論文の概要: Joint Semantics and Data-Driven Path Representation for Knowledge Graph Inference

• arxiv url: http://arxiv.org/abs/2010.02602v1
• Date: Tue, 6 Oct 2020 10:24:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-10 05:08:22.880948
• Title: Joint Semantics and Data-Driven Path Representation for Knowledge Graph Inference
• Title（参考訳）: 知識グラフ推論のための共同意味論とデータ駆動経路表現
• Authors: Guanglin Niu, Bo Li, Yongfei Zhang, Yongpan Sheng, Chuan Shi, Jingyang Li, Shiliang Pu
• Abstract要約: 我々は,KG埋め込みの枠組みにおける説明可能性と一般化のバランスをとる,新しい共同意味論とデータ駆動経路表現を提案する。 提案手法はリンク予測と経路問合せ応答という2つのタスクのクラスで評価される。
• 参考スコア（独自算出の注目度）: 60.048447849653876
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Inference on a large-scale knowledge graph (KG) is of great importance for KG applications like question answering. The path-based reasoning models can leverage much information over paths other than pure triples in the KG, which face several challenges: all the existing path-based methods are data-driven, lacking explainability for path representation. Besides, some methods either consider only relational paths or ignore the heterogeneity between entities and relations both contained in paths, which cannot capture the rich semantics of paths well. To address the above challenges, in this work, we propose a novel joint semantics and data-driven path representation that balances explainability and generalization in the framework of KG embedding. More specifically, we inject horn rules to obtain the condensed paths by the transparent and explainable path composition procedure. The entity converter is designed to transform the entities along paths into the representations in the semantic level similar to relations for reducing the heterogeneity between entities and relations, in which the KGs both with and without type information are considered. Our proposed model is evaluated on two classes of tasks: link prediction and path query answering task. The experimental results show that it has a significant performance gain over several different state-of-the-art baselines.
• Abstract（参考訳）: 大規模知識グラフ(KG)の推論は、質問応答のようなKGアプリケーションにとって非常に重要である。 パスベースの推論モデルは、kg内の純粋な三重項以外のパス上で多くの情報を活用することができるが、これはいくつかの課題に直面している。 さらに、いくつかのメソッドは、関係パスのみを考慮するか、関係パスに含まれるエンティティと関係の間の不均一性を無視する。 そこで本研究では,kg埋め込みの枠組みにおける説明可能性と一般化のバランスをとる,新たな統合意味論とデータ駆動経路表現を提案する。 より具体的には、透明かつ説明可能な経路合成法により、凝縮経路を得るために角規則を注入する。 エンティティコンバータは、経路に沿ったエンティティを、エンティティとリレーションの間の不均一性を減少させる関係に似た意味レベルでの表現に変換するように設計されている。 提案手法はリンク予測と経路問合せ応答という2つのタスクのクラスで評価される。 実験結果から, 各種技術ベースラインに対して, 顕著な性能向上が得られた。

関連論文リスト

• UniKGQA: Unified Retrieval and Reasoning for Solving Multi-hop Question Answering Over Knowledge Graph [89.98762327725112]
  KGQA(Multi-hop Question Answering over Knowledge Graph)は、自然言語の質問で言及されているトピックエンティティから、複数のホップを持つ回答エンティティを見つけることを目的としている。 我々は、モデルアーキテクチャとパラメータ学習の両方において、検索と推論を統合することで、マルチホップKGQAタスクの新しいアプローチであるUniKGQAを提案する。
  論文  参考訳（メタデータ） (2022-12-02T04:08:09Z)
• Entity Alignment with Reliable Path Reasoning and Relation-Aware Heterogeneous Graph Transformer [5.960613525368867]
  本稿では,関係と経路構造情報を統合したより効果的なエンティティアライメントフレームワークRPR-RHGTを提案する。 知識グラフの関係構造からEAタスクに適した経路を生成するために,初期信頼経路推論アルゴリズムを開発した。 実体近傍における異種特徴を効率的に捉えるために、関係性を考慮した異種グラフ変換器を設計する。
  論文  参考訳（メタデータ） (2022-05-18T09:12:37Z)
• Path-Enhanced Multi-Relational Question Answering with Knowledge Graph Embeddings [16.21156041758793]
  PKEEQA(Path and Knowledge Embedding-Enhanced Multi-Relational Question Answering Model)を提案する。 PKEEQAは多関係質問に対するKBQAモデルの性能を、経路からある程度派生した説明可能性で改善することを示す。
  論文  参考訳（メタデータ） (2021-10-29T08:37:46Z)
• Information Symmetry Matters: A Modal-Alternating Propagation Network for Few-Shot Learning [118.45388912229494]
  未ラベルサンプルの欠落した意味情報を補うために,モーダル代替伝搬ネットワーク (MAP-Net) を提案する。 我々は,情報伝達がより有益になるように,セマンティクスを介して視覚的関係ベクトルを誘導するリレーガイダンス(RG)戦略を設計する。 提案手法は有望な性能を達成し,最先端の手法よりも優れる。
  論文  参考訳（メタデータ） (2021-09-03T03:43:53Z)
• Learning the Implicit Semantic Representation on Graph-Structured Data [57.670106959061634]
  グラフ畳み込みネットワークにおける既存の表現学習手法は主に、各ノードの近傍を知覚全体として記述することで設計される。 本稿では,グラフの潜在意味パスを学習することで暗黙的な意味を探索する意味グラフ畳み込みネットワーク(sgcn)を提案する。
  論文  参考訳（メタデータ） (2021-01-16T16:18:43Z)
• Explainable Link Prediction for Emerging Entities in Knowledge Graphs [44.87285668747474]
  クロスドメイン知識グラフは固有の不完全性と疎性に悩まされる。 リンク予測は、ソースエンティティとクエリ関係が与えられたターゲットエンティティを推論することで、これを緩和することができる。 本稿では,未確認なエンティティの表現を学習可能な帰納的表現学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-05-01T22:17:37Z)
• On the Role of Conceptualization in Commonsense Knowledge Graph Construction [59.39512925793171]
  アトミックやASERのような常識知識グラフ(CKG)は、従来のKGと大きく異なる。 本稿では, CKG の概念化手法を紹介し, テキストに記述されたエンティティを特定の概念のインスタンスとみなすか, あるいはその逆を例に紹介する。 提案手法は, 可塑性三重項を効果的に同定し, 新たなノードの3重項と, 多様性と新規性の両端項によってKGを拡張できる。
  論文  参考訳（メタデータ） (2020-03-06T14:35:20Z)
• End-to-End Entity Linking and Disambiguation leveraging Word and Knowledge Graph Embeddings [20.4826750211045]
  我々は,KGと単語埋め込みを併用した最初のエンドツーエンドニューラルネットワークアプローチを提案し,単純な質問の結合関係と実体分類を行う。 実験により,提案手法が最先端のエンティティリンクに匹敵する性能を実現することを示す。
  論文  参考訳（メタデータ） (2020-02-25T19:07:54Z)
• 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。

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。