論文の概要: Survey and Open Problems in Privacy Preserving Knowledge Graph: Merging, Query, Representation, Completion and Applications

• arxiv url: http://arxiv.org/abs/2011.10180v1
• Date: Fri, 20 Nov 2020 02:35:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-23 06:51:44.826502
• Title: Survey and Open Problems in Privacy Preserving Knowledge Graph: Merging, Query, Representation, Completion and Applications
• Title（参考訳）: 知識グラフのプライバシ保存に関する調査とオープン問題:マージ,クエリ,表現,コンプリート,アプリケーション
• Authors: Chaochao Chen, Jamie Cui, Guanfeng Liu, Jia Wu, Li Wang
• Abstract要約: 知識グラフ(KG)は、さまざまなタイプのデータを意味のある方法で接続する能力に対して、ますます多くの企業が注目している。 しかし、データ分離問題はKGの性能を制限し、さらなる開発を妨げている。 プライバシー保護KGの実施方法が重要な研究課題となっている。
• 参考スコア（独自算出の注目度）: 17.68925521011772
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge Graph (KG) has attracted more and more companies' attention for its ability to connect different types of data in meaningful ways and support rich data services. However, the data isolation problem limits the performance of KG and prevents its further development. That is, multiple parties have their own KGs but they cannot share with each other due to regulation or competition reasons. Therefore, how to conduct privacy preserving KG becomes an important research question to answer. That is, multiple parties conduct KG related tasks collaboratively on the basis of protecting the privacy of multiple KGs. To date, there is few work on solving the above KG isolation problem. In this paper, to fill this gap, we summarize the open problems for privacy preserving KG in data isolation setting and propose possible solutions for them. Specifically, we summarize the open problems in privacy preserving KG from four aspects, i.e., merging, query, representation, and completion. We present these problems in details and propose possible technical solutions for them. Moreover, we present three privacy preserving KG-aware applications and simply describe how can our proposed techniques be applied into these applications.
• Abstract（参考訳）: Knowledge Graph(KG)は、さまざまなタイプのデータを有意義な方法で接続し、リッチなデータサービスをサポートする能力に対して、ますます多くの企業が注目している。 しかし、データ分離問題はKGの性能を制限し、さらなる開発を妨げている。 すなわち、複数の政党は独自のkgを持っているが、規制や競争上の理由から互いに共有することはできない。 したがって、プライバシー保護KGの実施方法が重要な研究課題となっている。 すなわち、複数のKGのプライバシーを保護するため、複数のKG関連のタスクを協調的に行う。 これまでのところ、上記のkg分離問題を解決する作業はほとんどない。 本稿では,このギャップを埋めるために,データ分離設定におけるプライバシー保護kgのオープン問題を要約し,その解決法を提案する。 具体的には,4つの側面(マージ,クエリ,表現,補完)からkgを保存するプライバシのオープン問題を要約する。 これらの問題を詳述し、技術的解決の可能性を提案する。 さらに,3つのプライバシ保存kg対応アプリケーションを提示し,提案手法をこれらのアプリケーションに適用する方法を簡潔に説明する。

関連論文リスト

• Decoding on Graphs: Faithful and Sound Reasoning on Knowledge Graphs through Generation of Well-Formed Chains [66.55612528039894]
  知識グラフ(KG)は質問応答(QA)のための信頼できる知識ソースとして機能する。 我々は、LLMとKGの深い相乗効果を促進する新しいフレームワークであるDoG(Decoding on Graphs)を提案する。 様々なKGQAタスクに対して異なるバックグラウンドKGを用いた実験により、DoGが優れた、堅牢なパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2024-10-24T04:01:40Z)
• Uncertainty Management in the Construction of Knowledge Graphs: a Survey [3.5639148953570845]
  知識グラフ(KG)は、データ表現の柔軟性のおかげで、企業にとって重要な資産です。 KGを構築するには、様々な異種情報源から知識を抽出する自動手法に頼るのが一般的である。 騒々しく不確実な世界では、知識は信頼できないかもしれないし、データソース間の衝突が起こるかもしれない。
  論文  参考訳（メタデータ） (2024-05-27T08:22:52Z)
• Generate-on-Graph: Treat LLM as both Agent and KG in Incomplete Knowledge Graph Question Answering [87.67177556994525]
  我々は、知識グラフ(KG)を探索しながら、新しい実写トリプルを生成する、Generate-on-Graph(GoG)と呼ばれる学習自由な手法を提案する。 GoGはIKGQAでLLMをエージェントとKGの両方として扱うThinking-Searching-Generatingフレームワークを通じて推論を行う。
  論文  参考訳（メタデータ） (2024-04-23T04:47:22Z)
• Federated Knowledge Graph Completion via Latent Embedding Sharing and Tensor Factorization [51.286715478399515]
  FLEST(Federated Latent Embedding Factorization)は、KGの完全化にFederated Factorizationを用いた新しい手法である。 FLESTは埋め込み行列を分解し、潜伏辞書の埋め込みを共有することでプライバシーリスクを低減している。 実証的な結果はFLESTの有効性と効率を示し、パフォーマンスとプライバシのバランスのとれたソリューションを提供する。
  論文  参考訳（メタデータ） (2023-11-17T06:03:56Z)
• Collective Knowledge Graph Completion with Mutual Knowledge Distillation [11.922522192224145]
  我々は,異なるKGからの集合的知識の最大化に焦点をあてるマルチKG完備化の問題について検討する。 CKGC-CKDと呼ばれる,個々のKGと大きな融合KGの両方で,関係対応グラフ畳み込みネットワークエンコーダモデルを用いる新しい手法を提案する。 複数言語データセットによる実験結果から,本手法はKGCタスクにおけるすべての最先端モデルより優れていることが示された。
  論文  参考訳（メタデータ） (2023-05-25T09:49:40Z)
• Knowledge Graphs Querying [4.548471481431569]
  我々は、KGクエリのために開発された様々な学際的なトピックと概念を統一することを目的としている。 KGとクエリ埋め込み、マルチモーダルKG、KG-QAの最近の進歩は、ディープラーニング、IR、NLP、コンピュータビジョンドメインから来ている。
  論文  参考訳（メタデータ） (2023-05-23T19:32:42Z)
• Construction and Applications of Billion-Scale Pre-Trained Multimodal Business Knowledge Graph [64.42060648398743]
  我々は、よく知られた企業であるAlibaba Groupから派生したオープンビジネス知識グラフ(OpenBG)を構築するプロセスを紹介する。 OpenBGは前例のない規模のオープンビジネスのKGで、260億の3倍体で、100万以上のコアクラス/コンセプトと2,681種類の関係をカバーしている。
  論文  参考訳（メタデータ） (2022-09-30T04:03:26Z)
• Reasoning over Multi-view Knowledge Graphs [59.99051368907095]
  ROMAは、マルチビューKG上で論理クエリに応答する新しいフレームワークである。 大規模(数百万の事実など)のKGや粒度の細かいビューまでスケールする。 トレーニング中に観測されていない構造やKGビューのクエリを一般化する。
  論文  参考訳（メタデータ） (2022-09-27T21:32:20Z)
• Collaborative Knowledge Graph Fusion by Exploiting the Open Corpus [59.20235923987045]
  知識表現の質を維持しながら、新たに収穫した3倍の知識グラフを豊かにすることは困難である。 本稿では,付加コーパスから得られる情報を用いてKGを精製するシステムを提案する。
  論文  参考訳（メタデータ） (2022-06-15T12:16:10Z)
• FedE: Embedding Knowledge Graphs in Federated Setting [21.022513922373207]
  マルチソースKGは、実際の知識グラフアプリケーションでは一般的な状況である。 データプライバシと感度のため、関連する知識グラフのセットは、異なる知識グラフからデータを集めるだけで、お互いのKGCを補完することはできない。 我々は,局所的な更新を集約して知識グラフの埋め込みを学習することに焦点を当てた,知識グラフ埋め込みフレームワークであるフェデレーション(Federated Knowledge Graph Embedding)を提案する。
  論文  参考訳（メタデータ） (2020-10-24T11:52:05Z)
• Multilingual Knowledge Graph Completion via Ensemble Knowledge Transfer [43.453915033312114]
  知識グラフ(KG)に欠けている事実を予測することは、知識ベースの構築と推論において重要なタスクである。 KEnSは、学習と知識のアンサンブルを複数の言語固有のKGに組み込むための新しいフレームワークである。 5つの実世界の言語固有のKGの実験により、KEnSはKG完了に関する最先端の手法を一貫して改善していることが示された。
  論文  参考訳（メタデータ） (2020-10-07T04:54:03Z)

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。