論文の概要: Entity Alignment with Reliable Path Reasoning and Relation-Aware Heterogeneous Graph Transformer

• arxiv url: http://arxiv.org/abs/2205.08806v1
• Date: Wed, 18 May 2022 09:12:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-19 12:16:47.877900
• Title: Entity Alignment with Reliable Path Reasoning and Relation-Aware Heterogeneous Graph Transformer
• Title（参考訳）: Reliable Path ReasoningとRelation-Aware Heterogeneous Graph Transformerを用いたエンティティアライメント
• Authors: Weishan Cai, Wenjun Ma, Jieyu Zhan, Yuncheng Jiang
• Abstract要約: 本稿では,関係と経路構造情報を統合したより効果的なエンティティアライメントフレームワークRPR-RHGTを提案する。 知識グラフの関係構造からEAタスクに適した経路を生成するために,初期信頼経路推論アルゴリズムを開発した。 実体近傍における異種特徴を効率的に捉えるために、関係性を考慮した異種グラフ変換器を設計する。
• 参考スコア（独自算出の注目度）: 5.960613525368867
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Entity Alignment (EA) has attracted widespread attention in both academia and industry, which aims to seek entities with same meanings from different Knowledge Graphs (KGs). There are substantial multi-step relation paths between entities in KGs, indicating the semantic relations of entities. However, existing methods rarely consider path information because not all natural paths facilitate for EA judgment. In this paper, we propose a more effective entity alignment framework, RPR-RHGT, which integrates relation and path structure information, as well as the heterogeneous information in KGs. Impressively, an initial reliable path reasoning algorithm is developed to generate the paths favorable for EA task from the relation structures of KGs, which is the first algorithm in the literature to successfully use unrestricted path information. In addition, to efficiently capture heterogeneous features in entity neighborhoods, a relation-aware heterogeneous graph transformer is designed to model the relation and path structures of KGs. Extensive experiments on three well-known datasets show RPR-RHGT significantly outperforms 11 state-of-the-art methods, exceeding the best performing baseline up to 8.62% on Hits@1. We also show its better performance than the baselines on different ratios of training set, and harder datasets.
• Abstract（参考訳）: エンティティアライメント(EA)は、異なる知識グラフ(KG)から同じ意味を持つエンティティを求める学術と産業の両方で広く注目を集めている。 KGには、エンティティ間の実質的な多段階の関係パスがあり、エンティティの意味的関係を示す。 しかし、すべての自然経路がEA判断に役立っているわけではないため、既存の手法では経路情報を考えることは稀である。 本稿では,関係と経路構造情報を統合したより効果的なエンティティアライメントフレームワークであるrpr-rhgtを提案する。 印象的なことに,unrestricted path情報を用いた最初のアルゴリズムであるkgsの関係構造から,eaタスクに好適な経路を生成するための初期信頼性の高い経路推論アルゴリズムを開発した。 さらに, 実体近傍における不均一な特徴を効率的に捉えるために, KGsの関係と経路構造をモデル化する関係対応不均一グラフ変換器を設計した。 RPR-RHGTは11の最先端の手法を著しく上回り、Hits@1で最大8.62%のパフォーマンスベースラインを超えた。 また、トレーニングセットの異なる比率と難しいデータセットのベースラインよりもパフォーマンスが良いことも示しています。

関連論文リスト

• SEG:Seeds-Enhanced Iterative Refinement Graph Neural Network for Entity Alignment [13.487673375206276]
  本稿では,マルチソースデータと反復的シード拡張を融合したソフトラベル伝搬フレームワークを提案する。 正試料間距離と負試料の差分処理を行う双方向重み付き共同損失関数を実装した。 提案手法は,既存の半教師付きアプローチよりも優れており,複数のデータセットにおいて優れた結果が得られた。
  論文  参考訳（メタデータ） (2024-10-28T04:50:46Z)
• Entity-Graph Enhanced Cross-Modal Pretraining for Instance-level Product Retrieval [152.3504607706575]
  本研究の目的は, 細粒度製品カテゴリを対象とした, 弱制御型マルチモーダル・インスタンスレベルの製品検索である。 まず、Product1Mデータセットをコントリビュートし、2つの実際のインスタンスレベルの検索タスクを定義します。 我々は、マルチモーダルデータから重要な概念情報を組み込むことができるより効果的なクロスモーダルモデルを訓練するために活用する。
  論文  参考訳（メタデータ） (2022-06-17T15:40:45Z)
• Informed Multi-context Entity Alignment [27.679124991733907]
  Informed Multi-context Entity Alignment (IMEA)モデルを提案する。 特にTransformerを導入し、関係、経路、近傍のコンテキストを柔軟にキャプチャする。 総論的推論は、埋め込み類似性と関係性/整合性の両方の機能に基づいてアライメント確率を推定するために用いられる。 いくつかのベンチマークデータセットの結果は、既存の最先端エンティティアライメント手法と比較して、IMEAモデルの優位性を示している。
  論文  参考訳（メタデータ） (2022-01-02T06:29:30Z)
• EchoEA: Echo Information between Entities and Relations for Entity Alignment [1.1470070927586016]
  本稿では,エンティティ情報を関係に拡散し,エンティティにエコーバックする自己認識機構を活用した新しいフレームワーク Echo Entity Alignment (EchoEA) を提案する。 3つの実世界のクロスランガルデータセットの実験結果は、平均して96%で安定している。
  論文  参考訳（メタデータ） (2021-07-07T07:34:21Z)
• RAGA: Relation-aware Graph Attention Networks for Global Entity Alignment [14.287681294725438]
  実体と関係の相互作用を捉えるために,Relation-aware Graph Attention Networksに基づく新しいフレームワークを提案する。 本フレームワークでは,エンティティ情報を関係に分散し,関係情報をエンティティに集約する自己認識機構を採用している。
  論文  参考訳（メタデータ） (2021-03-01T06:30:51Z)
• Cross-Supervised Joint-Event-Extraction with Heterogeneous Information Networks [61.950353376870154]
  Joint-event- Extractは、トリガとエンティティのタグからなるタグセットを備えたシーケンスからシーケンスまでのラベリングタスクである。 トリガやエンティティの抽出を交互に監督するクロススーパーバイザードメカニズム(CSM)を提案する。 我々の手法は、エンティティとトリガー抽出の両方において最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2020-10-13T11:51:17Z)
• Exploring and Evaluating Attributes, Values, and Structures for Entity Alignment [100.19568734815732]
  エンティティアライメント(EA)は、さまざまなKGから等価なエンティティをリンクすることで、リッチコンテンツの統合知識グラフ(KG)を構築することを目的としている。 属性・トリプルは重要なアライメント信号も提供できますが、まだ十分に調査されていません。 本稿では,属性値エンコーダを用いてKGをサブグラフに分割し,属性の様々なタイプを効率的にモデル化することを提案する。
  論文  参考訳（メタデータ） (2020-10-07T08:03:58Z)
• Joint Semantics and Data-Driven Path Representation for Knowledge Graph Inference [60.048447849653876]
  我々は,KG埋め込みの枠組みにおける説明可能性と一般化のバランスをとる,新しい共同意味論とデータ駆動経路表現を提案する。 提案手法はリンク予測と経路問合せ応答という2つのタスクのクラスで評価される。
  論文  参考訳（メタデータ） (2020-10-06T10:24:45Z)
• HittER: Hierarchical Transformers for Knowledge Graph Embeddings [85.93509934018499]
  複雑な知識グラフにおける実体と関係の表現を学習するためにHittを提案する。 実験結果から,Hittは複数リンク予測において最先端の新たな結果が得られることがわかった。 さらに,HittをBERTに統合する簡単なアプローチを提案し,その効果を2つのFreebaseファクトイド対応データセットで示す。
  論文  参考訳（メタデータ） (2020-08-28T18:58:15Z)
• 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。

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。