論文の概要: MCMH: Learning Multi-Chain Multi-Hop Rules for Knowledge Graph Reasoning

• arxiv url: http://arxiv.org/abs/2010.01735v1
• Date: Mon, 5 Oct 2020 01:32:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-10 20:01:58.167206
• Title: MCMH: Learning Multi-Chain Multi-Hop Rules for Knowledge Graph Reasoning
• Title（参考訳）: MCMH:知識グラフ推論のためのマルチチェーンマルチホップルールの学習
• Authors: Lu Zhang, Mo Yu, Tian Gao, Yue Yu
• Abstract要約: 多重ホップ規則の一般化形式を考えると、各規則は関係連鎖の集合である。 そこで本研究では,まず,少数の関係連鎖をルールとして選択し,対象関係の信頼度を評価する2段階のアプローチを提案する。 その結果,MCMH(Multi-chain multi-hop)ルールは,標準の単一チェーン方式よりも優れた結果が得られた。
• 参考スコア（独自算出の注目度）: 46.68583750992613
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-hop reasoning approaches over knowledge graphs infer a missing relationship between entities with a multi-hop rule, which corresponds to a chain of relationships. We extend existing works to consider a generalized form of multi-hop rules, where each rule is a set of relation chains. To learn such generalized rules efficiently, we propose a two-step approach that first selects a small set of relation chains as a rule and then evaluates the confidence of the target relationship by jointly scoring the selected chains. A game-theoretical framework is proposed to this end to simultaneously optimize the rule selection and prediction steps. Empirical results show that our multi-chain multi-hop (MCMH) rules result in superior results compared to the standard single-chain approaches, justifying both our formulation of generalized rules and the effectiveness of the proposed learning framework.
• Abstract（参考訳）: 知識グラフ上のマルチホップ推論アプローチは、関係の連鎖に対応するマルチホップ規則を持つエンティティ間の欠落関係を推測する。 我々は既存の研究を拡張して、各ルールが関係連鎖の集合であるような多重ホップ規則の一般化形式を考える。 このような一般化されたルールを効率的に学習するために,まず,少数の関係連鎖をルールとして選択し,選択した連鎖を協調して評価することにより,対象関係の信頼度を評価する2段階のアプローチを提案する。 ルール選択と予測ステップを同時に最適化するために,ゲーム理論の枠組みを提案する。 実験の結果,マルチチェーンマルチホップ(mcmh)ルールは,汎用ルールの定式化と提案学習フレームワークの有効性の両方を正当化し,標準シングルチェーン法と比較して優れた結果をもたらすことがわかった。

関連論文リスト

• Top-K Pairwise Ranking: Bridging the Gap Among Ranking-Based Measures for Multi-Label Classification [120.37051160567277]
  本稿では,Top-K Pairwise Ranking(TKPR)という新しい尺度を提案する。 一連の分析により、TKPRは既存のランキングベースの尺度と互換性があることが示されている。 一方,データ依存縮約法という新しい手法に基づいて,提案手法の急激な一般化を確立する。
  論文  参考訳（メタデータ） (2024-07-09T09:36:37Z)
• Probabilistic Truly Unordered Rule Sets [4.169915659794567]
  真に順序のない規則集合に対するTURSを提案する。 我々はルールセットの確率的特性を利用して、類似した確率的出力を持つ場合のみ規則が重複することを許すという直観を生かしている。 我々は,幅広いルールベースの手法に対してベンチマークを行い,モデルの複雑さを低くし,高い競争力のある予測性能を持つルールセットを学習できることを実証した。
  論文  参考訳（メタデータ） (2024-01-18T12:03:19Z)
• 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)
• On the Aggregation of Rules for Knowledge Graph Completion [9.628032156001069]
  知識グラフ補完のためのルール学習アプローチは、純粋にニューラルモデルに対して効率的、解釈可能、競争的である。 既存のアグリゲーションアプローチは,予測ルールよりも限界推論操作として表現できることを示す。 本稿では,従来の戦略を組み合わさり,計算上より高価なアプローチと競合する,効率的で見落とされがちなベースラインを提案する。
  論文  参考訳（メタデータ） (2023-09-01T07:32:11Z)
• RulE: Knowledge Graph Reasoning with Rule Embedding [69.31451649090661]
  我々は、論理ルールを活用してKG推論を強化する、textbfRulE(ルール埋め込みのためのスタンド)と呼ばれる原則的なフレームワークを提案する。 RulEは、既存の三重項と一階規則からルールの埋め込みを学習し、統一された埋め込み空間において、textbfentities、textbfrelations、textbflogical rulesを共同で表現する。 複数のベンチマークの結果、我々のモデルは既存の埋め込みベースのアプローチやルールベースのアプローチよりも優れています。
  論文  参考訳（メタデータ） (2022-10-24T06:47:13Z)
• Concise and interpretable multi-label rule sets [13.416159628299779]
  簡単な「if-then」ルールの簡潔な集合として表現できるマルチラベル分類器を開発した。 提案手法は, 正確なマルチラベル分類に繋がる, 関連パターンの小さな集合を見つけることができる。
  論文  参考訳（メタデータ） (2022-10-04T11:23:50Z)
• Combining Rules and Embeddings via Neuro-Symbolic AI for Knowledge Base Completion [59.093293389123424]
  すべてのルールベースの知識ベースコンプリートモデルが同じではないことを示す。 1)関係の混合と,2)経路の混合の2つの異なるアプローチを提案する。 ブール論理を実数値論理に拡張することでルールを学習するニューロシンボリックAI上に実装すると、後者のモデルは、平均相互ランクにおいて、最先端のKBC精度を2-10%向上させる。
  論文  参考訳（メタデータ） (2021-09-16T17:54:56Z)
• Theoretical Rule-based Knowledge Graph Reasoning by Connectivity Dependency Discovery [2.945948598480997]
  本稿では,複数のルールタイプを介して,グラフ内の接続依存性をキャプチャするルールベースの知識グラフ推論の理論を提案する。 その結果,ルールディクトモデルは新しい三重項を正確に解釈するだけでなく,1つのベンチマーク知識グラフ補完タスクにおける最先端のパフォーマンスも達成できることがわかった。
  論文  参考訳（メタデータ） (2020-11-12T03:00:20Z)
• On Connections between Regularizations for Improving DNN Robustness [67.28077776415724]
  本稿では,ディープニューラルネットワーク(DNN)の対角的ロバスト性を改善するために最近提案された正規化条件を解析する。 入力勾配正則化,ジャコビアン正則化,曲率正則化,クロスリプシッツ関数など,いくつかの有効な方法間の接続性について検討する。
  論文  参考訳（メタデータ） (2020-07-04T23:43:32Z)
• Towards Learning Instantiated Logical Rules from Knowledge Graphs [20.251630903853016]
  本稿では,知識グラフから一階述語論理規則を抽出するために最適化された確率論的学習ルールGPFLを提案する。 GPFLは、抽出された経路を非循環的な抽象規則であるテンプレートに一般化する新しい2段階ルール生成機構を利用する。 オーバーフィッティングルールの存在、予測性能への影響、およびオーバーフィッティングルールをフィルタリングする単純なバリデーション手法の有効性を明らかにする。
  論文  参考訳（メタデータ） (2020-03-13T00:32:46Z)

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。