論文の概要: RMNA: A Neighbor Aggregation-Based Knowledge Graph Representation Learning Model Using Rule Mining

• arxiv url: http://arxiv.org/abs/2111.00658v1
• Date: Mon, 1 Nov 2021 02:08:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-02 14:02:02.608604
• Title: RMNA: A Neighbor Aggregation-Based Knowledge Graph Representation Learning Model Using Rule Mining
• Title（参考訳）: RMNA:ルールマイニングを用いた近隣アグリゲーションに基づく知識グラフ表現学習モデル
• Authors: Ling Chen, Jun Cui, Xing Tang, Chaodu Song, Yuntao Qian, Yansheng Li, and Yongjun Zhang
• Abstract要約: 隣り合う集約型表現学習(NARL)モデルを提案し、エンティティの隣人の情報をその埋め込みにエンコードする。 ルールマイニングアルゴリズムを用いてホルンルールを抽出・フィルタリングし,選択したホルンルールを用いて貴重なマルチホップ隣人からワンホップ隣人への変換を行う,RMNAというNARLモデルを提案する。
• 参考スコア（独自算出の注目度）: 9.702290899930608
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although the state-of-the-art traditional representation learning (TRL) models show competitive performance on knowledge graph completion, there is no parameter sharing between the embeddings of entities, and the connections between entities are weak. Therefore, neighbor aggregation-based representation learning (NARL) models are proposed, which encode the information in the neighbors of an entity into its embeddings. However, existing NARL models either only utilize one-hop neighbors, ignoring the information in multi-hop neighbors, or utilize multi-hop neighbors by hierarchical neighbor aggregation, destroying the completeness of multi-hop neighbors. In this paper, we propose a NARL model named RMNA, which obtains and filters horn rules through a rule mining algorithm, and uses selected horn rules to transform valuable multi-hop neighbors into one-hop neighbors, therefore, the information in valuable multi-hop neighbors can be completely utilized by aggregating these one-hop neighbors. In experiments, we compare RMNA with the state-of-the-art TRL models and NARL models. The results show that RMNA has a competitive performance.
• Abstract（参考訳）: 最先端の伝統的な表現学習(TRL)モデルは知識グラフの完成度において競争性能を示すが、実体の埋め込みの間にパラメータ共有はなく、実体間の接続が弱い。 そこで,隣接集約型表現学習(narl)モデルを提案する。 しかし、既存のNARLモデルは、複数のホップ隣人の情報を無視したり、階層的な隣人の集約によって、複数のホップ隣人の完全性を破壊したりする。 本稿では,ルールマイニングアルゴリズムを用いてホルンルールを取得しフィルタするRMNAというNARLモデルを提案する。また,選択されたホルンルールを用いて,貴重なマルチホップ隣人をワンホップ隣人に変換するので,これらのワンホップ隣人を集約することで,有意義なマルチホップ隣人の情報を完全に活用することができる。 実験では,RMNAと最先端TRLモデル,NARLモデルを比較した。 その結果,RMNAは競争力のある性能を示した。

関連論文リスト

• VN Network: Embedding Newly Emerging Entities with Virtual Neighbors [59.906332784508706]
  本稿では,3つの課題に対処するため,VN(Virtual Neighbor)ネットワークという新しいフレームワークを提案する。 まず、近隣の空間問題を減らすために、ルールによって推測される仮想隣人の概念を導入する。 第二に、複雑なパターンを捉えるために、論理と対称パスのルールの両方を識別する。
  論文  参考訳（メタデータ） (2024-02-21T03:04:34Z)
• Contrastive Neighborhood Alignment [81.65103777329874]
  本稿では,学習特徴のトポロジを維持するための多様体学習手法であるContrastive Neighborhood Alignment(CNA)を提案する。 対象モデルは、対照的な損失を用いて、ソース表現空間の局所構造を模倣することを目的としている。 CNAは3つのシナリオで説明される: 多様体学習、モデルが元のデータの局所的なトポロジーを次元還元された空間で維持する、モデル蒸留、小さな学生モデルがより大きな教師を模倣するために訓練される、レガシーモデル更新、より強力なモデルに置き換えられる、という3つのシナリオである。
  論文  参考訳（メタデータ） (2022-01-06T04:58:31Z)
• HRKD: Hierarchical Relational Knowledge Distillation for Cross-domain Language Model Compression [53.90578309960526]
  大規模事前学習言語モデル(PLM)は、従来のニューラルネットワーク手法と比較して圧倒的な性能を示している。 階層的および領域的関係情報の両方を抽出する階層的関係知識蒸留法(HRKD)を提案する。
  論文  参考訳（メタデータ） (2021-10-16T11:23:02Z)
• Relational Learning with Gated and Attentive Neighbor Aggregator for Few-Shot Knowledge Graph Completion [33.59045268013895]
  上記の問題に対処するために,グローバルローカルフレームワークを用いた数ショットのリレーショナル学習を提案する。 局所的な段階では、メタ学習に基づくTransH法は複雑な関係をモデル化し、数ショットの学習方式でモデルを訓練するように設計されている。 私たちのモデルは、NELL-Oneで8.0%、Wiki-Oneで2.8%のメトリクスHits@10による5ショットFKGCパフォーマンスの改善を達成しています。
  論文  参考訳（メタデータ） (2021-04-27T10:38:44Z)
• Learning Intents behind Interactions with Knowledge Graph for Recommendation [93.08709357435991]
  知識グラフ(KG)は、推薦システムにおいてますます重要な役割を果たす。 既存のGNNベースのモデルは、きめ細かいインテントレベルでのユーザ項目関係の特定に失敗します。 本稿では,新しいモデルである知識グラフベースインテントネットワーク(kgin)を提案する。
  論文  参考訳（メタデータ） (2021-02-14T03:21:36Z)
• Relation-Aware Neighborhood Matching Model for Entity Alignment [8.098825914119693]
  エンティティアライメントのための新しい関係認識型近傍マッチングモデル rnm を提案する。 提案するモデル rnm は最先端手法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2020-12-15T07:22:39Z)
• A Unified Model for Recommendation with Selective Neighborhood Modeling [9.367539466637664]
  そこで我々は、類似の隣人を異種(ノイズの多い)から自動的に分離するハイブリッドゲートネットワークを設計する、新しい近所ベースのレコメンデータを提案する。 提案モデルは,最先端の地域ベースレコメンデーションよりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-19T08:06:16Z)
• Local Neighbor Propagation Embedding [10.120548476934186]
  近接伝搬をLNPE(Local Neighbor propagation Embedding)に導入する。 LNPEは、1ドルのホップ隣人を$n$ホップ隣人に拡張することで、近所同士の局所的なつながりと相互作用を強化する。 実験により、LNPEはより忠実で堅牢な埋め込みを得ることができ、より優れた位相的および幾何学的性質が得られることが示された。
  論文  参考訳（メタデータ） (2020-06-29T12:49:22Z)
• Modeling Personalized Item Frequency Information for Next-basket Recommendation [63.94555438898309]
  次世代レコメンデーション(NBR)は、電子商取引や小売業界で一般的である。 既存のRNNでは,レコメンデーションシナリオにおいて,アイテムの周波数情報を直接キャプチャすることはできない。 我々はこれらの臨界信号を直接利用する簡単なアイテム周波数に基づくk-nearest neighbors (kNN)法を提案する。
  論文  参考訳（メタデータ） (2020-05-31T16:42:39Z)
• Neighborhood Matching Network for Entity Alignment [71.24217694278616]
  Neighborhood Matching Network (NMN)は、新しいエンティティアライメントフレームワークである。 NMNは、トポロジカル構造と近傍差の両方を捉えるために、エンティティ間の類似性を推定する。 まず、新しいグラフサンプリング法を用いて、各エンティティの識別的近傍を蒸留する。 その後、クロスグラフの近傍マッチングモジュールを採用し、与えられたエンティティペアの近傍差を共同で符号化する。
  論文  参考訳（メタデータ） (2020-05-12T08:26:15Z)

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。