Fugu-MT 論文翻訳(概要): Walk this Way! Entity Walks and Property Walks for RDF2vec

論文の概要: Walk this Way! Entity Walks and Property Walks for RDF2vec

arxiv url: http://arxiv.org/abs/2204.02777v1
Date: Tue, 5 Apr 2022 14:51:34 GMT
ステータス: 処理完了
システム内更新日: 2022-04-08 04:05:39.704549
Title: Walk this Way! Entity Walks and Property Walks for RDF2vec
Title（参考訳）: この道を歩け! RDF2vecのエンティティウォークとプロパティウォーク
Authors: Jan Portisch, Heiko Paulheim
Abstract要約: RDF2vecは知識グラフの埋め込み機構である。本稿では,e-walkとp-walkの2種類の新しいフレーバーについて紹介する。合計12種類のRDF2vec変異体を用いて予備評価を行った。
参考スコア（独自算出の注目度）: 2.3605348648054463
License: http://creativecommons.org/licenses/by/4.0/
Abstract: RDF2vec is a knowledge graph embedding mechanism which first extracts sequences from knowledge graphs by performing random walks, then feeds those into the word embedding algorithm word2vec for computing vector representations for entities. In this poster, we introduce two new flavors of walk extraction coined e-walks and p-walks, which put an emphasis on the structure or the neighborhood of an entity respectively, and thereby allow for creating embeddings which focus on similarity or relatedness. By combining the walk strategies with order-aware and classic RDF2vec, as well as CBOW and skip-gram word2vec embeddings, we conduct a preliminary evaluation with a total of 12 RDF2vec variants.
Abstract（参考訳）: RDF2vecは、まずランダムウォークを実行して知識グラフからシーケンスを抽出し、その後、エンティティのベクトル表現を計算するためのワード埋め込みアルゴリズムWord2vecにフィードする知識グラフ埋め込み機構である。本ポスターでは,e-walks と p-walks という2種類の新しいフレーバーを紹介し,それぞれが実体の構造や近傍を強調し,類似性や関連性を重視した埋め込みを作成できるようにする。歩行戦略と秩序認識および古典的なrdf2vec,およびcbowおよびskip-gram word2vec埋め込みを組み合わせることにより,合計12種類のrdf2vec変異体を用いて予備評価を行う。

関連論文リスト

LEAF: Unveiling Two Sides of the Same Coin in Semi-supervised Facial Expression Recognition [56.22672276092373]
半教師付き学習は、表情認識におけるラベル不足の課題に取り組むための有望なアプローチとして現れてきた。本稿では,表現関連表現と擬似ラベルを協調する統合フレームワークであるhierarchicaL dEcoupling And Fusingを提案する。 LEAFは最先端の半教師付きFER法より優れており,ラベル付きデータとラベルなしデータの両方を効果的に活用できることを示す。
論文参考訳（メタデータ） (2024-04-23T13:43:33Z)
Structured Dialogue Discourse Parsing [79.37200787463917]
談話解析は、多人数会話の内部構造を明らかにすることを目的としている。本稿では,符号化と復号化という2つの観点から,従来の作業を改善する原理的手法を提案する。実験の結果,本手法は,STACでは2.3,Mollweniでは1.5,先行モデルでは2.3を上回った。
論文参考訳（メタデータ） (2023-06-26T22:51:01Z)
Unified Mask Embedding and Correspondence Learning for Self-Supervised Video Segmentation [76.40565872257709]
我々は、局所的な識別的特徴学習のためのフレーム間密度対応を同時にモデル化する統合フレームワークを開発する。ラベルなしビデオから直接マスク誘導シーケンシャルセグメンテーションを実行することができる。我々のアルゴリズムは、2つの標準ベンチマーク(DAVIS17とYouTube-VOS)に最先端をセットする。
論文参考訳（メタデータ） (2023-03-17T16:23:36Z)
Correspondence Matters for Video Referring Expression Comprehension [64.60046797561455]
ビデオ参照表現(REC)は、文章に記述された参照オブジェクトをビデオフレーム内の視覚領域にローカライズすることを目的としている。既存の手法では,1)ビデオフレーム間の非一貫性な局所化結果,2)参照オブジェクトとコンテキストオブジェクトの混同という2つの問題に悩まされている。本稿では、フレーム間およびクロスモーダルの両方で密接な関連性を明確に強化する新しいデュアル対応ネットワーク(DCNet)を提案する。
論文参考訳（メタデータ） (2022-07-21T10:31:39Z)
Skip Vectors for RDF Data: Extraction Based on the Complexity of Feature Patterns [0.0]
Resource Description Framework(RDF)は、Web上のリソースの属性や関連性などのメタデータを記述するためのフレームワークである。本研究では,近隣のエッジとノードの様々な組み合わせを抽出することにより,RDFグラフ内の各リソースの特徴を表す新しい特徴ベクトル(スキップベクトル)を提案する。分類タスクは、SVM、k-nearest neighbors法、ニューラルネットワーク、ランダムフォレスト、AdaBoostなどの従来の機械学習アルゴリズムに、各リソースの低次元スキップベクトルを適用することで行うことができる。
論文参考訳（メタデータ） (2022-01-06T10:07:49Z)
Putting RDF2vec in Order [1.52292571922932]
RDF2vecのトレーニングでは,これが欠点になるかも知れない,と私たちは主張する。順序を尊重するワード2vec変種を用いることで、かなりの性能向上が得られることを示す。
論文参考訳（メタデータ） (2021-08-11T15:27:55Z)
Semi-Supervised Semantic Segmentation with Cross Pseudo Supervision [56.950950382415925]
クロス擬似監督(CPS)と呼ばれる新しい整合性正規化手法を提案する。 CPS整合性には2つの役割がある: 同じ入力画像に対する2つの摂動ネットワークの予測間の高い類似性を奨励し、擬似ラベル付きラベル付きラベル付きデータを使用することでトレーニングデータを拡張する。実験の結果,Cityscapes と PASCAL VOC 2012 を用いた半教師付きセグメンテーション性能が得られた。
論文参考訳（メタデータ） (2021-06-02T15:21:56Z)
Keyphrase Extraction with Dynamic Graph Convolutional Networks and Diversified Inference [50.768682650658384]
キーワード抽出(KE)は、ある文書でカバーされている概念やトピックを正確に表現するフレーズの集合を要約することを目的としている。最近のシークエンス・ツー・シークエンス(Seq2Seq)ベースの生成フレームワークはKEタスクで広く使われ、様々なベンチマークで競合性能を得た。本稿では,この2つの問題を同時に解くために,動的グラフ畳み込みネットワーク(DGCN)を採用することを提案する。
論文参考訳（メタデータ） (2020-10-24T08:11:23Z)
The R Package stagedtrees for Structural Learning of Stratified Staged Trees [1.9199289015460215]
stagedtreesは、データからステージツリーとチェーンイベントグラフの構造を学習するアルゴリズムを含むRパッケージである。ステージツリーの機能は、主にパッケージに含まれるかRにバンドルされた2つのデータセットを使用して説明される。
論文参考訳（メタデータ） (2020-04-14T13:02:59Z)
Towards Exploiting Implicit Human Feedback for Improving RDF2vec Embeddings [2.3605348648054463]
RDF2vecは、RDF知識グラフからベクトル空間埋め込みを作成する技術である。本稿では,外縁重みを用いたランダムウォークの誘導について検討する。
論文参考訳（メタデータ） (2020-04-09T08:39:19Z)
Vertex-reinforced Random Walk for Network Embedding [42.99597051744645]
ネットワーク埋め込みにおけるランダムウォークの基本的問題について検討する。本研究では,無作為歩行が立ち止まったセットから飛び出すのを助けるために,エクスプロレーション探索機構を導入する。実験結果から,提案手法は最先端のランダムウォーク法よりも大きなマージンを達成できることがわかった。
論文参考訳（メタデータ） (2020-02-11T15:58:31Z)

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。