論文の概要: Time in a Box: Advancing Knowledge Graph Completion with Temporal Scopes
- arxiv url: http://arxiv.org/abs/2111.06854v1
- Date: Fri, 12 Nov 2021 18:17:07 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-15 14:11:06.063566
- Title: Time in a Box: Advancing Knowledge Graph Completion with Temporal Scopes
- Title（参考訳）: Time in a Box: 時間スコープによる知識グラフ補完の改善
- Authors: Ling Cai, Krzysztof Janowic, Bo Yan, Rui Zhu and Gengchen Mai
- Abstract要約: Timeは、特定の期間に正しい回答を抽出するのに役立つフィルターである。
応答エンティティの集合を表すボックスを時間依存クエリに導入する。
提案手法は,リンク予測と時間予測の両方において,最先端(SOTA)手法よりも優れていることを示す。
- 参考スコア（独自算出の注目度）: 9.697584333221455
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Almost all statements in knowledge bases have a temporal scope during which
they are valid. Hence, knowledge base completion (KBC) on temporal knowledge
bases (TKB), where each statement \textit{may} be associated with a temporal
scope, has attracted growing attention. Prior works assume that each statement
in a TKB \textit{must} be associated with a temporal scope. This ignores the
fact that the scoping information is commonly missing in a KB. Thus prior work
is typically incapable of handling generic use cases where a TKB is composed of
temporal statements with/without a known temporal scope. In order to address
this issue, we establish a new knowledge base embedding framework, called
TIME2BOX, that can deal with atemporal and temporal statements of different
types simultaneously. Our main insight is that answers to a temporal query
always belong to a subset of answers to a time-agnostic counterpart. Put
differently, time is a filter that helps pick out answers to be correct during
certain periods. We introduce boxes to represent a set of answer entities to a
time-agnostic query. The filtering functionality of time is modeled by
intersections over these boxes. In addition, we generalize current evaluation
protocols on time interval prediction. We describe experiments on two datasets
and show that the proposed method outperforms state-of-the-art (SOTA) methods
on both link prediction and time prediction.
- Abstract（参考訳）: 知識ベースにおけるほぼ全てのステートメントは、それらが有効な時間的スコープを持つ。
したがって、各文 \textit{may} が時間的スコープと関連付けられる時間的知識ベース(tkb)上の知識ベース補完(kbc)が注目されている。
先行研究では、tkb \textit{must} の各文は時間的スコープと関連付けられると仮定している。
これは、スコーピング情報がKBに欠落しているという事実を無視している。
したがって、以前の作業は通常、TKBが既知の時間的スコープを持たない時間的ステートメントで構成されている一般的なユースケースを扱うことができない。
この問題に対処するため,TIME2BOXと呼ばれる新たな知識ベース埋め込みフレームワークを構築し,異なるタイプの時間的・時間的文を同時に処理する。
私たちの主要な洞察は、時間的なクエリに対する回答は、常に時間に依存しない回答のサブセットに属します。
別の言い方をすれば、時間は特定の期間に正しい答えを抽出するのに役立つフィルターである。
応答エンティティの集合を表すボックスを時間依存クエリに導入する。
時間のフィルタリング機能は、これらのボックス上の交差点によってモデル化される。
さらに,現在の評価プロトコルを時間間隔予測に一般化する。
提案手法は,リンク予測と時間予測の両方において,最先端(SOTA)手法より優れていることを示す。
関連論文リスト
- Joint Multi-Facts Reasoning Network For Complex Temporal Question
Answering Over Knowledge Graph [34.44840297353777]
時間的知識グラフ(TKG)は、時間範囲をアタッチすることで、通常の知識グラフの拡張である。
textbfunderlineMulti textbfunderlineFacts textbfunderlineReasoning textbfunderlineNetwork (JMFRN)を提案する。
論文 参考訳（メタデータ） (2024-01-04T11:34:39Z) - More than Classification: A Unified Framework for Event Temporal
Relation Extraction [61.44799147458621]
イベント時間関係抽出(ETRE)は通常、マルチラベル分類タスクとして定式化される。
イベントの開始点と終了点を使ってすべての関係を解釈できることを観察する。
本稿では,時間関係を時間点の論理的表現に変換するイベント時間関係抽出フレームワークを提案する。
論文 参考訳（メタデータ） (2023-05-28T02:09:08Z) - HiSMatch: Historical Structure Matching based Temporal Knowledge Graph
Reasoning [59.38797474903334]
本稿では,textbfHistorical textbfStructure textbfMatching (textbfHiSMatch)モデルを提案する。
クエリと候補エンティティの履歴構造に含まれる意味情報をキャプチャするために、2つの構造エンコーダを適用する。
6つのベンチマークデータセットの実験では、提案されたHiSMatchモデルが、最先端のベースラインと比較して最大5.6%のパフォーマンス改善を達成している。
論文 参考訳（メタデータ） (2022-10-18T09:39:26Z) - Semantic Framework based Query Generation for Temporal Question
Answering over Knowledge Graphs [19.851986862305623]
本稿では,提案するエンティティの関連事実を探索し,問合せグラフを生成する時間的質問応答手法であるSF-TQAを提案する。
評価の結果,SF-TQAは知識グラフの異なる2つのベンチマークにおいて既存手法よりも有意に優れていた。
論文 参考訳（メタデータ） (2022-10-10T08:40:28Z) - Targeted Extraction of Temporal Facts from Textual Resources for
Improved Temporal Question Answering over Knowledge Bases [21.108609901224572]
知識ベース質問回答システム(KBQA)は、知識ベース(KB)から取得した関連事実を推論することで、複雑な自然言語質問に答えることを目的としている。
これらのシステムで直面する大きな課題の1つは、不完全なKBとエンティティ/リレーショナルリンクエラーによって、関連するすべての事実を検索できないことである。
本稿では,KBから時間的事実を取り出すのに失敗した場合にKBQAを支援するために,対象の時間的事実抽出技術を用いる手法を提案する。
論文 参考訳（メタデータ） (2022-03-21T15:26:35Z) - A Benchmark for Generalizable and Interpretable Temporal Question
Answering over Knowledge Bases [67.33560134350427]
TempQA-WDは時間的推論のためのベンチマークデータセットである。
Wikidataは、最も頻繁にキュレーションされ、公開されている知識ベースである。
論文 参考訳（メタデータ） (2022-01-15T08:49:09Z) - Time Series Analysis via Network Science: Concepts and Algorithms [62.997667081978825]
本稿では,時系列をネットワークに変換する既存のマッピング手法について概観する。
我々は、主要な概念的アプローチを説明し、権威的な参照を提供し、統一された表記法と言語におけるそれらの利点と限界について洞察を与える。
ごく最近の研究だが、この研究領域には大きな可能性を秘めており、今後の研究の道を開くことを目的としている。
論文 参考訳（メタデータ） (2021-10-11T13:33:18Z) - A Dataset for Answering Time-Sensitive Questions [88.95075983560331]
時間とは、我々の物理的世界において重要な次元である。多くの事実が時間に関して進化することができる。
時間次元を考慮し、既存のQAモデルに時間とともに推論する権限を与えることが重要です。
既存のQAデータセットには、時間に敏感な質問がほとんどないため、モデルの時間的推論能力の診断やベンチマークには適さない。
論文 参考訳（メタデータ） (2021-08-13T16:42:25Z) - The Semantic Adjacency Criterion in Time Intervals Mining [70.13948372218849]
SAC(Semantic Adjacency Criterion)と呼ばれる頻繁な時間パターン発見過程における新たなプルーニング制約を提案する。
我々は3つのSACバージョンを定義し、その効果を3つの医学領域で検証した。
論文 参考訳（メタデータ） (2021-01-11T12:23:49Z) - Temporal Knowledge Base Completion: New Algorithms and Evaluation
Protocols [36.52445566431404]
リンク予測(リンク予測)と時間間隔(時間予測)を共同時間知識ベース(TKBC)タスクとして検討する。
本稿では, 時間を考慮したKBC法であるTIMEPlexを提案する。
既存のTKBCモデルでは,不完全な評価機構によりリンク予測性能が大幅に過大評価されている。
そこで本研究では,リンクおよび時間予測タスクのための改良されたTKBC評価プロトコルを提案する。
論文 参考訳（メタデータ） (2020-05-02T11:18:47Z) - Tensor Decompositions for temporal knowledge base completion [18.09363207672722]
我々は,新しい正規化方式を導入し,最先端性能を実現するComplEx(Trouillon et al., 2016)の拡張を提案する。
また,Wikidataから構築した知識ベース補完のための新しいデータセットを提案する。
論文 参考訳（メタデータ） (2020-04-10T07:09:30Z)
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。