論文の概要: Knowledgebra: An Algebraic Learning Framework for Knowledge Graph

• arxiv url: http://arxiv.org/abs/2204.07328v1
• Date: Fri, 15 Apr 2022 04:53:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-18 21:55:31.468823
• Title: Knowledgebra: An Algebraic Learning Framework for Knowledge Graph
• Title（参考訳）: Knowledgebra: 知識グラフのための代数的学習フレームワーク
• Authors: Tong Yang, Yifei Wang, Long Sha, Jan Engelbrecht, Pengyu Hong
• Abstract要約: 知識グラフ(KG)表現学習は、データセットに含まれる知識を一貫して表現できるように、エンティティと関係を密度の高い連続ベクトル空間に符号化することを目的としている。 我々は,KG の代数構造を観察し,KG の数学的言語を開発した。 本研究では,標準的なデータセット上での最先端性能を示す,単純な行列半群を用いたインスタンス化モデルSemEを実装した。
• 参考スコア（独自算出の注目度）: 15.235089177507897
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Knowledge graph (KG) representation learning aims to encode entities and relations into dense continuous vector spaces such that knowledge contained in a dataset could be consistently represented. Dense embeddings trained from KG datasets benefit a variety of downstream tasks such as KG completion and link prediction. However, existing KG embedding methods fell short to provide a systematic solution for the global consistency of knowledge representation. We developed a mathematical language for KG based on an observation of their inherent algebraic structure, which we termed as Knowledgebra. By analyzing five distinct algebraic properties, we proved that the semigroup is the most reasonable algebraic structure for the relation embedding of a general knowledge graph. We implemented an instantiation model, SemE, using simple matrix semigroups, which exhibits state-of-the-art performance on standard datasets. Moreover, we proposed a regularization-based method to integrate chain-like logic rules derived from human knowledge into embedding training, which further demonstrates the power of the developed language. As far as we know, by applying abstract algebra in statistical learning, this work develops the first formal language for general knowledge graphs, and also sheds light on the problem of neural-symbolic integration from an algebraic perspective.
• Abstract（参考訳）: 知識グラフ(KG)表現学習は、データセットに含まれる知識を一貫して表現できるように、エンティティと関係を密度の高い連続ベクトル空間に符号化することを目的としている。 KGデータセットからトレーニングされたDense埋め込みは、KG補完やリンク予測など、さまざまな下流タスクの恩恵を受ける。 しかし、既存のKG埋め込み手法は知識表現のグローバルな一貫性のための体系的なソリューションを提供するには不十分であった。 我々は,その内在する代数的構造の観察に基づいて kg の数学的言語を開発した。 5つの異なる代数的性質を解析することにより、半群は一般知識グラフの関係埋め込みの最も合理的な代数構造であることが証明された。 標準データセットで最先端のパフォーマンスを示す単純な行列半群を用いたインスタンス化モデルであるsemeを実装した。 さらに,人間の知識から派生した連鎖型論理規則を組込み学習に統合する正規化に基づく手法を提案し,その能力の実証を行った。 私たちが知る限り、統計学習に抽象代数を適用することで、この研究は一般知識グラフのための最初の形式言語を開発し、代数的な観点からニューラルシンボリック積分の問題に光を当てる。

関連論文リスト

• Knowledge Graph Completion using Structural and Textual Embeddings [0.0]
  本稿では,知識グラフ内のテキスト情報と構造情報の両方を利用する関係予測モデルを提案する。 本手法では,歩行に基づく埋め込みと言語モデル埋め込みを統合し,ノードを効果的に表現する。 本研究では,広く利用されているデータセットで評価した場合,関係予測タスクにおける競合結果が得られたことを実証する。
  論文  参考訳（メタデータ） (2024-04-24T21:04:14Z)
• Recognizing Unseen Objects via Multimodal Intensive Knowledge Graph Propagation [68.13453771001522]
  画像の領域と対応するセマンティック埋め込みとをマッチングする多モード集中型ZSLフレームワークを提案する。 我々は、大規模な実世界のデータに基づいて、広範囲な実験を行い、そのモデルを評価する。
  論文  参考訳（メタデータ） (2023-06-14T13:07:48Z)
• Joint Language Semantic and Structure Embedding for Knowledge Graph Completion [66.15933600765835]
  本稿では,知識三重項の自然言語記述と構造情報とを共同で組み込むことを提案する。 本手法は,学習済み言語モデルを微調整することで,完了作業のための知識グラフを埋め込む。 各種知識グラフベンチマーク実験により,本手法の最先端性能を実証した。
  論文  参考訳（メタデータ） (2022-09-19T02:41:02Z)
• 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)
• DegreEmbed: incorporating entity embedding into logic rule learning for knowledge graph reasoning [7.066269573204757]
  知識グラフのリンク予測は、既存の知識に基づいて推論することで、行方不明の事実を完遂することを目的としたタスクである。 組込み学習と論理ルールマイニングを組み合わせたKG上での推論モデルであるDegreEmbedを提案する。
  論文  参考訳（メタデータ） (2021-12-18T13:38:48Z)
• Learning Algebraic Representation for Systematic Generalization in Abstract Reasoning [109.21780441933164]
  推論における体系的一般化を改善するためのハイブリッドアプローチを提案する。 我々はRaven's Progressive Matrices (RPM) の抽象的空間時間課題に対する代数的表現を用いたプロトタイプを紹介する。 得られた代数的表現は同型によって復号化して解を生成することができることを示す。
  論文  参考訳（メタデータ） (2021-11-25T09:56:30Z)
• Knowledge Hypergraph Embedding Meets Relational Algebra [13.945694569456665]
  本稿では,知識ハイパーグラフのリンク予測を行うReAlEと呼ばれるシンプルな埋め込みモデルを提案する。 理論上、reale は完全表現的であり、原始関係代数演算の大きな部分集合を表現できるという証明と経験的証拠を与える。
  論文  参考訳（メタデータ） (2021-02-18T18:57:44Z)
• Knowledge Graph Embeddings in Geometric Algebras [14.269860621624392]
  幾何学代数に基づく新しいKG埋め込みフレームワークGeomEを紹介する。 我々のフレームワークは、最先端のKG埋め込みアプローチを仮定し、様々なキー関係パターンをモデル化する能力に有利である。 複数のベンチマーク知識グラフの実験結果から,提案手法はリンク予測のための既存の最先端モデルよりも優れていることが示された。
  論文  参考訳（メタデータ） (2020-10-02T13:36:24Z)
• JAKET: Joint Pre-training of Knowledge Graph and Language Understanding [73.43768772121985]
  本稿では,知識グラフと言語の両方をモデル化する新しい事前学習フレームワークであるJAKETを提案する。 知識モジュールと言語モジュールは相互に支援するための重要な情報を提供する。 我々の設計により、事前学習されたモデルは、新しいドメインの見知らぬ知識グラフに容易に適応できる。
  論文  参考訳（メタデータ） (2020-10-02T05:53:36Z)
• Generative Adversarial Zero-Shot Relational Learning for Knowledge Graphs [96.73259297063619]
  我々は、この厄介なキュレーションを解放するために、新しい定式化、ゼロショット学習を考える。 新たに追加された関係について,テキスト記述から意味的特徴を学習しようと試みる。 我々は,GAN(Generative Adrial Networks)を活用し,テキストと知識グラフ領域の接続を確立する。
  論文  参考訳（メタデータ） (2020-01-08T01:19:08Z)

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。