論文の概要: Comparison research on binary relations based on transitive degrees and
cluster degrees
- arxiv url: http://arxiv.org/abs/2201.10315v1
- Date: Tue, 25 Jan 2022 13:39:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-26 22:57:55.639732
- Title: Comparison research on binary relations based on transitive degrees and
cluster degrees
- Title(参考訳): 推移度とクラスター度に基づく二項関係の比較研究
- Authors: Zhaohao Wang and Huifang Yue
- Abstract要約: インターバル値情報システム(Interval-valued Information System)は、単一値情報システムの一般化モデルである。
著者は、同じインターバル値情報システムから多くのバイナリ関係を確立することができる。
- 参考スコア(独自算出の注目度): 0.1269104766024433
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Interval-valued information systems are generalized models of single-valued
information systems. By rough set approach, interval-valued information systems
have been extensively studied. Authors could establish many binary relations
from the same interval-valued information system. In this paper, we do some
researches on comparing these binary relations so as to provide numerical
scales for choosing suitable relations in dealing with interval-valued
information systems. Firstly, based on similarity degrees, we compare the most
common three binary relations induced from the same interval-valued information
system. Secondly, we propose the concepts of transitive degree and cluster
degree, and investigate their properties. Finally, we provide some methods to
compare binary relations by means of the transitive degree and the cluster
degree. Furthermore, we use these methods to analyze the most common three
relations induced from Face Recognition Dataset, and obtain that $RF_{B}
^{\lambda}$ is a good choice when we deal with an interval-valued information
system by means of rough set approach.
- Abstract(参考訳): 区間値情報システムは、単値情報システムの一般化されたモデルである。
ラフセットアプローチにより、区間値情報システムの研究が盛んに行われている。
著者は同じインターバル値情報システムから多くのバイナリ関係を確立することができる。
本稿では,これらの二項関係を比較して,区間値情報システムにおいて適切な関係を選択するための数値尺度を提案する。
まず、類似度に基づいて、同じ間隔値情報システムから誘導される最も一般的な3つの二項関係を比較する。
次に,推移次数とクラスター次数の概念を提案し,それらの性質について考察する。
最後に,推移次数とクラスター次数を用いて二項関係を比較する手法を提案する。
さらに、これらの手法を用いて顔認識データセットから引き起こされる最も一般的な3つの関係を解析し、ラフセットアプローチにより区間値情報システムを扱う場合、$rf_{b} ^{\lambda}$ が良い選択であることを示す。
関連論文リスト
- Towards Realistic Low-resource Relation Extraction: A Benchmark with
Empirical Baseline Study [51.33182775762785]
本稿では,低リソース環境下での関係抽出システムを構築するための実証的研究について述べる。
低リソース環境での性能を評価するための3つのスキームについて検討する。 (i) ラベル付きラベル付きデータを用いた異なるタイプのプロンプトベース手法、 (ii) 長期分布問題に対処する多様なバランシング手法、 (iii) ラベル付きインドメインデータを生成するためのデータ拡張技術と自己学習。
論文 参考訳(メタデータ) (2022-10-19T15:46:37Z) - Hierarchical Relational Learning for Few-Shot Knowledge Graph Completion [25.905974480733562]
数ショットのKG完了のための階層的関係学習法(HiRe)を提案する。
3つのレベルの関係情報を共同で取得することで、HiReは、少数の関係のメタ表現を効果的に学習し、洗練することができる。
2つのベンチマークデータセットの実験は、HiReの他の最先端メソッドに対する優位性を検証する。
論文 参考訳(メタデータ) (2022-09-02T17:57:03Z) - voxel2vec: A Natural Language Processing Approach to Learning
Distributed Representations for Scientific Data [3.221413414619465]
科学データの関連性は複雑で複雑である。
voxel2vec は低次元ベクトル空間におけるスカラー値/スカラー値の組み合わせの分散表現を学習するために用いられる。
スカラー値/スカラー値の組み合わせをシンボルとして表現することで、voxel2vecは空間分布の文脈でそれらの類似性を学ぶ。
論文 参考訳(メタデータ) (2022-07-06T10:23:41Z) - Towards Similarity-Aware Time-Series Classification [51.2400839966489]
時系列データマイニングの基本課題である時系列分類(TSC)について検討する。
グラフニューラルネットワーク(GNN)を用いて類似情報をモデル化するフレームワークであるSimTSCを提案する。
論文 参考訳(メタデータ) (2022-01-05T02:14:57Z) - Discovering Latent Representations of Relations for Interacting Systems [2.2844557930775484]
本稿では,関係の数が不明であるか,多種類の関係が存在する場合でも柔軟に適用可能なDiScovering Latent Relation (DSLR)モデルを提案する。
DSLRモデルの柔軟性は、潜在空間におけるエンティティ間の関係を表すエンコーダの設計概念から来ています。
実験の結果,提案手法は未知の複素数を持つ動的グラフを解析するのに適していることがわかった。
論文 参考訳(メタデータ) (2021-11-10T03:32:09Z) - PAIR: Leveraging Passage-Centric Similarity Relation for Improving Dense
Passage Retrieval [87.68667887072324]
本稿では,クエリ中心とPAssage中心のsmilarity Relations(PAIR)を併用した新しい手法を提案する。
本稿では,2種類の類似性関係の形式的定式化を導入することにより,3つの主要な技術的貢献を行う。
MSMARCOとNatural Questionsの両方のデータセットにおいて、従来の最先端モデルよりも大幅に優れています。
論文 参考訳(メタデータ) (2021-08-13T02:07:43Z) - Integrating Semantics and Neighborhood Information with Graph-Driven
Generative Models for Document Retrieval [51.823187647843945]
本稿では,周辺情報をグラフ誘導ガウス分布でエンコードし,その2種類の情報をグラフ駆動生成モデルと統合することを提案する。
この近似の下では、トレーニング対象がシングルトンまたはペアワイズ文書のみを含む用語に分解可能であることを証明し、モデルが非関連文書と同じくらい効率的にトレーニングできることを示す。
論文 参考訳(メタデータ) (2021-05-27T11:29:03Z) - Learning with Instance Bundles for Reading Comprehension [61.823444215188296]
質問応答スコアを複数の関連インスタンスで比較する新しい監視手法を提案する。
具体的には、密接に対照的な質問や回答のさまざまな近所でこれらのスコアを正規化します。
2つのデータセット上のインスタンスバンドルによるトレーニングの有効性を実証的に実証する。
論文 参考訳(メタデータ) (2021-04-18T06:17:54Z) - Learning Informative Representations of Biomedical Relations with Latent
Variable Models [2.4366811507669115]
本稿では,任意に柔軟な分布を持つ潜在変数モデルを提案する。
我々のモデルは、パラメータが少なく、トレーニングがかなり速く、両方のタスクの強いベースラインと競合する結果が得られることを実証する。
論文 参考訳(メタデータ) (2020-11-20T08:56:31Z) - Pairwise Supervision Can Provably Elicit a Decision Boundary [84.58020117487898]
類似性学習は、パターンのペア間の関係を予測することによって有用な表現を引き出す問題である。
類似性学習は、決定境界を直接引き出すことによって二項分類を解くことができることを示す。
論文 参考訳(メタデータ) (2020-06-11T05:35:16Z) - Active Sampling for Pairwise Comparisons via Approximate Message Passing
and Information Gain Maximization [5.771869590520189]
本稿では、近似メッセージパッシングと期待情報ゲインに基づくアクティブサンプリングアルゴリズムASAPを提案する。
既存の手法と比較して,ASAPは推定スコアの精度が最も高いことを示す。
論文 参考訳(メタデータ) (2020-04-12T20:48:10Z)
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。