論文の概要: Dangling-Aware Entity Alignment with Mixed High-Order Proximities

• arxiv url: http://arxiv.org/abs/2205.02406v1
• Date: Thu, 5 May 2022 02:39:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-07 04:23:13.694889
• Title: Dangling-Aware Entity Alignment with Mixed High-Order Proximities
• Title（参考訳）: 混合高次関係を持つダングリング・アウェア・エンティティアライメント
• Authors: Juncheng Liu, Zequn Sun, Bryan Hooi, Yiwei Wang, Dayiheng Liu, Baosong Yang, Xiaokui Xiao, Muhao Chen
• Abstract要約: ダングリングを意識したエンティティアライメントは、知識グラフにおいて未探索だが重要な問題である。 ダングリング・アウェア・エンティティアライメントにおける混合高次近似を用いたフレームワークを提案する。 我々のフレームワークはより正確にダングリングエンティティを検出し、マッチング可能なエンティティをよりよく調整します。
• 参考スコア（独自算出の注目度）: 65.53948800594802
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study dangling-aware entity alignment in knowledge graphs (KGs), which is an underexplored but important problem. As different KGs are naturally constructed by different sets of entities, a KG commonly contains some dangling entities that cannot find counterparts in other KGs. Therefore, dangling-aware entity alignment is more realistic than the conventional entity alignment where prior studies simply ignore dangling entities. We propose a framework using mixed high-order proximities on dangling-aware entity alignment. Our framework utilizes both the local high-order proximity in a nearest neighbor subgraph and the global high-order proximity in an embedding space for both dangling detection and entity alignment. Extensive experiments with two evaluation settings shows that our framework more precisely detects dangling entities, and better aligns matchable entities. Further investigations demonstrate that our framework can mitigate the hubness problem on dangling-aware entity alignment.
• Abstract（参考訳）: 知識グラフ(kgs)におけるダングリング・アウェア・エンティティアライメント(dangling-aware entity alignment)について検討した。 異なる KG は自然に異なる実体の集合によって構成されるので、KG は一般に、他の KG において他の KG の集合を見つけることができない有界な実体を含む。 したがって、ダングリングを意識したエンティティアライメントは、ダングリングエンティティを単に無視する従来のエンティティアライメントよりも現実的である。 ダングリング対応エンティティアライメントにおける混合高次近似を用いたフレームワークを提案する。 提案手法は,近接部分グラフにおける局所高次近接と埋め込み空間における大域的高次近接の両方を用いて,ダングリング検出とエンティティアライメントの両方を行う。 2つの評価設定による大規模な実験により、我々のフレームワークはより正確にダングリングエンティティを検出し、マッチング可能なエンティティをよりよく整合させる。 さらなる調査により、我々のフレームワークは、ダングリング対応エンティティアライメントにおけるハブ性問題を緩和できることが示された。

関連論文リスト

• Lambda: Learning Matchable Prior For Entity Alignment with Unlabeled Dangling Cases [49.86384156476041]
  検出とエンティティアライメントのダングリングのためのフレームワーク textitLambda を提案する。 Lambdaは、KEESAと呼ばれるGNNベースのエンコーダと、EAのスペクトルコントラスト学習と、iPULEと呼ばれる検出をダングリングするための正の未ラベル学習アルゴリズムを備えている。
  論文  参考訳（メタデータ） (2024-03-16T17:21:58Z)
• A Fused Gromov-Wasserstein Framework for Unsupervised Knowledge Graph Entity Alignment [22.526341223786375]
  本稿では,FGW(Fused Gromov-Wasserstein)距離を利用した非教師なしエンティティアライメントフレームワークFGWEAを紹介する。 我々は,FGWEAが,最先端管理エンティティアライメント手法を含む21の競争ベースラインを超えることを示す。
  論文  参考訳（メタデータ） (2023-05-11T05:17:54Z)
• EventEA: Benchmarking Entity Alignment for Event-centric Knowledge Graphs [17.27027602556303]
  過去の進歩は偏りと不整合性評価によるものであることが示されています。 我々は、イベント中心のKGに基づいて、異種関係と属性を持つ新しいデータセットを構築した。 この問題に対する新たなアプローチとして,エンティティアライメントのためのタイムアウェアリテラルエンコーダを提案する。
  論文  参考訳（メタデータ） (2022-11-05T05:34:21Z)
• Facing Changes: Continual Entity Alignment for Growing Knowledge Graphs [22.88552158340435]
  我々は、連続的なエンティティアライメント(continuous entity alignment)と呼ばれる現実的だが探索されていない設定を提案し、掘り下げる。 エンティティの隣接性に基づいてエンティティの表現を再構築し、新しいエンティティへの埋め込みを迅速に生成する。 知識増強のために信頼できるアライメントを抽出しながら、部分的な事前整列されたエンティティペアを選択してKGの一部のみを訓練する。
  論文  参考訳（メタデータ） (2022-07-23T06:52:44Z)
• Multilingual Knowledge Graph Completion with Self-Supervised Adaptive Graph Alignment [69.41986652911143]
  知識グラフ(KG)における行方不明事象を予測するための,新たな自己教師付き適応グラフアライメント(SS-AGA)手法を提案する。 SS-AGAはすべてのKGをグラフ全体として新しいエッジタイプとしてアライメントする。 パブリック多言語DBPedia KGおよび新たに開発された産業多言語EコマースKGの実験は、SS-AGAの有効性を実証的に実証している。
  論文  参考訳（メタデータ） (2022-03-28T18:00:51Z)
• Semi-constraint Optimal Transport for Entity Alignment with Dangling Cases [6.755145435406154]
  タングリングケース(SoTead)におけるエンティティアライメントのための半制約最適輸送と呼ばれる教師なし手法を提案する。 我々の主な考えは、2つのKG間のエンティティアライメントを、あるKGのエンティティから他のエンティティへの最適な輸送問題としてモデル化することである。 実験的な部分では、一般的に使用されるエンティティアライメントデータセット上で、まずSoTeadの優位性を示す。
  論文  参考訳（メタデータ） (2022-03-11T04:20:18Z)
• Knowing the No-match: Entity Alignment with Dangling Cases [22.909706377522614]
  本稿では,知識グラフ(KG)におけるエンティティアライメントの新しい問題設定について検討する。 KG は異なる実体の集合を持つため、それらの間にアライメントが見つからない実体が存在する可能性があり、実体をダングリングする問題を引き起こす。 我々は、新しいデータセットを構築し、エンティティアライメントとダングリングエンティティ検出の両方のためのマルチタスク学習フレームワークを設計する。
  論文  参考訳（メタデータ） (2021-06-04T04:28:36Z)
• Visual Pivoting for (Unsupervised) Entity Alignment [93.82387952905756]
  本研究は、異種知識グラフ(KGs)におけるエンティティの整列のための視覚的意味表現の使用について研究する。 提案した新しいアプローチであるEVAは、クロスグラフエンティティアライメントのための強い信号を提供する包括的エンティティ表現を生成する。
  論文  参考訳（メタデータ） (2020-09-28T20:09:40Z)
• Neighborhood Matching Network for Entity Alignment [71.24217694278616]
  Neighborhood Matching Network (NMN)は、新しいエンティティアライメントフレームワークである。 NMNは、トポロジカル構造と近傍差の両方を捉えるために、エンティティ間の類似性を推定する。 まず、新しいグラフサンプリング法を用いて、各エンティティの識別的近傍を蒸留する。 その後、クロスグラフの近傍マッチングモジュールを採用し、与えられたエンティティペアの近傍差を共同で符号化する。
  論文  参考訳（メタデータ） (2020-05-12T08:26:15Z)
• Cross-lingual Entity Alignment with Incidental Supervision [76.66793175159192]
  本稿では,多言語KGとテキストコーパスを共通埋め込み方式で共同で表現する,偶発的に教師付きモデルであるJEANSを提案する。 ベンチマークデータセットの実験では、JEANSがエンティティアライメントとインシデントインシデントインシデントインスペクションの改善を期待できる結果となった。
  論文  参考訳（メタデータ） (2020-05-01T01:53:56Z)

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。