論文の概要: Tree-Constrained Graph Neural Networks For Argument Mining
- arxiv url: http://arxiv.org/abs/2110.00124v1
- Date: Thu, 2 Sep 2021 08:56:25 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-10 17:28:11.544091
- Title: Tree-Constrained Graph Neural Networks For Argument Mining
- Title（参考訳）: Argument Miningのための木制約グラフニューラルネットワーク
- Authors: Federico Ruggeri, Marco Lippi, Paolo Torroni
- Abstract要約: 本稿では,木間類似度を,その共通部分構造であるフラグメントを考慮し,木間類似度を測定するという,ツリーカーネルの背景にある考え方に着想を得た,グラフニューラルネットワークの新しいアーキテクチャを提案する。
組込みを生成するノードソフト代入関数にフラグメントの概念を組み込んだプール機構を利用する。
- 参考スコア（独自算出の注目度）: 13.176658477920139
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: We propose a novel architecture for Graph Neural Networks that is inspired by
the idea behind Tree Kernels of measuring similarity between trees by taking
into account their common substructures, named fragments. By imposing a series
of regularization constraints to the learning problem, we exploit a pooling
mechanism that incorporates such notion of fragments within the node soft
assignment function that produces the embeddings. We present an extensive
experimental evaluation on a collection of sentence classification tasks
conducted on several argument mining corpora, showing that the proposed
approach performs well with respect to state-of-the-art techniques.
- Abstract（参考訳）: 本稿では,グラフニューラルネットワークのための新しいアーキテクチャを提案する。木核の背後にある概念に触発され,それらの共通部分構造であるフラグメントを考慮に入れて,木間の類似度を測定する。
学習問題に対して一連の正規化制約を課すことで、埋め込みを生成するノードソフト代入関数にそのようなフラグメントの概念を組み込んだプール機構を利用する。
本稿では,いくつかの引数マイニングコーパス上で行った文分類タスクの収集に関する広範囲な実験評価を行い,提案手法が最先端技術に対して有効であることを示す。
関連論文リスト
- Relational Composition in Neural Networks: A Survey and Call to Action [54.47858085003077]
多くのニューラルネットは、データを「機能ベクトル」の線形結合として表現しているように見える。
我々は、この成功は関係性の構成を理解せずに不完全であると主張する。
論文 参考訳（メタデータ） (2024-07-19T20:50:57Z) - Automatic Discovery of Visual Circuits [66.99553804855931]
本稿では,視覚モデルにおける視覚的概念の認識の基盤となる計算グラフのサブグラフを抽出するスケーラブルな手法について検討する。
提案手法は, モデル出力に因果的に影響を及ぼす回路を抽出し, これらの回路を編集することで, 敵攻撃から大きな事前学習モデルを守ることができることがわかった。
論文 参考訳（メタデータ） (2024-04-22T17:00:57Z) - Multiscale Dynamic Graph Representation for Biometric Recognition with
Occlusions [43.05765549682057]
咬合は、野生における生体認証の一般的な問題である。
本稿では,CNNとグラフモデルの両方の利点を統合した新しい統一フレームワークを提案する。
論文 参考訳（メタデータ） (2023-07-27T04:18:08Z) - Fisher Information Embedding for Node and Graph Learning [5.263910852465186]
本稿では,グラフのための新しい注目型ノード埋め込みフレームワークを提案する。
我々のフレームワークはノード周辺のサブグラフの多重集合のための階層的カーネル上に構築されている。
埋め込みの一般化性と表現性に関する理論的知見を提供する。
論文 参考訳（メタデータ） (2023-05-12T16:15:30Z) - Generative Modeling via Tree Tensor Network States [5.457842083043014]
木テンソルネットワーク状態に基づく密度推定フレームワークを提案する。
提案手法は,木トポロジーをChow-Liuアルゴリズムで決定し,スケッチ技術を用いてテンソルネットワークコンポーネントを定義する線形方程式系を得る。
論文 参考訳（メタデータ） (2022-09-03T06:15:27Z) - Reinforced Neighborhood Selection Guided Multi-Relational Graph Neural
Networks [68.9026534589483]
RioGNNはReinforceed, recursive, flexible neighborhood selection guided multi-relational Graph Neural Network architectureである。
RioGNNは、各関係の個々の重要性の認識により、説明性を高めた差別的なノード埋め込みを学ぶことができる。
論文 参考訳（メタデータ） (2021-04-16T04:30:06Z) - Tensor Decompositions in Recursive Neural Networks for Tree-Structured
Data [12.069862650316262]
木構造データから構造知識を符号化する2つの新しい集約関数を導入する。
2つの木分類タスクでテストを行い、木外度が増加する場合に提案したモデルの利点を示す。
論文 参考訳（メタデータ） (2020-06-18T15:40:32Z) - Graph Neural Networks with Composite Kernels [60.81504431653264]
カーネル重み付けの観点からノード集約を再解釈する。
本稿では,アグリゲーション方式における特徴類似性を考慮したフレームワークを提案する。
特徴空間における特徴類似性をエンコードするために,元の隣り合うカーネルと学習可能なカーネルの合成として特徴集約を提案する。
論文 参考訳（メタデータ） (2020-05-16T04:44:29Z) - Progressive Graph Convolutional Networks for Semi-Supervised Node
Classification [97.14064057840089]
グラフ畳み込みネットワークは、半教師付きノード分類のようなグラフベースのタスクに対処することに成功した。
本稿では,コンパクトかつタスク固有のグラフ畳み込みネットワークを自動構築する手法を提案する。
論文 参考訳（メタデータ） (2020-03-27T08:32:16Z) - Local Propagation in Constraint-based Neural Network [77.37829055999238]
ニューラルネットワークアーキテクチャの制約に基づく表現について検討する。
本稿では,いわゆるアーキテクチャ制約を満たすのに適した簡単な最適化手法について検討する。
論文 参考訳（メタデータ） (2020-02-18T16:47:38Z)
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。