論文の概要: Macroeconomic forecasting with statistically validated knowledge graphs

• arxiv url: http://arxiv.org/abs/2104.10457v1
• Date: Wed, 21 Apr 2021 10:57:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-03 00:31:49.212055
• Title: Macroeconomic forecasting with statistically validated knowledge graphs
• Title（参考訳）: 統計的に検証された知識グラフを用いたマクロ経済予測
• Authors: Sonja Tilly, Giacomo Livan
• Abstract要約: 本研究は,グローバル新聞の物語を活用し,世界イベントに関するテーマベースの知識グラフを構築する。 このようなグラフから抽出した特徴は、多くのベンチマークと比較すると、三大経済における工業生産予測を改善している。 我々の研究は、社会経済システムにおける関連する現象の進化をリアルタイムで監視する、擬似的かつ情報的なテーマベースの知識グラフの構築のための青写真として機能する。
• 参考スコア（独自算出の注目度）: 11.4219428942199
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study leverages narrative from global newspapers to construct theme-based knowledge graphs about world events, demonstrating that features extracted from such graphs improve forecasts of industrial production in three large economies compared to a number of benchmarks. Our analysis relies on a filtering methodology that extracts "backbones" of statistically significant edges from large graph data sets. We find that changes in the eigenvector centrality of nodes in such backbones capture shifts in relative importance between different themes significantly better than graph similarity measures. We supplement our results with an interpretability analysis, showing that the theme categories "disease" and "economic" have the strongest predictive power during the time period that we consider. Our work serves as a blueprint for the construction of parsimonious - yet informative - theme-based knowledge graphs to monitor in real time the evolution of relevant phenomena in socio-economic systems.
• Abstract（参考訳）: 本研究は,世界の新聞のナラティブを活用し,世界イベントに関するテーマベースのナレッジグラフを構築し,これらのグラフから抽出した特徴が3大経済における産業生産の予測を改善することを示した。 解析は,統計学的に有意なエッジの"バックボーン"を大規模グラフデータセットから抽出するフィルタリング手法に依存している。 このようなバックボーン内のノードの固有ベクトル中心性の変化は、グラフ類似度測定よりも、異なるテーマ間の相対的重要性のシフトをかなり捉えている。 本研究の結果を解釈可能性分析により補足し, テーマカテゴリーの「消失」と「経済」が, 検討期間において最強の予測力を有することを示した。 我々の研究は、社会経済システムにおける関連する現象の進化をリアルタイムで監視する、擬似的かつ情報的なテーマベースの知識グラフの構築のための青写真として機能する。

関連論文リスト

• A Survey of Deep Graph Learning under Distribution Shifts: from Graph Out-of-Distribution Generalization to Adaptation [59.14165404728197]
  我々は,分散シフト下での深層グラフ学習について,最新かつ先見的なレビューを行う。 具体的には,グラフ OOD 一般化,トレーニング時グラフ OOD 適応,テスト時グラフ OOD 適応の3つのシナリオについて述べる。 文献の理解を深めるために,提案した分類に基づく既存モデルを体系的に分類した。
  論文  参考訳（メタデータ） (2024-10-25T02:39:56Z)
• Parametric Graph Representations in the Era of Foundation Models: A Survey and Position [69.48708136448694]
  グラフは、包括的なリレーショナルデータをモデル化するために、過去数十年間、ビッグデータとAIで広く使われてきた。 有意義なグラフ法則の同定は、様々な応用の有効性を著しく向上させることができる。
  論文  参考訳（メタデータ） (2024-10-16T00:01:31Z)
• Disentangled Structural and Featural Representation for Task-Agnostic Graph Valuation [9.633110326799992]
  我々は、共有ノード置換を用いて売り手と買い手のグラフを整列させる、ブラインドメッセージパッシングと呼ばれる新しいフレームワークを導入する。 次に、データ評価のための買い手と売り手のグラフの偉業的な側面を検討し、それらの統計的類似点と相違点を捉える。 当社のアプローチは、買い手と売り手がお互いのデータセットに気付かないことを保証するものです。
  論文  参考訳（メタデータ） (2024-08-22T18:05:41Z)
• CEGRL-TKGR: A Causal Enhanced Graph Representation Learning Framework for Improving Temporal Knowledge Graph Extrapolation Reasoning [1.6795461001108096]
  時間的知識グラフ推論(TKGR)のための革新的な因果拡張グラフ表現学習フレームワークを提案する。 まず、時間グラフ列における実体と関係の進化的表現を、2つの異なる成分、すなわち因果表現と共起表現に分解する。
  論文  参考訳（メタデータ） (2024-08-15T03:34:53Z)
• Graph Learning under Distribution Shifts: A Comprehensive Survey on Domain Adaptation, Out-of-distribution, and Continual Learning [53.81365215811222]
  グラフ学習の文脈における分布変化に対処する最新のアプローチ、戦略、洞察のレビューと要約を提供する。 既存のグラフ学習手法を,グラフ領域適応学習,グラフ配布学習,グラフ連続学習など,いくつかの重要なシナリオに分類する。 本稿では,この領域における現状を体系的に分析し,分散シフト下でのグラフ学習の可能性と今後の方向性について論じる。
  論文  参考訳（メタデータ） (2024-02-26T07:52:40Z)
• FairWire: Fair Graph Generation [18.6649050946022]
  この研究は、実グラフと合成グラフの両方における構造バイアスの分析と緩和に焦点を当てている。 同定されたバイアス要因を緩和するため、多目的な利用を提供する新しい公正正則化器を設計する。 本稿では, 公正な正規化器設計を生成モデルで活用することにより, 公正なグラフ生成フレームワークであるFairWireを提案する。
  論文  参考訳（メタデータ） (2024-02-06T20:43:00Z)
• A Survey of Imbalanced Learning on Graphs: Problems, Techniques, and Future Directions [64.84521350148513]
  グラフは、現実世界の無数に存在する相互接続構造を表す。 グラフ学習方法のような効果的なグラフ分析により、ユーザはグラフデータから深い洞察を得ることができる。 しかし、これらの手法はデータ不均衡に悩まされることが多く、グラフデータでは、あるセグメントが豊富なデータを持っているのに、他のセグメントが不足しているのが一般的な問題である。 これは、より正確で代表的な学習結果のために、これらのデータ分散スキューを補正することを目的として、グラフ上の不均衡学習の出現する分野を必要とする。
  論文  参考訳（メタデータ） (2023-08-26T09:11:44Z)
• A Survey on Fairness for Machine Learning on Graphs [2.3326951882644553]
  この調査は、リレーショナルデータに対する公平性に特化した最初の調査である。 グラフマイニングの公正性において、最先端技術に関する包括的なレビューを提示することを目的としている。
  論文  参考訳（メタデータ） (2022-05-11T10:40:56Z)
• Catastrophic Forgetting in Deep Graph Networks: an Introductory Benchmark for Graph Classification [12.423303337249795]
  グラフ表現学習シナリオにおける破滅的忘れ現象について検討する。 リプレイはこれまでのところ最も効果的な戦略であり、正規化の使用も最もメリットがあります。
  論文  参考訳（メタデータ） (2021-03-22T12:07:21Z)
• Hyperbolic Graph Embedding with Enhanced Semi-Implicit Variational Inference [48.63194907060615]
  半単純グラフ変分自動エンコーダを用いて,低次元グラフ潜在表現における高次統計量を取得する。 我々は、階層構造を示すグラフを効率的に表現するために、ポインケア埋め込みを通して潜在空間に双曲幾何学を組み込む。
  論文  参考訳（メタデータ） (2020-10-31T05:48:34Z)
• Deep Learning for Learning Graph Representations [58.649784596090385]
  グラフデータのマイニングはコンピュータ科学においてポピュラーな研究トピックとなっている。 ネットワークデータの膨大な量は、効率的な分析に大きな課題をもたらしている。 これはグラフ表現の出現を動機付け、グラフを低次元ベクトル空間にマッピングする。
  論文  参考訳（メタデータ） (2020-01-02T02:13:28Z)

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。