論文の概要: Inferring Substitutable and Complementary Products with Knowledge-Aware
Path Reasoning based on Dynamic Policy Network
- arxiv url: http://arxiv.org/abs/2110.03276v1
- Date: Thu, 7 Oct 2021 09:00:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-08 15:46:03.940905
- Title: Inferring Substitutable and Complementary Products with Knowledge-Aware
Path Reasoning based on Dynamic Policy Network
- Title（参考訳）: 動的ポリシーネットワークに基づく知識認識経路推論による代替品・補商品の推測
- Authors: Zijing Yang, Jiabo Ye, Linlin Wang, Xin Lin, Liang He
- Abstract要約: ある製品に対して置換可能な相補的な製品を推測することは、レコメンダシステムにとって必須かつ基本的な関心事である。
既存のアプローチは知識グラフを利用して推論の証拠をより多く学ぶが、エレガントな意思決定戦略が欠如しているため、しばしば無効な推論に悩まされる。
本稿では、動的ポリシーネットワークを活用して知識グラフに対する明確な推論を行う新しい知識認識経路推論(KAPR)モデルを提案する。
- 参考スコア（独自算出の注目度）: 15.723090822315454
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Inferring the substitutable and complementary products for a given product is
an essential and fundamental concern for the recommender system. To achieve
this, existing approaches take advantage of the knowledge graphs to learn more
evidences for inference, whereas they often suffer from invalid reasoning for
lack of elegant decision making strategies. Therefore, we propose a novel
Knowledge-Aware Path Reasoning (KAPR) model which leverages the dynamic policy
network to make explicit reasoning over knowledge graphs, for inferring the
substitutable and complementary relationships. Our contributions can be
highlighted as three aspects. Firstly, we model this inference scenario as a
Markov Decision Process in order to accomplish a knowledge-aware path reasoning
over knowledge graphs. Secondly,we integrate both structured and unstructured
knowledge to provide adequate evidences for making accurate decision-making.
Thirdly, we evaluate our model on a series of real-world datasets, achieving
competitive performance compared with state-of-the-art approaches. Our code is
released on https://gitee.com/yangzijing flower/kapr/tree/master.
- Abstract（参考訳）: ある製品に対して置換可能で相補的な製品を推測することは、レコメンダシステムにとって必須かつ基本的な関心事である。
これを達成するために、既存のアプローチは知識グラフを利用して推論の証拠をより多く学ぶが、エレガントな意思決定戦略が欠如しているために、しばしば無効な推論に悩まされる。
そこで本稿では,動的ポリシーネットワークを活用して知識グラフ上で明示的な推論を行うことにより,置換可能かつ相補的関係を推定する,新しい知識認識経路推論(KAPR)モデルを提案する。
私たちの貢献は3つの側面として強調できます。
まず,この推論シナリオをマルコフ決定プロセスとしてモデル化し,知識グラフを用いた知識認識経路推定を実現する。
次に,構造化知識と非構造化知識を統合し,正確な意思決定を行うための十分な証拠を提供する。
第3に,実世界のデータセット上でのモデル評価を行い,最先端のアプローチと比較して競争力の高い性能を実現する。
私たちのコードはhttps://gitee.com/yangzijing flower/kapr/tree/masterでリリースしています。
関連論文リスト
- A Study of Situational Reasoning for Traffic Understanding [63.45021731775964]
トラフィック領域における状況推論のための3つの新しいテキストベースのタスクを考案する。
先行作業における言語推論タスクにまたがる一般化能力を示す知識強化手法を4つ採用する。
本稿では,データ分割におけるモデル性能の詳細な解析を行い,モデル予測を分類的に検討する。
論文 参考訳（メタデータ） (2023-06-05T01:01:12Z) - A Conceptual Model for End-to-End Causal Discovery in Knowledge Tracing [8.049552839071918]
我々は,知識追跡における因果発見問題の解決に向けて,予備的な一歩を踏み出した。
第3回NeurIPS 2022章「教育における学習経路の因果的洞察への挑戦」の項目の1つにその解決策が挙げられた。
論文 参考訳（メタデータ） (2023-05-11T21:20:29Z) - Neurosymbolic AI for Reasoning over Knowledge Graphs: A Survey [0.0]
本稿では,知識グラフ上でニューロシンボリック推論タスクを行う手法を調査し,それらを分類できる新しい分類法を提案する。
具体的には,(1)論理的にインフォームドされた埋め込みアプローチ,(2)論理的制約を伴う埋め込みアプローチ,(3)規則学習アプローチの3つの主要なカテゴリを提案する。
論文 参考訳（メタデータ） (2023-02-14T17:24:30Z) - Knowledge is Power, Understanding is Impact: Utility and Beyond Goals,
Explanation Quality, and Fairness in Path Reasoning Recommendation [12.925021362985987]
パス推論は、高次のユーザ-製品関係をモデル化する注目すべきレコメンデーションアプローチである。
トップ階層の会議で提案された3つの最先端のパス推論レコメンデーション手法を再現した。
我々は,推奨効用,目的,品質の説明,消費者および提供者の公正性を満足する程度について検討した。
論文 参考訳（メタデータ） (2023-01-14T16:18:46Z) - Prior Knowledge Guided Unsupervised Domain Adaptation [82.9977759320565]
本稿では,対象とするクラス分布に関する事前知識を利用できる知識誘導型非教師付きドメイン適応(KUDA)設定を提案する。
特に,対象領域におけるクラス分布に関する2種類の事前知識について考察する。
このような事前知識を用いて生成した擬似ラベルを精査する修正モジュールを提案する。
論文 参考訳（メタデータ） (2022-07-18T18:41:36Z) - MERIt: Meta-Path Guided Contrastive Learning for Logical Reasoning [63.50909998372667]
テキストの論理的ReasonIngに対して,Metaパスを用いたコントラスト学習手法であるMERItを提案する。
2つの新しい戦略が我々の手法の必須要素である。
論文 参考訳（メタデータ） (2022-03-01T11:13:00Z) - Combining Inductive and Deductive Reasoning for Query Answering over
Incomplete Knowledge Graphs [12.852658691077643]
非完全知識グラフ(KG)に対する埋め込み型クエリ応答の現在の手法は、帰納的推論のみに焦点を当てている。
埋め込みモデルの顕著な代表者に対する様々な統合戦略を提案する。
インダクティブ推論とインダクティブ推論の両方を必要とする設定の改善は、HITS@3で20%から55%に向上した。
論文 参考訳（メタデータ） (2021-06-26T16:05:44Z) - CO-NNECT: A Framework for Revealing Commonsense Knowledge Paths as
Explicitations of Implicit Knowledge in Texts [12.94206336329289]
我々は常識知識を知識パスとして活用し,文間の接続を確立する。
これらの接続は直接 (singlehop path) または中間概念 (multihop path) を必要とする。
論文 参考訳（メタデータ） (2021-05-07T10:43:43Z) - KRISP: Integrating Implicit and Symbolic Knowledge for Open-Domain
Knowledge-Based VQA [107.7091094498848]
VQAの最も難しい質問の1つは、質問に答えるために画像に存在しない外部の知識を必要とする場合です。
本研究では,解答に必要な知識が与えられたり記入されたりしないオープンドメイン知識を,トレーニング時やテスト時にも検討する。
知識表現と推論には2つのタイプがあります。
まず、トランスベースのモデルで教師なし言語事前トレーニングと教師付きトレーニングデータから効果的に学ぶことができる暗黙的な知識。
論文 参考訳（メタデータ） (2020-12-20T20:13:02Z) - KompaRe: A Knowledge Graph Comparative Reasoning System [85.72488258453926]
本稿では,複数の手がかりに対する共通点と矛盾点の推測を目的とした知識グラフの比較推論を提案する。
我々は,大規模な知識グラフに対して比較推論機能を提供する,最初のプロトタイプシステムであるKompaReを開発した。
論文 参考訳（メタデータ） (2020-11-06T04:57:37Z) - A Simple Approach to Case-Based Reasoning in Knowledge Bases [56.661396189466664]
我々は,古典人工知能(AI)におけるケースベース推論を想起させる,アンフノトレーニングを必要とする知識グラフ(KG)における推論に対する驚くほど単純かつ正確なアプローチを提案する。
ソースエンティティとバイナリ関係が与えられたターゲットエンティティを見つけるタスクを考えてみましょう。
我々の非パラメトリックなアプローチは、与えられた関係を通して類似したソースエンティティを接続する複数のテキストトグラフパスパターンを見つけることによって、クエリ毎にクレープな論理ルールを導出します。
論文 参考訳（メタデータ） (2020-06-25T06:28:09Z)
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。