論文の概要: Probabilistic Box Embeddings for Uncertain Knowledge Graph Reasoning
- arxiv url: http://arxiv.org/abs/2104.04597v1
- Date: Fri, 9 Apr 2021 21:01:52 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-13 14:43:24.993634
- Title: Probabilistic Box Embeddings for Uncertain Knowledge Graph Reasoning
- Title（参考訳）: 不確かな知識グラフ推論のための確率的ボックス埋め込み
- Authors: Xuelu Chen, Michael Boratko, Muhao Chen, Shib Sankar Dasgupta, Xiang
Lorraine Li, Andrew McCallum
- Abstract要約: キャリブレーションされた確率的セマンティクスを用いた未知の知識グラフ埋め込み手法であるBEUrREを提案する。
2つのベンチマークデータセットの実験は、BEUrREが信頼性予測と事実ランキングのベースラインを一貫して上回っていることを示している。
- 参考スコア（独自算出の注目度）: 36.34170367603253
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Knowledge bases often consist of facts which are harvested from a variety of
sources, many of which are noisy and some of which conflict, resulting in a
level of uncertainty for each triple. Knowledge bases are also often
incomplete, prompting the use of embedding methods to generalize from known
facts, however, existing embedding methods only model triple-level uncertainty,
and reasoning results lack global consistency. To address these shortcomings,
we propose BEUrRE, a novel uncertain knowledge graph embedding method with
calibrated probabilistic semantics. BEUrRE models each entity as a box (i.e.
axis-aligned hyperrectangle) and relations between two entities as affine
transforms on the head and tail entity boxes. The geometry of the boxes allows
for efficient calculation of intersections and volumes, endowing the model with
calibrated probabilistic semantics and facilitating the incorporation of
relational constraints. Extensive experiments on two benchmark datasets show
that BEUrRE consistently outperforms baselines on confidence prediction and
fact ranking due to its probabilistic calibration and ability to capture
high-order dependencies among facts.
- Abstract（参考訳）: 知識ベースは、しばしば様々な情報源から得られた事実から成り、その多くが騒がしく、一部は矛盾し、それぞれの三つ組に不確実性のレベルをもたらす。
知識ベースもしばしば不完全であり、既知の事実から一般化するための埋め込みメソッドの使用を促すが、既存の埋め込みメソッドは3つのレベルの不確かさのみをモデル化し、推論の結果はグローバルな一貫性を欠いている。
そこで本研究では,確率的意味論を校正した新しい未知知識グラフ埋め込み手法であるburreを提案する。
BEUrREは各エンティティをボックスとしてモデル化する。
軸方向のハイパー矩形)と2つのエンティティ間の関係は、アフィンが頭と尾のエンティティボックスに変換される。
ボックスの幾何学は交差点と体積の効率的な計算を可能にし、キャリブレーションされた確率的意味論を持つモデルを提供し、関係制約の組み入れを容易にする。
2つのベンチマークデータセットの大規模な実験により、BEUrREは確率的キャリブレーションと事実間の高次依存関係をキャプチャする能力により、信頼性予測と事実ランキングのベースラインを一貫して上回っている。
関連論文リスト
- A Review of Bayesian Uncertainty Quantification in Deep Probabilistic Image Segmentation [0.0]
画像セグメンテーションの進歩は、ディープラーニングベースのコンピュータビジョンの広い範囲において重要な役割を果たす。
この文脈において不確かさの定量化が広く研究され、モデル無知(認識の不確実性)やデータ曖昧さ(アラート的不確実性)を表現し、不正な意思決定を防ぐことができる。
この研究は、分野の進歩を左右する不確実性の基本概念と様々なタスクへの応用について議論することで、確率的セグメンテーションの包括的概要を提供する。
論文 参考訳（メタデータ） (2024-11-25T13:26:09Z) - On data-driven chance constraint learning for mixed-integer optimization
problems [0.0]
本稿では,混合整数線形最適化問題に着目したCCL手法を提案する。
CCLは線形化可能な機械学習モデルを使用して、学習変数の条件量子を推定する。
実践者が使用するオープンアクセスソフトウェアが開発されている。
論文 参考訳（メタデータ） (2022-07-08T11:54:39Z) - Principled Knowledge Extrapolation with GANs [92.62635018136476]
我々は,知識外挿の新たな視点から,対実合成を研究する。
本稿では, 知識外挿問題に対処するために, クローズド形式判別器を用いた対角ゲームが利用可能であることを示す。
提案手法は,多くのシナリオにおいて,エレガントな理論的保証と優れた性能の両方を享受する。
論文 参考訳（メタデータ） (2022-05-21T08:39:42Z) - Exploring the Trade-off between Plausibility, Change Intensity and
Adversarial Power in Counterfactual Explanations using Multi-objective
Optimization [73.89239820192894]
自動対物生成は、生成した対物インスタンスのいくつかの側面を考慮すべきである。
本稿では, 対実例生成のための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2022-05-20T15:02:53Z) - BayesIMP: Uncertainty Quantification for Causal Data Fusion [52.184885680729224]
本研究では,複数の因果グラフに関連するデータセットを組み合わせ,対象変数の平均処理効果を推定する因果データ融合問題について検討する。
本稿では、確率積分とカーネル平均埋め込みのアイデアを組み合わせて、再生されたカーネルヒルベルト空間における干渉分布を表現するフレームワークを提案する。
論文 参考訳（メタデータ） (2021-06-07T10:14:18Z) - Evidential Turing Processes [11.021440340896786]
我々は、明らかなディープラーニング、ニューラルプロセス、ニューラルチューリングマシンのオリジナルの組み合わせを紹介する。
本稿では,3つの画像分類ベンチマークと2つのニューラルネットアーキテクチャについて検討する。
論文 参考訳（メタデータ） (2021-06-02T15:09:20Z) - Tractable Inference in Credal Sentential Decision Diagrams [116.6516175350871]
確率感性決定図は、解離ゲートの入力が確率値によってアノテートされる論理回路である。
我々は、局所確率を質量関数のクレーダル集合に置き換えることができる確率の一般化である、クレーダル感性決定図を開発する。
まず,ノイズの多い7セグメント表示画像に基づく簡単なアプリケーションについて検討する。
論文 参考訳（メタデータ） (2020-08-19T16:04:34Z) - Modal Uncertainty Estimation via Discrete Latent Representation [4.246061945756033]
本稿では,インプットとアウトプットの1対1マッピングを,忠実な不確実性対策とともに学習するディープラーニングフレームワークを提案する。
我々のフレームワークは、現在の最先端手法よりもはるかに正確な不確実性推定を実証している。
論文 参考訳（メタデータ） (2020-07-25T05:29:34Z) - Learning while Respecting Privacy and Robustness to Distributional
Uncertainties and Adversarial Data [66.78671826743884]
分散ロバストな最適化フレームワークはパラメトリックモデルのトレーニングのために検討されている。
目的は、逆操作された入力データに対して頑健なトレーニングモデルを提供することである。
提案されたアルゴリズムは、オーバーヘッドがほとんどない堅牢性を提供する。
論文 参考訳（メタデータ） (2020-07-07T18:25:25Z)
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。