論文の概要: An Industry Evaluation of Embedding-based Entity Alignment

• arxiv url: http://arxiv.org/abs/2010.11522v2
• Date: Sat, 7 Nov 2020 12:25:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-04 04:45:56.346069
• Title: An Industry Evaluation of Embedding-based Entity Alignment
• Title（参考訳）: 埋め込み型エンティティアライメントの産業評価
• Authors: Ziheng Zhang and Jiaoyan Chen and Xi Chen and Hualuo Liu and Yuejia Xiang and Bo Liu and Yefeng Zheng
• Abstract要約: 近年, 埋め込み型エンティティアライメントが広く研究されているが, 提案手法は依然として理想的な教師あり学習環境に依存している。 工業的文脈におけるこれらの最先端手法の評価を行い,異なる大きさと異なるバイアスの種マッピングの影響を調べた。
• 参考スコア（独自算出の注目度）: 38.76701634692796
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Embedding-based entity alignment has been widely investigated in recent years, but most proposed methods still rely on an ideal supervised learning setting with a large number of unbiased seed mappings for training and validation, which significantly limits their usage. In this study, we evaluate those state-of-the-art methods in an industrial context, where the impact of seed mappings with different sizes and different biases is explored. Besides the popular benchmarks from DBpedia and Wikidata, we contribute and evaluate a new industrial benchmark that is extracted from two heterogeneous knowledge graphs (KGs) under deployment for medical applications. The experimental results enable the analysis of the advantages and disadvantages of these alignment methods and the further discussion of suitable strategies for their industrial deployment.
• Abstract（参考訳）: 埋め込み型エンティティアライメントは近年広く研究されているが、ほとんどの提案手法は、トレーニングと検証のために多数の未バイアスのシードマッピングを持つ理想的な教師付き学習環境に依存している。 本研究では,異なるサイズと異なるバイアスを持つ種マッピングの影響を考察する産業的文脈において,これらの最先端手法を評価する。 DBpedia と Wikidata の一般的なベンチマークに加えて,医療応用のための展開中の2つのヘテロジニアス知識グラフ (KG) から抽出した新しい産業ベンチマークをコントリビュートし,評価する。 実験により,これらのアライメント手法の利点とデメリットの分析と,産業展開に適した戦略のさらなる議論が可能となった。

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)
• Experimental Analysis of Large-scale Learnable Vector Storage Compression [42.52474894105165]
  学習可能な埋め込みベクトルは、機械学習において最も重要な応用の1つである。 推薦タスクにおけるスパースデータの高次元性と検索関連タスクにおける大量のコーパスは、埋め込みテーブルのメモリ消費を増大させる。 近年の研究では, モデル品質の低下や, その他のオーバーヘッドを伴って, 埋め込みを圧縮する方法が提案されている。
  論文  参考訳（メタデータ） (2023-11-27T07:11:47Z)
• Plugin estimators for selective classification with out-of-distribution detection [67.28226919253214]
  現実世界の分類器は、信頼性の低いサンプルの予測を控えることの恩恵を受けることができる。 これらの設定は、選択分類(SC)とアウト・オブ・ディストリビューション(OOD)の検出文献において広範囲に研究されている。 OOD検出による選択分類に関する最近の研究は、これらの問題の統一的な研究を議論している。 本稿では,既存の手法を理論的に基礎づけ,有効かつ一般化したSCOD用プラグイン推定器を提案する。
  論文  参考訳（メタデータ） (2023-01-29T07:45:17Z)
• OpenOOD: Benchmarking Generalized Out-of-Distribution Detection [60.13300701826931]
  アウト・オブ・ディストリビューション(OOD)検出は、安全クリティカルな機械学習アプリケーションにとって不可欠である。 この分野では現在、統一的で厳格に定式化され、包括的なベンチマークが欠けている。 関連フィールドで開発された30以上のメソッドを実装したOpenOODという,統一的で構造化されたシステムを構築します。
  論文  参考訳（メタデータ） (2022-10-13T17:59:57Z)
• On the role of benchmarking data sets and simulations in method comparison studies [0.0]
  本稿では,シミュレーション研究とベンチマーク研究の相違点と類似点について検討する。 混合手法研究や臨床シナリオ評価など,さまざまな文脈からアイデアを借りる。
  論文  参考訳（メタデータ） (2022-08-02T13:47:53Z)
• Knowledge Graph Embedding Methods for Entity Alignment: An Experimental Review [7.241438112282638]
  我々は、エンティティアライメントのための一般的な埋め込み手法の最初のメタレベル解析を行う。 KGsにより抽出された様々なメタ機能と異なる埋め込み手法の統計的に有意な相関関係が明らかとなった。 テストベッドの全現実世界のKGで有効性に応じて統計的に有意なランク付けを行う。
  論文  参考訳（メタデータ） (2022-03-17T12:11:58Z)
• f-Domain-Adversarial Learning: Theory and Algorithms [82.97698406515667]
  教師なしのドメイン適応は、トレーニング中、ターゲットドメイン内のラベルなしデータにアクセス可能な、多くの機械学習アプリケーションで使用されている。 領域適応のための新しい一般化法を導出し、f-発散体の変分的特徴に基づく分布間の相違性の新しい尺度を利用する。
  論文  参考訳（メタデータ） (2021-06-21T18:21:09Z)
• A Benchmarking Study of Embedding-based Entity Alignment for Knowledge Graphs [30.296238600596997]
  エンティティアライメントは、同じ現実世界のオブジェクトを参照する異なる知識グラフ内のエンティティを探します。 KG埋め込みの最近の進歩は、埋め込みに基づくエンティティアライメントの出現を示唆している。 我々は,最近の埋め込み型エンティティアライメントアプローチを23回調査し,その技術と特徴に基づいて分類した。
  論文  参考訳（メタデータ） (2020-03-10T05:32:06Z)
• A Survey on Causal Inference [64.45536158710014]
  因果推論は統計学、コンピュータ科学、教育、公共政策、経済学など、多くの分野において重要な研究トピックである。 観測データに対する様々な因果効果推定法が誕生した。
  論文  参考訳（メタデータ） (2020-02-05T21:35:29Z)

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。