論文の概要: Knowledge Graph Embedding Methods for Entity Alignment: An Experimental Review

• arxiv url: http://arxiv.org/abs/2203.09280v2
• Date: Wed, 7 Jun 2023 10:20:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-08 20:30:16.404872
• Title: Knowledge Graph Embedding Methods for Entity Alignment: An Experimental Review
• Title（参考訳）: エンティティアライメントのための知識グラフ埋め込み手法:実験的レビュー
• Authors: Nikolaos Fanourakis, Vasilis Efthymiou, Dimitris Kotzinos, Vassilis Christophides
• Abstract要約: 我々は、エンティティアライメントのための一般的な埋め込み手法の最初のメタレベル解析を行う。 KGsにより抽出された様々なメタ機能と異なる埋め込み手法の統計的に有意な相関関係が明らかとなった。 テストベッドの全現実世界のKGで有効性に応じて統計的に有意なランク付けを行う。
• 参考スコア（独自算出の注目度）: 7.241438112282638
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, we have witnessed the proliferation of knowledge graphs (KG) in various domains, aiming to support applications like question answering, recommendations, etc. A frequent task when integrating knowledge from different KGs is to find which subgraphs refer to the same real-world entity. Recently, embedding methods have been used for entity alignment tasks, that learn a vector-space representation of entities which preserves their similarity in the original KGs. A wide variety of supervised, unsupervised, and semi-supervised methods have been proposed that exploit both factual (attribute based) and structural information (relation based) of entities in the KGs. Still, a quantitative assessment of their strengths and weaknesses in real-world KGs according to different performance metrics and KG characteristics is missing from the literature. In this work, we conduct the first meta-level analysis of popular embedding methods for entity alignment, based on a statistically sound methodology. Our analysis reveals statistically significant correlations of different embedding methods with various meta-features extracted by KGs and rank them in a statistically significant way according to their effectiveness across all real-world KGs of our testbed. Finally, we study interesting trade-offs in terms of methods' effectiveness and efficiency.
• Abstract（参考訳）: 近年,様々な分野における知識グラフ(kg)の普及が見られ,質問応答やレコメンデーションといったアプリケーションのサポートが目指されている。 異なるKGからの知識を統合するときの頻繁な課題は、どのサブグラフが同じ現実世界の実体を指すかを見つけることである。 近年,元のKGの類似性を保ったエンティティのベクトル空間表現を学習する,エンティティアライメントタスクに埋め込み手法が用いられている。 KGの実体の事実的(属性ベース)と構造的情報(関係ベース)の両方を活用する、さまざまな教師付き、教師なし、半教師付き手法が提案されている。 しかし,実世界のkgsの性能指標やkg特性により,実世界のkgsの長所と短所の定量的評価は文献から欠落している。 本研究では,統計的に健全な手法に基づいて,エンティティアライメントのための一般的な埋め込み手法の最初のメタレベル分析を行う。 そこで本研究では,KGsによって抽出された様々なメタ機能と異なる埋め込み手法の統計的に有意な相関関係を明らかにし,その有効性に応じて統計的に有意なランク付けを行った。 最後に,手法の有効性と効率の観点から,興味深いトレードオフについて検討する。

関連論文リスト

• Contextualization Distillation from Large Language Model for Knowledge Graph Completion [51.126166442122546]
  我々は、差別的かつ生成的なKGCフレームワークと互換性のあるプラグイン・アンド・プレイ方式であるContextualization Distillation戦略を導入する。 提案手法は,大規模言語モデルに対して,コンパクトで構造的な三重項を文脈に富んだセグメントに変換するように指示することから始まる。 多様なデータセットとKGC技術にわたる総合的な評価は、我々のアプローチの有効性と適応性を強調している。
  論文  参考訳（メタデータ） (2024-01-28T08:56:49Z)
• Text-To-KG Alignment: Comparing Current Methods on Classification Tasks [2.191505742658975]
  知識グラフ(KG)は、事実情報の密集した構造化された表現を提供する。 最近の研究は、追加のコンテキストとしてKGから情報を取得するパイプラインモデルの作成に重点を置いている。 現在のメソッドが、アライメントされたサブグラフがクエリに完全に関連しているシナリオとどのように比較されているかは分かっていない。
  論文  参考訳（メタデータ） (2023-06-05T13:45:45Z)
• Exploiting Global Semantic Similarities in Knowledge Graphs by Relational Prototype Entities [55.952077365016066]
  実証的な観察では、頭と尾のエンティティが同じ関係で結ばれている場合、しばしば同様の意味的属性を共有する。 我々は、textittextbfrelational prototype entityと呼ばれる仮想ノードのセットを導入する新しいアプローチを提案する。 エンティティの埋め込みを、関連するプロトタイプの埋め込みに近づけることで、私たちのアプローチは、エンティティのグローバルな意味的類似性を効果的に促進できる。
  論文  参考訳（メタデータ） (2022-06-16T09:25:33Z)
• Knowledge Graph Augmented Network Towards Multiview Representation Learning for Aspect-based Sentiment Analysis [96.53859361560505]
  本稿では,知識グラフ拡張ネットワーク(KGAN)を提案する。 KGANは感情の特徴表現を、文脈、構文、知識に基づく複数の視点から捉えている。 3つの人気のあるABSAベンチマークの実験は、我々のKGANの有効性と堅牢性を示している。
  論文  参考訳（メタデータ） (2022-01-13T08:25:53Z)
• Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
  政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。 既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。 既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
  論文  参考訳（メタデータ） (2021-11-09T13:30:34Z)
• Interpretable Multi-dataset Evaluation for Named Entity Recognition [110.64368106131062]
  本稿では,名前付きエンティティ認識(NER)タスクに対する一般的な評価手法を提案する。 提案手法は,モデルとデータセットの違いと,それらの間の相互作用を解釈することを可能にする。 分析ツールを利用可能にすることで、将来の研究者が同様の分析を実行し、この分野の進歩を促進することができる。
  論文  参考訳（メタデータ） (2020-11-13T10:53:27Z)
• All About Knowledge Graphs for Actions [82.39684757372075]
  ゼロショットと少数ショットのアクション認識に使用できる知識グラフ(KG)の理解を深める。 KGsの3つの異なる構成機構について検討した。 異なる実験装置に対する異なるKGの影響を広範囲に解析する。
  論文  参考訳（メタデータ） (2020-08-28T01:44:01Z)
• Relational Learning Analysis of Social Politics using Knowledge Graph Embedding [11.978556412301975]
  本稿では,新しい信頼性ドメインベースのKG埋め込みフレームワークを提案する。 ヘテロジニアスリソースから得られたデータの融合を、ドメインによって表現された正式なKG表現にキャプチャする。 このフレームワークは、データ品質と信頼性を保証するための信頼性モジュールも具体化している。
  論文  参考訳（メタデータ） (2020-06-02T14:10:28Z)
• A Benchmarking Study of Embedding-based Entity Alignment for Knowledge Graphs [30.296238600596997]
  エンティティアライメントは、同じ現実世界のオブジェクトを参照する異なる知識グラフ内のエンティティを探します。 KG埋め込みの最近の進歩は、埋め込みに基づくエンティティアライメントの出現を示唆している。 我々は,最近の埋め込み型エンティティアライメントアプローチを23回調査し,その技術と特徴に基づいて分類した。
  論文  参考訳（メタデータ） (2020-03-10T05:32:06Z)
• Entity Profiling in Knowledge Graphs [5.582713124168685]
  本稿では,特徴を識別するための新しいプロファイリング手法を提案する。 特徴の特異性は、HASモデルによって慎重に測定される。 実知識グラフから生成されたエンティティプロファイルの品質を十分に評価する。
  論文  参考訳（メタデータ） (2020-02-29T03:44:24Z)
• Knowledge Graph Embedding for Link Prediction: A Comparative Analysis [9.57564539646078]
  Link Predictionは、知識グラフの不完全性に対処するための有望で広く研究されているタスクである。 本研究は,16種類の組込み型LP法の有効性と効率を実験的に比較し,ルールベースベースラインを考察し,文献における最も一般的なベンチマークに関する詳細な分析を報告する。
  論文  参考訳（メタデータ） (2020-02-03T15:21:25Z)

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。