論文の概要: Cross-lingual Entity Alignment with Adversarial Kernel Embedding and Adversarial Knowledge Translation

• arxiv url: http://arxiv.org/abs/2104.07837v1
• Date: Fri, 16 Apr 2021 00:57:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-20 05:18:29.616651
• Title: Cross-lingual Entity Alignment with Adversarial Kernel Embedding and Adversarial Knowledge Translation
• Title（参考訳）: 逆核埋め込みと逆知識翻訳による言語間エンティティアライメント
• Authors: Gong Zhang, Yang Zhou, Sixing Wu, Zeru Zhang, Dejing Dou
• Abstract要約: 言語間のエンティティアライメントは、しばしば特徴的不整合からシーケンス的コンテキスト無意識の課題に悩まされる。 本稿では,言語間エンティティアライメント(DAEA)のための2つの対向学習フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 35.77482102674059
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cross-lingual entity alignment, which aims to precisely connect the same entities in different monolingual knowledge bases (KBs) together, often suffers challenges from feature inconsistency to sequence context unawareness. This paper presents a dual adversarial learning framework for cross-lingual entity alignment, DAEA, with two original contributions. First, in order to address the structural and attribute feature inconsistency between entities in two knowledge graphs (KGs), an adversarial kernel embedding technique is proposed to extract graph-invariant information in an unsupervised manner, and project two KGs into the common embedding space. Second, in order to further improve successful rate of entity alignment, we propose to produce multiple random walks through each entity to be aligned and mask these entities in random walks. With the guidance of known aligned entities in the context of multiple random walks, an adversarial knowledge translation model is developed to fill and translate masked entities in pairwise random walks from two KGs. Extensive experiments performed on real-world datasets show that DAEA can well solve the feature inconsistency and sequence context unawareness issues and significantly outperforms thirteen state-of-the-art entity alignment methods.
• Abstract（参考訳）: 異なるモノリンガル知識ベース(KB)の同一エンティティを正確に接続することを目的とした言語間エンティティアライメントは、機能的不整合からシーケンス的コンテキスト無意識の課題をしばしば抱える。 本稿では,言語間エンティティアライメント(DAEA)のための2つの対向学習フレームワークを提案する。 まず、2つの知識グラフ(KG)のエンティティ間の構造的・属性的特徴の不整合に対処するために、教師なしの方法でグラフ不変情報を抽出し、2つのKGを共通の埋め込み空間に投影する逆核埋め込み手法を提案する。 第二に、エンティティアライメントの成功率をさらに向上させるために、各エンティティをランダムウォークしてアライメントし、これらのエンティティをランダムウォークでマスクすることを提案する。 複数のランダムウォークの文脈における既知のアライメントエンティティのガイダンスにより、マスクされたエンティティを2kgから一対のランダムウォークで満たし、翻訳するために、敵対的知識翻訳モデルが開発されている。 実世界のデータセットで実施された大規模な実験により、DAEAは特徴の不整合とシーケンスコンテキストの無意識の問題をうまく解決でき、13の最先端エンティティアライメント手法を著しく上回っている。

関連論文リスト

• Unsupervised Robust Cross-Lingual Entity Alignment via Neighbor Triple Matching with Entity and Relation Texts [17.477542644785483]
  言語間エンティティアライメント(EA)は、異なる言語間での複数の知識グラフ(KG)の統合を可能にする。 近隣の3重マッチング戦略により、エンティティレベルとリレーレベルアライメントを共同で実行するEAパイプライン。
  論文  参考訳（メタデータ） (2024-07-22T12:25:48Z)
• EAGER: Two-Stream Generative Recommender with Behavior-Semantic Collaboration [63.112790050749695]
  本稿では,行動情報と意味情報の両方をシームレスに統合する新しい生成推薦フレームワークであるEAGERを紹介する。 EAGERの有効性を4つの公開ベンチマークで検証し,既存手法と比較して優れた性能を示した。
  論文  参考訳（メタデータ） (2024-06-20T06:21:56Z)
• mCL-NER: Cross-Lingual Named Entity Recognition via Multi-view Contrastive Learning [54.523172171533645]
  CrossNERは多言語コーパスの不足により不均一な性能から生じる課題に直面している。 言語横断的名前付きエンティティ認識(mCL-NER)のためのマルチビューコントラスト学習を提案する。 40言語にまたがるXTREMEベンチマーク実験では、従来のデータ駆動型およびモデルベースアプローチよりもmCL-NERの方が優れていることを示した。
  論文  参考訳（メタデータ） (2023-08-17T16:02:29Z)
• From Alignment to Entailment: A Unified Textual Entailment Framework for Entity Alignment [17.70562397382911]
  既存のメソッドは通常、エンティティのトリプルを埋め込みとしてエンコードし、埋め込みの整列を学ぶ。 我々は両トリプルを統一されたテキストシーケンスに変換し、EAタスクを双方向のテキストエンタテインメントタスクとしてモデル化する。 提案手法は,エンティティ間の2種類の情報の統合相関パターンを捕捉し,元のエンティティ情報間のきめ細かい相互作用を明示的にモデル化する。
  論文  参考訳（メタデータ） (2023-05-19T08:06:50Z)
• Object Segmentation by Mining Cross-Modal Semantics [68.88086621181628]
  マルチモーダル特徴の融合と復号を導くために,クロスモーダル・セマンティックスをマイニングする手法を提案する。 具体的には,(1)全周減衰核融合(AF),(2)粗大デコーダ(CFD),(3)多層自己超越からなる新しいネットワークXMSNetを提案する。
  論文  参考訳（メタデータ） (2023-05-17T14:30:11Z)
• Type-enhanced Ensemble Triple Representation via Triple-aware Attention for Cross-lingual Entity Alignment [12.894775396801958]
  TTEA -- Triple-aware Attention for Cross-lingual Entityアライメントによる型付きアンサンブルトリプル表現を提案する。 我々のフレームワークは三重要素の役割の多様性をモデル化するために三重要素の強化を利用する。 我々のフレームワークは、3つの実世界の言語間データセットの実験において最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2023-05-02T15:56:11Z)
• IXA/Cogcomp at SemEval-2023 Task 2: Context-enriched Multilingual Named Entity Recognition using Knowledge Bases [53.054598423181844]
  3つのステップからなる新しいNERカスケードアプローチを提案する。 我々は、細粒度および新興物質を正確に分類する上で、外部知識基盤の重要性を実証的に示す。 本システムは,低リソース言語設定においても,マルチコネラ2共有タスクにおいて頑健な性能を示す。
  論文  参考訳（メタデータ） (2023-04-20T20:30:34Z)
• Cross-lingual Entity Alignment with Incidental Supervision [76.66793175159192]
  本稿では,多言語KGとテキストコーパスを共通埋め込み方式で共同で表現する,偶発的に教師付きモデルであるJEANSを提案する。 ベンチマークデータセットの実験では、JEANSがエンティティアライメントとインシデントインシデントインシデントインスペクションの改善を期待できる結果となった。
  論文  参考訳（メタデータ） (2020-05-01T01:53:56Z)

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。