論文の概要: InterHT: Knowledge Graph Embeddings by Interaction between Head and Tail Entities

• arxiv url: http://arxiv.org/abs/2202.04897v1
• Date: Thu, 10 Feb 2022 08:40:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-11 15:12:01.625293
• Title: InterHT: Knowledge Graph Embeddings by Interaction between Head and Tail Entities
• Title（参考訳）: InterHT:頭と足のエンティティ間の相互作用による知識グラフ埋め込み
• Authors: Baoxin Wang, Qingye Meng, Ziyue Wang, Dayong Wu, Wanxiang Che, Shijin Wang, Zhigang Chen, Cong Liu
• Abstract要約: 距離に基づく手法は,リンク予測タスクにおいて有望な性能を示す。 これらのメソッドのほとんどは、モデルキャパシティを制限するヘッドエンティティとテールエンティティを別々に表現している。 我々は,頭と尾のエンティティがよりよく相互作用し,より優れたエンティティ表現を得ることを可能にする,InterHTという新しい距離ベース手法を提案する。
• 参考スコア（独自算出の注目度）: 46.057990076620406
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge graph embedding (KGE) models learn the representation of entities and relations in knowledge graphs. Distance-based methods show promising performance on link prediction task, which predicts the result by the distance between two entity representations. However, most of these methods represent the head entity and tail entity separately, which limits the model capacity. We propose a novel distance-based method named InterHT that allows the head and tail entities to interact better and get better entity representation. Experimental results show that our proposed method achieves the best results on ogbl-wikikg2 dataset.
• Abstract（参考訳）: 知識グラフ埋め込み(KGE)モデルは知識グラフにおける実体と関係の表現を学ぶ。 距離に基づく手法は、2つの実体表現間の距離によって結果を予測するリンク予測タスクにおいて有望な性能を示す。 しかしながら、これらのメソッドのほとんどは、モデルキャパシティを制限するヘッドエンティティとテールエンティティを別々に表現している。 我々は,頭と尾のエンティティがよりよく相互作用し,より優れたエンティティ表現を得ることを可能にする,InterHTという新しい距離ベース手法を提案する。 実験の結果,提案手法はogbl-wikikg2データセットにおいて最良の結果を得た。

関連論文リスト

• Relation-Aware Question Answering for Heterogeneous Knowledge Graphs [37.38138785470231]
  既存の検索に基づくアプローチは、異なるホップにおける特定の関係に集中することで、この課題を解決する。 我々は,現在の関係表現を強化するために,ヘッドテールエンティティや関係間の意味的関係からの情報を利用することができないと主張している。 当社のアプローチは,従来の最先端技術よりも大きなパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2023-12-19T08:01:48Z)
• Visual Commonsense based Heterogeneous Graph Contrastive Learning [79.22206720896664]
  視覚的推論タスクをより良く仕上げるための異種グラフコントラスト学習法を提案する。 本手法はプラグイン・アンド・プレイ方式として設計されており,多種多様な代表手法と迅速かつ容易に組み合わせることができる。
  論文  参考訳（メタデータ） (2023-11-11T12:01:18Z)
• HIORE: Leveraging High-order Interactions for Unified Entity Relation Extraction [85.80317530027212]
  本稿では,統合エンティティ関係抽出のための新しい手法であるHIOREを提案する。 重要な洞察は、単語ペア間の複雑な関連を活用することである。 実験の結果,HIOREは従来最高の統一モデルよりも1.11.8 F1ポイント向上した。
  論文  参考訳（メタデータ） (2023-05-07T14:57:42Z)
• Joint embedding in Hierarchical distance and semantic representation learning for link prediction [4.18621837986466]
  本稿では,リンク予測タスク,すなわちHIEのための新しい知識グラフ埋め込みモデルを提案する。 HIEは各三重項(テキスト、テキスト、テキスト)を同時に距離測定空間と意味測定空間にモデル化する。 HIEは階層的な空間に導入され、より優れた表現学習のためにエンティティと関係の豊富な階層情報を活用する。
  論文  参考訳（メタデータ） (2023-03-28T00:42:29Z)
• TransHER: Translating Knowledge Graph Embedding with Hyper-Ellipsoidal Restriction [14.636054717485207]
  本稿では知識グラフ埋め込みのための新しいスコア関数TransHERを提案する。 我々のモデルでは、まずエンティティを2つの別々の超楕円体にマッピングし、その1つについて関係特異的な翻訳を行う。 実験結果から,TransHERは最先端のパフォーマンスを実現し,異なる領域やスケールのデータセットに一般化可能であることが示された。
  論文  参考訳（メタデータ） (2022-04-27T22:49:27Z)
• EchoEA: Echo Information between Entities and Relations for Entity Alignment [1.1470070927586016]
  本稿では,エンティティ情報を関係に拡散し,エンティティにエコーバックする自己認識機構を活用した新しいフレームワーク Echo Entity Alignment (EchoEA) を提案する。 3つの実世界のクロスランガルデータセットの実験結果は、平均して96%で安定している。
  論文  参考訳（メタデータ） (2021-07-07T07:34:21Z)
• HittER: Hierarchical Transformers for Knowledge Graph Embeddings [85.93509934018499]
  複雑な知識グラフにおける実体と関係の表現を学習するためにHittを提案する。 実験結果から,Hittは複数リンク予測において最先端の新たな結果が得られることがわかった。 さらに,HittをBERTに統合する簡単なアプローチを提案し,その効果を2つのFreebaseファクトイド対応データセットで示す。
  論文  参考訳（メタデータ） (2020-08-28T18:58:15Z)
• Bipartite Flat-Graph Network for Nested Named Entity Recognition [94.91507634620133]
  ネスト型名前付きエンティティ認識(NER)のためのバイパートフラットグラフネットワーク(BiFlaG) ネストされた名前付きエンティティ認識(NER)のためのバイパーティライトフラットグラフネットワーク(BiFlaG)を提案する。
  論文  参考訳（メタデータ） (2020-05-01T15:14:22Z)
• Relational Message Passing for Knowledge Graph Completion [78.47976646383222]
  本稿では,知識グラフ補完のためのリレーショナルメッセージパッシング手法を提案する。 エッジ間でリレーショナルメッセージを反復的に送信し、近隣情報を集約する。 その結果,本手法は最先端の知識完成手法よりも大きなマージンで優れていることがわかった。
  論文  参考訳（メタデータ） (2020-02-17T03:33:41Z)

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。