論文の概要: Learning Collaborative Agents with Rule Guidance for Knowledge Graph
Reasoning
- arxiv url: http://arxiv.org/abs/2005.00571v2
- Date: Tue, 6 Oct 2020 10:13:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-07 22:33:59.146536
- Title: Learning Collaborative Agents with Rule Guidance for Knowledge Graph
Reasoning
- Title(参考訳): 知識グラフ推論のためのルールガイダンスを用いた協調エージェントの学習
- Authors: Deren Lei and Gangrong Jiang and Xiaotao Gu and Kexuan Sun and Yuning
Mao and Xiang Ren
- Abstract要約: 本稿では,シンボルベースの手法によって生成される高品質なルールを利用して,歩行型エージェントの報酬管理を行うルールガイドを提案する。
ベンチマークデータセットの実験では、Re RuleGuiderは解釈可能性を失うことなく、ウォークベースのモデルのパフォーマンスを改善する。
- 参考スコア(独自算出の注目度): 30.2906948014669
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Walk-based models have shown their advantages in knowledge graph (KG)
reasoning by achieving decent performance while providing interpretable
decisions. However, the sparse reward signals offered by the KG during
traversal are often insufficient to guide a sophisticated walk-based
reinforcement learning (RL) model. An alternate approach is to use traditional
symbolic methods (e.g., rule induction), which achieve good performance but can
be hard to generalize due to the limitation of symbolic representation. In this
paper, we propose RuleGuider, which leverages high-quality rules generated by
symbolic-based methods to provide reward supervision for walk-based agents.
Experiments on benchmark datasets show that RuleGuider improves the performance
of walk-based models without losing interpretability.
- Abstract(参考訳): ウォークベースのモデルは、解釈可能な決定を行いながら、十分なパフォーマンスを達成し、知識グラフ推論(KG)の利点を示している。
しかし、交通中のKGが提示するスパース報酬信号は、洗練された歩行に基づく強化学習(RL)モデルを導くには不十分であることが多い。
別のアプローチは、従来の記号法(例:ルール帰納法)を使用することで、優れた性能を達成するが、記号表現の制限により一般化が難しい。
本稿では,シンボルベースの手法によって生成される高品質なルールを利用して,歩行型エージェントの報酬管理を行うルールガイドを提案する。
ベンチマークデータセットの実験では、Re RuleGuiderは解釈可能性を失うことなく、ウォークベースモデルのパフォーマンスを改善する。
関連論文リスト
- Path-based Explanation for Knowledge Graph Completion [18.819056717782104]
GNNベースの知識グラフ補完モデルの結果に対する適切な説明は、モデルの透明性を高める。
KGCタスクを説明するための既存のプラクティスは、インスタンス/サブグラフベースのアプローチに依存している。
我々は、GNNベースのモデルを探索する最初のパスベースのKGC説明器であるPower-Linkを提案する。
論文 参考訳(メタデータ) (2024-01-04T14:19:37Z) - Faithful Path Language Modelling for Explainable Recommendation over
Knowledge Graph [16.531887794171666]
PEARLMは,言語モデリングによるユーザ行動や製品側の知識を効率的に捉える新しい手法である。
我々のアプローチでは、知識グラフの埋め込みは言語モデルによってKG上の経路から直接学習され、同じ最適化空間におけるエンティティと関係を統一する。
論文 参考訳(メタデータ) (2023-10-25T08:14:49Z) - ChatRule: Mining Logical Rules with Large Language Models for Knowledge
Graph Reasoning [107.61997887260056]
そこで我々は,知識グラフ上の論理ルールをマイニングするための大規模言語モデルの力を解き放つ新しいフレームワークChatRuleを提案する。
具体的には、このフレームワークは、KGのセマンティック情報と構造情報の両方を活用するLLMベースのルールジェネレータで開始される。
生成されたルールを洗練させるために、ルールランキングモジュールは、既存のKGから事実を取り入れてルール品質を推定する。
論文 参考訳(メタデータ) (2023-09-04T11:38:02Z) - Rule By Example: Harnessing Logical Rules for Explainable Hate Speech
Detection [13.772240348963303]
Rule By Example(RBE)は、テキストコンテンツモデレーションのタスクに対する論理規則から学習するための、新規なコントラスト学習手法である。
RBEはルール基底の予測を提供することができ、典型的なディープラーニングベースのアプローチと比較して説明可能でカスタマイズ可能な予測を可能にする。
論文 参考訳(メタデータ) (2023-07-24T16:55:37Z) - Using Explanations to Guide Models [68.64377323216817]
モデルガイダンスは、時にはモデルパフォーマンスも改善できることを示す。
本研究では,物体の特徴に着目したモデルの有効性を示す新しいエネルギー損失を提案する。
また、バウンディングボックスアノテーションのわずかな部分でも、これらのゲインが達成可能であることも示しています。
論文 参考訳(メタデータ) (2023-03-21T15:34:50Z) - MPLR: a novel model for multi-target learning of logical rules for
knowledge graph reasoning [5.499688003232003]
本研究では,知識グラフに基づく推論のための論理規則の学習問題について検討する。
本稿では,学習データを完全に活用するために既存のモデルを改善するMPLRと呼ばれるモデルを提案する。
実験結果は,MPLRモデルが5つのベンチマークデータセット上で最先端の手法より優れていることを示す。
論文 参考訳(メタデータ) (2021-12-12T09:16:00Z) - Reinforcement Learning based Path Exploration for Sequential Explainable
Recommendation [57.67616822888859]
強化学習(TMER-RL)を活用した新しい時間的メタパスガイド型説明可能な勧告を提案する。
TMER-RLは, 動的知識グラフ上での動的ユーザ・イテム進化を逐次モデル化するために, 注意機構を持つ連続項目間の強化項目・イテムパスをモデル化する。
2つの実世界のデータセットに対するTMERの大規模な評価は、最近の強いベースラインと比較して最先端のパフォーマンスを示している。
論文 参考訳(メタデータ) (2021-11-24T04:34:26Z) - Generative Adversarial Reward Learning for Generalized Behavior Tendency
Inference [71.11416263370823]
ユーザの行動嗜好モデルのための生成的逆強化学習を提案する。
我々のモデルは,差別的アクター批判ネットワークとWasserstein GANに基づいて,ユーザの行動から報酬を自動的に学習することができる。
論文 参考訳(メタデータ) (2021-05-03T13:14:25Z) - Distilling Interpretable Models into Human-Readable Code [71.11328360614479]
人間可読性は機械学習モデル解釈可能性にとって重要で望ましい標準である。
従来の方法を用いて解釈可能なモデルを訓練し,それを簡潔で可読なコードに抽出する。
本稿では,幅広いユースケースで効率的に,確実に高品質な結果を生成する分別線形曲線フィッティングアルゴリズムについて述べる。
論文 参考訳(メタデータ) (2021-01-21T01:46:36Z) - Walk Extraction Strategies for Node Embeddings with RDF2Vec in Knowledge
Graphs [7.380335699474426]
RDF2Vecは、KG内のノードのタスクに依存しない数値表現を作成することができる教師なしの手法である。
WLカーネルは単一のKGのコンテキストにおける歩行埋め込みを改善するのにはほとんど役に立たないことを示す。
本稿では,基本的なランダムウォークと相補的な情報を抽出する5つの戦略を提案する。
論文 参考訳(メタデータ) (2020-09-09T16:26:31Z) - Nested-Wasserstein Self-Imitation Learning for Sequence Generation [158.19606942252284]
分布意味マッチングのためのネスト・ワッサーシュタイン距離の概念を提案する。
ネストされたワッサーシュタインの自己想像学習フレームワークを開発し、歴史ある高次列を利用するようモデルに奨励する。
論文 参考訳(メタデータ) (2020-01-20T02:19:13Z)
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。