Fugu-MT 論文翻訳(概要): QuatRE: Relation-Aware Quaternions for Knowledge Graph Embeddings

論文の概要: QuatRE: Relation-Aware Quaternions for Knowledge Graph Embeddings

arxiv url: http://arxiv.org/abs/2009.12517v2
Date: Tue, 8 Mar 2022 12:05:02 GMT
ステータス: 処理完了
システム内更新日: 2022-10-14 08:19:37.098564
Title: QuatRE: Relation-Aware Quaternions for Knowledge Graph Embeddings
Title（参考訳）: QuatRE:知識グラフ埋め込みのための関係認識四元数
Authors: Dai Quoc Nguyen and Thanh Vu and Tu Dinh Nguyen and Dinh Phung
Abstract要約: 本稿では,知識グラフの実体と関係性に関する四元数埋め込みを学習するための簡単な埋め込みモデルを提案する。我々のモデルは、ハミルトン積と四元数空間内の関係が与えられた頭と尾の実体の間の相関性を高めることを目的としている。
参考スコア（独自算出の注目度）: 19.386604643035145
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a simple yet effective embedding model to learn quaternion embeddings for entities and relations in knowledge graphs. Our model aims to enhance correlations between head and tail entities given a relation within the Quaternion space with Hamilton product. The model achieves this goal by further associating each relation with two relation-aware rotations, which are used to rotate quaternion embeddings of the head and tail entities, respectively. Experimental results show that our proposed model produces state-of-the-art performances on well-known benchmark datasets for knowledge graph completion. Our code is available at: \url{https://github.com/daiquocnguyen/QuatRE}.
Abstract（参考訳）: 本稿では,知識グラフの実体と関係性に関する四元数埋め込みを学習するための,シンプルで効果的な埋め込みモデルを提案する。本モデルは,四元数空間とハミルトン積の関係を与えられた頭と尾の関係性を高めることを目的としている。このモデルは、それぞれが頭と尾の要素の四元数埋め込みを回転させるために使用される2つの関係認識回転に関連付けることで、この目標を達成する。実験の結果,提案モデルでは,よく知られたベンチマークデータセット上で,知識グラフ補完のための最先端のパフォーマンスが得られた。私たちのコードは、 \url{https://github.com/daiquocnguyen/quatre} で利用可能です。

関連論文リスト

The All-Seeing Project V2: Towards General Relation Comprehension of the Open World [58.40101895719467]
本稿では,画像のオブジェクト関係を理解するために設計された新しいモデルとデータセットであるAll-Seeing Project V2を紹介する。本稿では,テキスト生成,オブジェクトローカライゼーション,関係理解の定式化を関係会話タスクに統合するAll-Seeing Model V2を提案する。我々のモデルは、画像内の全ての物体を知覚・認識するだけでなく、それらの間の複雑な関係グラフの把握にも優れている。
論文参考訳（メタデータ） (2024-02-29T18:59:17Z)
TranS: Transition-based Knowledge Graph Embedding with Synthetic Relation Representation [14.759663752868487]
本稿では,知識グラフ埋め込みのためのトランジションベースの新しい手法TranSを提案する。従来のスコアリングパターンの単一関係ベクトルを合成関係表現に置き換えることで、これらの問題を効果的かつ効率的に解決することができる。大規模知識グラフデータセット ogbl-wikikg2 の実験は、我々のモデルが最先端の結果を達成することを示す。
論文参考訳（メタデータ） (2022-04-18T16:55:25Z)
Rot-Pro: Modeling Transitivity by Projection in Knowledge Graph Embedding [4.9271170227460255]
知識グラフ埋め込みモデルは、エンティティ間の不足リンク(関係)を予測するために、知識グラフ内のエンティティと関係の表現を学習する。私たちは、非常に一般的な関係パターンである推移性が、まだ既存のモデルで完全にサポートされていないことを示しています。本稿では,プロジェクションと回転を組み合わせたRot-Proモデルを提案する。実験結果から,提案したRot-Proモデルは,移動度パターンを効果的に学習し,リンク予測タスクにおける最先端結果を実現することがわかった。
論文参考訳（メタデータ） (2021-10-27T14:13:40Z)
Scalable knowledge base completion with superposition memories [7.754062965937491]
本稿では,知識ベース補完のためのニューラルネットワークであるハーモニックメモリネットワーク(HMem)を提案する。 HMemはエンティティを、エンティティの隣人と対応する関係の間のペアワイズ結合の重み付け和としてモデル化する。 WNGenとFBGenの2つの新しいデータセットでこれを実証する。
論文参考訳（メタデータ） (2021-10-24T03:18:04Z)
QuatDE: Dynamic Quaternion Embedding for Knowledge Graph Completion [4.837804582368272]
我々は,様々な関係パターンを明示的に捉えるための動的マッピング戦略を備えた新しいモデルQuatDEを提案する。実験結果から,QuatDEは3つの確立された知識グラフ補完ベンチマークで最先端の性能を達成できた。
論文参考訳（メタデータ） (2021-05-19T09:10:39Z)
Learning Intents behind Interactions with Knowledge Graph for Recommendation [93.08709357435991]
知識グラフ(KG)は、推薦システムにおいてますます重要な役割を果たす。既存のGNNベースのモデルは、きめ細かいインテントレベルでのユーザ項目関係の特定に失敗します。本稿では,新しいモデルである知識グラフベースインテントネットワーク(kgin)を提案する。
論文参考訳（メタデータ） (2021-02-14T03:21:36Z)
Deep Reinforcement Learning of Graph Matching [63.469961545293756]
ノードとペアの制約下でのグラフマッチング(GM)は、最適化からコンピュータビジョンまでの領域におけるビルディングブロックである。 GMのための強化学習ソルバを提案する。 rgmはペアワイズグラフ間のノード対応を求める。本手法は,フロントエンドの特徴抽出と親和性関数学習に焦点をあてるという意味において,従来のディープグラフマッチングモデルと異なる。
論文参考訳（メタデータ） (2020-12-16T13:48:48Z)
Learning Relation Prototype from Unlabeled Texts for Long-tail Relation Extraction [84.64435075778988]
本稿では,ラベルのないテキストから関係プロトタイプを学習するための一般的なアプローチを提案する。我々は、エンティティ間の暗黙的な要因として関係プロトタイプを学習する。私たちは、New York TimesとGoogle Distant Supervisionの2つの公開データセットで実験を行います。
論文参考訳（メタデータ） (2020-11-27T06:21:12Z)
SEEK: Segmented Embedding of Knowledge Graphs [77.5307592941209]
本稿では,モデル複雑性を増大させることなく,高い競争力を持つ関係表現性を実現する軽量なモデリングフレームワークを提案する。本フレームワークは,評価関数の設計に重点を置いており,1)十分な特徴相互作用の促進,2)関係の対称性と反対称性の両特性の保存,という2つの重要な特徴を強調している。
論文参考訳（メタデータ） (2020-05-02T15:15:50Z)
LineaRE: Simple but Powerful Knowledge Graph Embedding for Link Prediction [7.0294164380111015]
本研究では,4つの接続パターンと4つのマッピング特性をモデル化可能な新しい埋め込みモデルLineaREを提案する。複数の実世界のデータセットに対する実験結果から、提案したLineaREモデルは、リンク予測タスクのための既存の最先端モデルよりも大幅に優れていることが示された。
論文参考訳（メタデータ） (2020-04-21T14:19:43Z)
Relational Message Passing for Knowledge Graph Completion [78.47976646383222]
本稿では,知識グラフ補完のためのリレーショナルメッセージパッシング手法を提案する。エッジ間でリレーショナルメッセージを反復的に送信し、近隣情報を集約する。その結果,本手法は最先端の知識完成手法よりも大きなマージンで優れていることがわかった。
論文参考訳（メタデータ） (2020-02-17T03:33:41Z)

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。