Fugu-MT 論文翻訳(概要): Billion-scale Pre-trained E-commerce Product Knowledge Graph Model

論文の概要: Billion-scale Pre-trained E-commerce Product Knowledge Graph Model

arxiv url: http://arxiv.org/abs/2105.00388v1
Date: Sun, 2 May 2021 04:28:22 GMT
ステータス: 処理完了
システム内更新日: 2021-05-04 14:06:55.158223
Title: Billion-scale Pre-trained E-commerce Product Knowledge Graph Model
Title（参考訳）: 数十億ドル規模の事前訓練Eコマース製品知識グラフモデル
Authors: Wen Zhang, Chi-Man Wong, Ganqiang Ye, Bo Wen, Wei Zhang, Huajun Chen
Abstract要約: 電子商取引製品知識グラフのための事前学習知識グラフモデル(PKGM)。 PKGMは、知識グラフのトリプルデータにアクセスせずに、埋め込みベースのモデルに一様にアイテムナレッジサービスを提供する。我々は,PKGMを項目分類,同一項目識別,レコメンデーションを含む3つの知識関連タスクでテストする。
参考スコア（独自算出の注目度）: 13.74839302948699
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In recent years, knowledge graphs have been widely applied to organize data in a uniform way and enhance many tasks that require knowledge, for example, online shopping which has greatly facilitated people's life. As a backbone for online shopping platforms, we built a billion-scale e-commerce product knowledge graph for various item knowledge services such as item recommendation. However, such knowledge services usually include tedious data selection and model design for knowledge infusion, which might bring inappropriate results. Thus, to avoid this problem, we propose a Pre-trained Knowledge Graph Model (PKGM) for our billion-scale e-commerce product knowledge graph, providing item knowledge services in a uniform way for embedding-based models without accessing triple data in the knowledge graph. Notably, PKGM could also complete knowledge graphs during servicing, thereby overcoming the common incompleteness issue in knowledge graphs. We test PKGM in three knowledge-related tasks including item classification, same item identification, and recommendation. Experimental results show PKGM successfully improves the performance of each task.
Abstract（参考訳）: 近年、知識グラフは、人々の生活を大いに促進するオンラインショッピングなど、知識を必要とする多くのタスクを強化し、統一的な方法でデータを整理するために広く応用されている。オンラインショッピングプラットフォームのバックボーンとして、アイテムレコメンデーションなどのさまざまなアイテム知識サービスのための10億規模のeコマース製品ナレッジグラフを構築しました。しかし、そのような知識サービスは通常、退屈なデータ選択と知識注入のためのモデル設計を含んでおり、不適切な結果をもたらす可能性がある。そこで本研究では,10億規模のeコマース製品知識グラフを対象とした事前学習型知識グラフモデル(PKGM)を提案する。特に、PKGMはサーベイリング中に知識グラフを完成させ、知識グラフの共通不完全性問題を克服できる。我々は,PKGMを項目分類,同一項目識別,レコメンデーションを含む3つの知識関連タスクでテストする。実験の結果,pkgmは各タスクの性能を向上できた。

関連論文リスト

Hierarchical Knowledge Graph Construction from Images for Scalable E-Commerce [17.97354500453661]
生の製品画像から構造化された製品知識グラフを構築するための新しい手法を提案する。この手法は視覚言語モデル(VLM)と大規模言語モデル(LLM)の最近の進歩を協調的に活用する。
論文参考訳（メタデータ） (2024-10-28T17:34:05Z)
KGrEaT: A Framework to Evaluate Knowledge Graphs via Downstream Tasks [1.8722948221596285]
KGrEaTは、分類、クラスタリング、レコメンデーションといった実際の下流タスクを通じて知識グラフの品質を推定するフレームワークである。フレームワークは知識グラフを入力として、評価対象のデータセットに自動的にマップし、定義されたタスクのパフォーマンスメトリクスを計算する。
論文参考訳（メタデータ） (2023-08-21T07:43:10Z)
Recognizing Unseen Objects via Multimodal Intensive Knowledge Graph Propagation [68.13453771001522]
画像の領域と対応するセマンティック埋め込みとをマッチングする多モード集中型ZSLフレームワークを提案する。我々は、大規模な実世界のデータに基づいて、広範囲な実験を行い、そのモデルを評価する。
論文参考訳（メタデータ） (2023-06-14T13:07:48Z)
PKGM: A Pre-trained Knowledge Graph Model for E-commerce Application [22.3129874858367]
オンラインショッピングプラットフォームのTaobaoでは、数十億規模のeコマース製品知識グラフを構築しました。データを一様に整理し、アイテムレコメンデーションなどの様々なタスクにアイテムナレッジサービスを提供する。数十億の製品知識グラフを対象とした事前学習型知識グラフモデル(PKGM)を提案する。
論文参考訳（メタデータ） (2022-03-02T09:17:20Z)
Towards Loosely-Coupling Knowledge Graph Embeddings and Ontology-based Reasoning [15.703028753526022]
我々は、知識グラフの埋め込みにおけるデータ駆動力と、専門家や包摂体制から生じるドメイン固有の推論(OWL2)とを緩やかに結合することを提案する。最初の結果から,バニラ知識グラフ埋め込みのMRR精度を最大3倍に向上し,知識グラフ埋め込みとルールマイニング,最大3.5倍MRRの推論を組み合わせたハイブリッドソリューションより優れていた。
論文参考訳（メタデータ） (2022-02-07T14:01:49Z)
A Survey on Visual Transfer Learning using Knowledge Graphs [0.8701566919381223]
本調査は知識グラフ(KG)を用いた視覚伝達学習手法に焦点を当てる。 KGは、基礎となるグラフ構造化スキーマやベクトルベースの知識グラフの埋め込みにおいて補助的な知識を表現することができる。本稿では,知識グラフの埋め込み手法の概要を概説し,それらを高次元の視覚的埋め込みと組み合わせた共同学習の目的について述べる。
論文参考訳（メタデータ） (2022-01-27T20:19:55Z)
Conditional Attention Networks for Distilling Knowledge Graphs in Recommendation [74.14009444678031]
本稿では,知識グラフをレコメンデーションシステムに組み込むために,知識対応コンディショナルアテンションネットワーク(KCAN)を提案する。本研究では,まず,ユーザ・イテムネットワークとナレッジグラフのグローバルな意味的類似性を捉えるノード表現を得る。そして,そのサブグラフに条件付きアテンションアグリゲーションを適用することで,その知識グラフを改良し,目標固有ノード表現を得る。
論文参考訳（メタデータ） (2021-11-03T09:40:43Z)
Towards a Universal Continuous Knowledge Base [49.95342223987143]
複数のニューラルネットワークからインポートされた知識を格納できる継続的知識基盤を構築する方法を提案する。テキスト分類実験は有望な結果を示す。我々は複数のモデルから知識ベースに知識をインポートし、そこから融合した知識を単一のモデルにエクスポートする。
論文参考訳（メタデータ） (2020-12-25T12:27:44Z)
AutoKnow: Self-Driving Knowledge Collection for Products of Thousands of Types [127.99385433323859]
当社のAutoKnowは、製品に関する情報の整理に対処する自動(自動運転)システムです。このシステムには、分類学の構築、製品財産の識別、知識抽出、異常検出、同義語発見のための一連の新しい技術が含まれている。 AutoKnowは、1万以上の製品タイプの製品知識を収集している。
論文参考訳（メタデータ） (2020-06-24T04:35:17Z)
ENT-DESC: Entity Description Generation by Exploring Knowledge Graph [53.03778194567752]
実際には、出力記述が最も重要な知識のみをカバーするため、入力知識は十分以上である可能性がある。我々は、KG-to-textにおけるこのような実践的なシナリオの研究を容易にするために、大規模で挑戦的なデータセットを導入する。本稿では,元のグラフ情報をより包括的に表現できるマルチグラフ構造を提案する。
論文参考訳（メタデータ） (2020-04-30T14:16:19Z)
A Survey on Knowledge Graphs: Representation, Acquisition and Applications [89.78089494738002]
我々は,1)知識グラフ表現学習,2)知識獲得と完成,3)時間的知識グラフ,および4)知識認識アプリケーションに関する研究トピックをレビューする。知識獲得、特に知識グラフの完成、埋め込み方法、経路推論、論理ルール推論について概観する。メタラーニング、コモンセンス推論、時間的知識グラフなど、いくつかの新しいトピックを探求する。
論文参考訳（メタデータ） (2020-02-02T13:17:31Z)

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。