Fugu-MT 論文翻訳(概要): Putting RDF2vec in Order

論文の概要: Putting RDF2vec in Order

arxiv url: http://arxiv.org/abs/2108.05280v1
Date: Wed, 11 Aug 2021 15:27:55 GMT
ステータス: 処理完了
システム内更新日: 2021-08-12 14:50:12.577366
Title: Putting RDF2vec in Order
Title（参考訳）: RDF2vecの順序付け
Authors: Jan Portisch, Heiko Paulheim
Abstract要約: RDF2vecのトレーニングでは,これが欠点になるかも知れない,と私たちは主張する。順序を尊重するワード2vec変種を用いることで、かなりの性能向上が得られることを示す。
参考スコア（独自算出の注目度）: 1.52292571922932
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The RDF2vec method for creating node embeddings on knowledge graphs is based on word2vec, which, in turn, is agnostic towards the position of context words. In this paper, we argue that this might be a shortcoming when training RDF2vec, and show that using a word2vec variant which respects order yields considerable performance gains especially on tasks where entities of different classes are involved.
Abstract（参考訳）: 知識グラフ上にノード埋め込みを生成するRDF2vec法は、ワード2vecに基づいており、コンテキストワードの位置に対して非依存である。本稿では,RDF2vecをトレーニングする際の欠点として,順序を尊重するワード2vec変種を用いることで,特に異なるクラスのエンティティが関与するタスクにおいて,大幅な性能向上が期待できることを示す。

関連論文リスト

Contextual Document Embeddings [77.22328616983417]
本稿では,コンテキスト化された文書埋め込みのための2つの補完手法を提案する。第一に、文書近傍を明示的にバッチ内コンテキスト損失に組み込む別のコントラスト学習目標である。第二に、隣接する文書情報をエンコードされた表現に明示的にエンコードする新しいコンテキストアーキテクチャ。
論文参考訳（メタデータ） (2024-10-03T14:33:34Z)
FACTUAL: A Benchmark for Faithful and Consistent Textual Scene Graph Parsing [66.70054075041487]
画像キャプションをシーングラフに変換する既存のシーングラフは、しばしば2種類のエラーに悩まされる。まず、生成されたシーングラフはキャプションや対応する画像の真の意味を捉えず、忠実さの欠如をもたらす。第二に、生成されたシーングラフは一貫性が高く、同じセマンティクスは異なるアノテーションで表される。
論文参考訳（メタデータ） (2023-05-27T15:38:31Z)
Video Referring Expression Comprehension via Transformer with Content-aware Query [60.89442448993627]
ビデオ参照表現(REC)は、自然言語表現によって参照されるビデオフレーム内の対象物をローカライズすることを目的としている。現在のクエリ設計はサブオプティマであり、2つの欠点に悩まされている。フレーム全体に一定の数の学習可能なバウンディングボックスを設置し,実りある手がかりを提供するために,アライメントされた領域特徴を用いる。
論文参考訳（メタデータ） (2022-10-06T14:45:41Z)
Entity Type Prediction Leveraging Graph Walks and Entity Descriptions [4.147346416230273]
textitGRANDは、RDF2vecの異なるグラフウォーク戦略とテキストエンティティ記述を利用したエンティティ型付けの新しいアプローチである。提案手法は,細粒度クラスと粗粒度クラスの両方において,KGにおけるエンティティ型付けのためのベンチマークデータセットDBpediaとFIGERのベースラインアプローチよりも優れている。
論文参考訳（メタデータ） (2022-07-28T13:56:55Z)
Walk this Way! Entity Walks and Property Walks for RDF2vec [2.3605348648054463]
RDF2vecは知識グラフの埋め込み機構である。本稿では,e-walkとp-walkの2種類の新しいフレーバーについて紹介する。合計12種類のRDF2vec変異体を用いて予備評価を行った。
論文参考訳（メタデータ） (2022-04-05T14:51:34Z)
Skip Vectors for RDF Data: Extraction Based on the Complexity of Feature Patterns [0.0]
Resource Description Framework(RDF)は、Web上のリソースの属性や関連性などのメタデータを記述するためのフレームワークである。本研究では,近隣のエッジとノードの様々な組み合わせを抽出することにより,RDFグラフ内の各リソースの特徴を表す新しい特徴ベクトル(スキップベクトル)を提案する。分類タスクは、SVM、k-nearest neighbors法、ニューラルネットワーク、ランダムフォレスト、AdaBoostなどの従来の機械学習アルゴリズムに、各リソースの低次元スキップベクトルを適用することで行うことができる。
論文参考訳（メタデータ） (2022-01-06T10:07:49Z)
Dependency Parsing based Semantic Representation Learning with Graph Neural Network for Enhancing Expressiveness of Text-to-Speech [49.05471750563229]
文の依存性関係を考慮したグラフニューラルネットワークに基づく意味表現学習手法を提案する。提案手法は,LJSpeech と Bilzzard Challenge 2013 のデータセットにおいて,バニラBERT の機能をベースラインより優れていることを示す。
論文参考訳（メタデータ） (2021-04-14T13:09:51Z)
Keyphrase Extraction with Dynamic Graph Convolutional Networks and Diversified Inference [50.768682650658384]
キーワード抽出(KE)は、ある文書でカバーされている概念やトピックを正確に表現するフレーズの集合を要約することを目的としている。最近のシークエンス・ツー・シークエンス(Seq2Seq)ベースの生成フレームワークはKEタスクで広く使われ、様々なベンチマークで競合性能を得た。本稿では,この2つの問題を同時に解くために,動的グラフ畳み込みネットワーク(DGCN)を採用することを提案する。
論文参考訳（メタデータ） (2020-10-24T08:11:23Z)
DART: Open-Domain Structured Data Record to Text Generation [91.23798751437835]
82k以上のインスタンス(DART)を持つオープンドメイン構造化DAta Record to Text生成データセットであるDARTを提案する。本稿では,テーブルヘッダとテーブルタイトル間の意味的依存関係を利用して,その構造を符号化するテーブルから意味的三重項を抽出する手法を提案する。我々のデータセット構築フレームワークは、オープンドメイン意味解析と対話行動に基づく意味表現タスクからヘテロジニアスソースを効果的に統合する。
論文参考訳（メタデータ） (2020-07-06T16:35:30Z)
A Novel Approach for Generating SPARQL Queries from RDF Graphs [0.0]
この研究は、研究マスターの論文プロジェクトの一部として行われている。目標は、RDFグラフをクエリするために、ユーザが提供するキーワードに基づいてSPARQLクエリを生成することだ。
論文参考訳（メタデータ） (2020-05-30T18:28:49Z)
Towards Exploiting Implicit Human Feedback for Improving RDF2vec Embeddings [2.3605348648054463]
RDF2vecは、RDF知識グラフからベクトル空間埋め込みを作成する技術である。本稿では,外縁重みを用いたランダムウォークの誘導について検討する。
論文参考訳（メタデータ） (2020-04-09T08:39:19Z)

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。