TEKG)に変換する。
最後に、条件付き確率密度関数を導入し、クエリ間隔を含む論理規則に関連付けて、時間予測に着く。
論文 参考訳（メタデータ） (2023-12-25T21:54:56Z) - Temporal Smoothness Regularisers for Neural Link Predictors [8.975480841443272]
TNTComplExのような単純な手法は、最先端の手法よりもはるかに正確な結果が得られることを示す。
また,2つの時間的リンク予測モデルに対する幅広い時間的平滑化正規化の影響についても検討した。
論文 参考訳（メタデータ） (2023-09-16T16:52:49Z) - Temporal Graph Benchmark for Machine Learning on Temporal Graphs [54.52243310226456]
テンポラルグラフベンチマーク(TGB)は、困難で多様なベンチマークデータセットのコレクションである。
各データセットをベンチマークし、共通のモデルのパフォーマンスがデータセット間で大きく異なることを発見した。
TGBは、再現可能でアクセス可能な時間グラフ研究のための自動機械学習パイプラインを提供する。
論文 参考訳（メタデータ） (2023-07-03T13:58:20Z) - A Closer Look at Debiased Temporal Sentence Grounding in Videos:
Dataset, Metric, and Approach [53.727460222955266]
テンポラル・センテンス・グラウンディング・イン・ビデオ(TSGV)は、未編集のビデオに自然言語文を埋め込むことを目的としている。
最近の研究では、現在のベンチマークデータセットには明らかなモーメントアノテーションバイアスがあることが判明している。
偏りのあるデータセットによる膨らませ評価を緩和するため、基礎的リコールスコアを割引する新しい評価基準「dR@n,IoU@m」を導入する。
論文 参考訳（メタデータ） (2022-03-10T08:58:18Z) - A Benchmark for Generalizable and Interpretable Temporal Question
Answering over Knowledge Bases [67.33560134350427]
TempQA-WDは時間的推論のためのベンチマークデータセットである。
Wikidataは、最も頻繁にキュレーションされ、公開されている知識ベースである。
論文 参考訳（メタデータ） (2022-01-15T08:49:09Z) - TLogic: Temporal Logical Rules for Explainable Link Forecasting on
Temporal Knowledge Graphs [13.085620598065747]
時間知識グラフでは、各エッジにタイムスタンプまたは時間範囲を設けて、時間情報をグラフに統合する。
本稿では、時間的ランダムウォークによって抽出された時間的論理規則に基づく、説明可能なフレームワークであるTLogicを紹介する。
論文 参考訳（メタデータ） (2021-12-15T10:46:35Z) - A Dataset for Answering Time-Sensitive Questions [88.95075983560331]
時間とは、我々の物理的世界において重要な次元である。多くの事実が時間に関して進化することができる。
時間次元を考慮し、既存のQAモデルに時間とともに推論する権限を与えることが重要です。
既存のQAデータセットには、時間に敏感な質問がほとんどないため、モデルの時間的推論能力の診断やベンチマークには適さない。
論文 参考訳（メタデータ） (2021-08-13T16:42:25Z) - Are Missing Links Predictable? An Inferential Benchmark for Knowledge
Graph Completion [79.07695173192472]
InferWikiは推論能力、仮定、パターンの既存のベンチマークを改善している。
各テストサンプルは、トレーニングセットの支持データで予測可能である。
実験では,大きさや構造が異なるInferWikiの2つの設定をキュレートし,比較データセットとしてCoDExに構築プロセスを適用する。
論文 参考訳（メタデータ） (2021-08-03T09:51:15Z) - Wiki-CS: A Wikipedia-Based Benchmark for Graph Neural Networks [0.0]
本稿では,グラフニューラルネットワークのベンチマークを行うためのウィキペディアから派生した新しいデータセットであるWiki-CSを紹介する。
データセットはコンピュータサイエンスの記事に対応するノードで構成され、ハイパーリンクに基づくエッジと、フィールドの異なるブランチを表す10のクラスで構成されている。
このデータセットを用いて、半教師付きノード分類と単関係リンク予測モデルを評価する。
論文 参考訳（メタデータ） (2020-07-06T17:25:47Z) - Predicting Temporal Sets with Deep Neural Networks [50.53727580527024]
本稿では,時間集合予測のためのディープニューラルネットワークに基づく統合解を提案する。
ユニークな視点は、セットレベルの共起グラフを構築することで要素関係を学ぶことである。
我々は,要素や集合の時間依存性を適応的に学習するアテンションベースのモジュールを設計する。
論文 参考訳（メタデータ） (2020-06-20T03:29:02Z)
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。