Fugu-MT 論文翻訳(概要): Ontology Matching Through Absolute Orientation of Embedding Spaces

論文の概要: Ontology Matching Through Absolute Orientation of Embedding Spaces

arxiv url: http://arxiv.org/abs/2204.04040v1
Date: Fri, 8 Apr 2022 12:59:31 GMT
ステータス: 処理完了
システム内更新日: 2022-04-11 15:17:15.224839
Title: Ontology Matching Through Absolute Orientation of Embedding Spaces
Title（参考訳）: 埋め込み空間の絶対配向によるオントロジーマッチング
Authors: Jan Portisch, Guilherme Costa, Karolin Stefani, Katharina Kreplin, Michael Hladik, Heiko Paulheim
Abstract要約: Ontologyは、インターオペラビリティとリンクされたオープンデータセットを作成する際の中核的なタスクである。本稿では,知識グラフの埋め込みに基づく構造に基づくマッピング手法を提案する。合成データを用いた実験では、このアプローチが同様に構造化されたデータセットで非常にうまく機能することがわかった。
参考スコア（独自算出の注目度）: 1.5169370091868053
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Ontology matching is a core task when creating interoperable and linked open datasets. In this paper, we explore a novel structure-based mapping approach which is based on knowledge graph embeddings: The ontologies to be matched are embedded, and an approach known as absolute orientation is used to align the two embedding spaces. Next to the approach, the paper presents a first, preliminary evaluation using synthetic and real-world datasets. We find in experiments with synthetic data, that the approach works very well on similarly structured graphs; it handles alignment noise better than size and structural differences in the ontologies.
Abstract（参考訳）: オントロジーマッチングは、相互運用可能でリンクされたオープンデータセットを作成する際のコアタスクである。本稿では,知識グラフの埋め込みに基づく構造に基づく新しいマッピング手法について考察する: 一致すべきオントロジーは埋め込み,絶対配向として知られるアプローチは,2つの埋め込み空間を整合させる。提案手法では,合成データと実世界データを用いた最初の予備評価を行う。合成データを用いた実験において、このアプローチは同様に構造化されたグラフで非常にうまく機能し、オントロジーにおける大きさや構造的な違いよりもアライメントノイズを処理している。

関連論文リスト

Hierarchical Attention Graph for Scientific Document Summarization in Global and Local Level [3.7651378994837104]
ロングインプットは、文間の大域的高次関係と局所的文内関係を同時にモデル化することを妨げる。本稿では,階層的談話構造に基づく文書のモデル化にグラフニューラルネットワークを用いた新しい手法であるHAESumを提案する。提案手法を2つのベンチマークデータセットで検証し,実験結果からHAESumの有効性を実証した。
論文参考訳（メタデータ） (2024-05-16T15:46:30Z)
GraphMatcher: A Graph Representation Learning Approach for Ontology Matching [0.0]
オントロジーマッチングは、2つ以上のエンティティ間の関係や対応を見つけるものとして定義される。 GraphMatcherはグラフアテンションアプローチであり、その周辺用語とともに高レベルの表現を計算する。
論文参考訳（メタデータ） (2024-04-20T18:30:17Z)
Modeling Structural Similarities between Documents for Coherence Assessment with Graph Convolutional Networks [17.853960157501742]
コヒーレンス(英語版)はテキスト品質の重要な側面であり、コヒーレンスモデリングに様々なアプローチが適用されている。文書間の構造的類似性を捉えることができるGCNに基づくコヒーレンスモデルについて検討する。提案手法を2つのタスクで評価し,談話コヒーレンスと自動エッセイスコアを評価する。
論文参考訳（メタデータ） (2023-06-10T16:08:47Z)
Variational Cross-Graph Reasoning and Adaptive Structured Semantics Learning for Compositional Temporal Grounding [143.5927158318524]
テンポラルグラウンドティング(Temporal grounding)とは、クエリ文に従って、未編集のビデオから特定のセグメントを特定するタスクである。新たに構成時間グラウンドタスクを導入し,2つの新しいデータセット分割を構築した。ビデオや言語に内在する構造的意味論は、構成的一般化を実現する上で重要な要素である、と我々は主張する。
論文参考訳（メタデータ） (2023-01-22T08:02:23Z)
PA-GM: Position-Aware Learning of Embedding Networks for Deep Graph Matching [14.713628231555223]
本稿では,線形代入問題を高次元空間にマッピングできる新しいエンドツーエンドニューラルネットワークを提案する。我々のモデルは、ノードの相対的な位置に対するアンカーセットを構成する。そして、相対位置の尺度に基づいて、ターゲットノードと各アンカーノードの特徴情報を集約する。
論文参考訳（メタデータ） (2023-01-05T06:54:21Z)
SHGNN: Structure-Aware Heterogeneous Graph Neural Network [77.78459918119536]
本稿では、上記の制約に対処する構造対応不均一グラフニューラルネットワーク(SHGNN)を提案する。まず,メタパス内の中間ノードの局所構造情報を取得するために,特徴伝搬モジュールを利用する。次に、ツリーアテンションアグリゲータを使用して、グラフ構造情報をメタパス上のアグリゲーションモジュールに組み込む。最後に、メタパスアグリゲータを利用して、異なるメタパスから集約された情報を融合する。
論文参考訳（メタデータ） (2021-12-12T14:18:18Z)
Image Synthesis via Semantic Composition [74.68191130898805]
本稿では,その意味的レイアウトに基づいて現実的なイメージを合成する新しい手法を提案する。類似した外観を持つ物体に対して、類似した表現を共有するという仮説が立てられている。本手法は, 空間的変化と関連表現の両方を生じる, 外観相関による領域間の依存関係を確立する。
論文参考訳（メタデータ） (2021-09-15T02:26:07Z)
Learning the Implicit Semantic Representation on Graph-Structured Data [57.670106959061634]
グラフ畳み込みネットワークにおける既存の表現学習手法は主に、各ノードの近傍を知覚全体として記述することで設計される。本稿では,グラフの潜在意味パスを学習することで暗黙的な意味を探索する意味グラフ畳み込みネットワーク(sgcn)を提案する。
論文参考訳（メタデータ） (2021-01-16T16:18:43Z)
Cycle Registration in Persistent Homology with Applications in Topological Bootstrap [0.0]
2つの空間の持続的ホモロジー表現(フィルタ)を比較するための新しいアプローチを提案する。 2つの異なる空間の個々の持続サイクル間の対応関係を定義する。サイクルのマッチングは、永続化間隔と各特徴の空間配置の両方に基づいています。
論文参考訳（メタデータ） (2021-01-03T20:12:00Z)
A Comparative Study on Structural and Semantic Properties of Sentence Embeddings [77.34726150561087]
本稿では,関係抽出に広く利用されている大規模データセットを用いた実験セットを提案する。異なる埋め込み空間は、構造的および意味的特性に対して異なる強度を持つことを示す。これらの結果は,埋め込み型関係抽出法の開発に有用な情報を提供する。
論文参考訳（メタデータ） (2020-09-23T15:45:32Z)
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。