論文の概要: Exploiting Transitivity Constraints for Entity Matching in Knowledge
Graphs
- arxiv url: http://arxiv.org/abs/2104.12589v1
- Date: Thu, 22 Apr 2021 10:57:01 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-27 14:26:43.176342
- Title: Exploiting Transitivity Constraints for Entity Matching in Knowledge
Graphs
- Title(参考訳): 知識グラフにおけるエンティティマッチングのための推移制約の活用
- Authors: Jurian Baas, Mehdi Dastani, Ad Feelders
- Abstract要約: 特定された実体対に対する過渡性のアドホックな実施は、精度を劇的に低下させる可能性があることを示した。
提案手法は,与えられた類似度尺度から始まり,同一実世界のオブジェクトを参照していると認識されたエンティティペアのセットを生成し,クラスタ編集アルゴリズムを適用し,スプリアスリンクを多数追加することなく推移性を実現する。
- 参考スコア(独自算出の注目度): 1.7080853582489066
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The goal of entity matching in knowledge graphs is to identify entities that
refer to the same real-world objects using some similarity metric. The result
of entity matching can be seen as a set of entity pairs interpreted as the
same-as relation. However, the identified set of pairs may fail to satisfy some
structural properties, in particular transitivity, that are expected from the
same-as relation. In this work, we show that an ad-hoc enforcement of
transitivity, i.e. taking the transitive closure, on the identified set of
entity pairs may decrease precision dramatically. We therefore propose a
methodology that starts with a given similarity measure, generates a set of
entity pairs that are identified as referring to the same real-world objects,
and applies the cluster editing algorithm to enforce transitivity without
adding many spurious links, leading to overall improved performance.
- Abstract(参考訳): 知識グラフにおけるエンティティマッチングの目標は、類似度メトリックを使用して同じ現実世界のオブジェクトを参照するエンティティを特定することである。
エンティティマッチングの結果は、同じ関係として解釈されるエンティティペアの集合と見なすことができる。
しかし、同定されたペアの集合は、同じ関係から期待されるいくつかの構造的性質、特に推移性を満たすことができないかもしれない。
本研究では,移動性のアドホックな実施,すなわち移動性を示す。
トランジショナル・クロージャを取れば 特定されたエンティティ・ペアのセットで 精度が劇的に低下する
そこで我々は,与えられた類似度尺度から開始し,同一実世界のオブジェクトを参照していると認識されたエンティティ対を生成し,クラスタ編集アルゴリズムを適用し,スプリアスリンクを多数追加することなく推移性を実現する手法を提案する。
関連論文リスト
- SpEL: Structured Prediction for Entity Linking [5.112679200269861]
我々は,個々の入力トークンをエンティティとして分類するエンティティリンクの構造化予測の利用を再検討し,トークン予測を集約する。
我々のシステムであるSpELは最先端のエンティティリンクシステムであり、いくつかの新しいアイデアを用いてエンティティリンクのタスクに構造化予測を適用する。
実験の結果,WikipediaへのエンティティリンクのためのAIDAベンチマークデータセットでは,最先端のAIDAよりも優れていることがわかった。
論文 参考訳(メタデータ) (2023-10-23T08:24:35Z) - 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) - Neural Constraint Satisfaction: Hierarchical Abstraction for
Combinatorial Generalization in Object Rearrangement [75.9289887536165]
基礎となるエンティティを明らかにするための階層的抽象化手法を提案する。
本研究では,エージェントのモデルにおける実体の状態の介入と,環境中の物体に作用する状態の対応関係を学習する方法を示す。
この対応を利用して、オブジェクトの異なる数や構成に一般化する制御法を開発する。
論文 参考訳(メタデータ) (2023-03-20T18:19:36Z) - Exploiting Global Semantic Similarities in Knowledge Graphs by
Relational Prototype Entities [55.952077365016066]
実証的な観察では、頭と尾のエンティティが同じ関係で結ばれている場合、しばしば同様の意味的属性を共有する。
我々は、textittextbfrelational prototype entityと呼ばれる仮想ノードのセットを導入する新しいアプローチを提案する。
エンティティの埋め込みを、関連するプロトタイプの埋め込みに近づけることで、私たちのアプローチは、エンティティのグローバルな意味的類似性を効果的に促進できる。
論文 参考訳(メタデータ) (2022-06-16T09:25:33Z) - Duality-Induced Regularizer for Semantic Matching Knowledge Graph
Embeddings [70.390286614242]
本稿では, 類似のセマンティクスを持つエンティティの埋め込みを効果的に促進する新しい正規化器(duality-induced RegulArizer (DURA))を提案する。
実験により、DURAは、最先端のセマンティックマッチングモデルの性能を一貫して改善することを示した。
論文 参考訳(メタデータ) (2022-03-24T09:24:39Z) - Relation Regularized Scene Graph Generation [206.76762860019065]
SGG(Scene Graph Generation)は、検出されたオブジェクトの上に構築され、オブジェクトのペアの視覚的関係を予測する。
本稿では,2つのオブジェクト間の関係を予測できる関係正規化ネットワーク(R2-Net)を提案する。
我々のR2-Netはオブジェクトラベルを効果的に洗練し、シーングラフを生成する。
論文 参考訳(メタデータ) (2022-02-22T11:36:49Z) - Informed Multi-context Entity Alignment [27.679124991733907]
Informed Multi-context Entity Alignment (IMEA)モデルを提案する。
特にTransformerを導入し、関係、経路、近傍のコンテキストを柔軟にキャプチャする。
総論的推論は、埋め込み類似性と関係性/整合性の両方の機能に基づいてアライメント確率を推定するために用いられる。
いくつかのベンチマークデータセットの結果は、既存の最先端エンティティアライメント手法と比較して、IMEAモデルの優位性を示している。
論文 参考訳(メタデータ) (2022-01-02T06:29:30Z) - Cross-Supervised Joint-Event-Extraction with Heterogeneous Information
Networks [61.950353376870154]
Joint-event- Extractは、トリガとエンティティのタグからなるタグセットを備えたシーケンスからシーケンスまでのラベリングタスクである。
トリガやエンティティの抽出を交互に監督するクロススーパーバイザードメカニズム(CSM)を提案する。
我々の手法は、エンティティとトリガー抽出の両方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) (2020-10-13T11:51:17Z) - End-to-End Entity Linking and Disambiguation leveraging Word and
Knowledge Graph Embeddings [20.4826750211045]
我々は,KGと単語埋め込みを併用した最初のエンドツーエンドニューラルネットワークアプローチを提案し,単純な質問の結合関係と実体分類を行う。
実験により,提案手法が最先端のエンティティリンクに匹敵する性能を実現することを示す。
論文 参考訳(メタデータ) (2020-02-25T19:07:54Z) - Relational Message Passing for Knowledge Graph Completion [78.47976646383222]
本稿では,知識グラフ補完のためのリレーショナルメッセージパッシング手法を提案する。
エッジ間でリレーショナルメッセージを反復的に送信し、近隣情報を集約する。
その結果,本手法は最先端の知識完成手法よりも大きなマージンで優れていることがわかった。
論文 参考訳(メタデータ) (2020-02-17T03:33:41Z)
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。