論文の概要: Exploiting Global Semantic Similarities in Knowledge Graphs by Relational Prototype Entities

• arxiv url: http://arxiv.org/abs/2206.08021v1
• Date: Thu, 16 Jun 2022 09:25:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-17 14:08:21.169777
• Title: Exploiting Global Semantic Similarities in Knowledge Graphs by Relational Prototype Entities
• Title（参考訳）: リレーショナル・プロトタイプ・エンティティによる知識グラフにおけるグローバルセマンティックな類似性の爆発
• Authors: Xueliang Wang, Jiajun Chen, Feng Wu, Jie Wang
• Abstract要約: 実証的な観察では、頭と尾のエンティティが同じ関係で結ばれている場合、しばしば同様の意味的属性を共有する。 我々は、textittextbfrelational prototype entityと呼ばれる仮想ノードのセットを導入する新しいアプローチを提案する。 エンティティの埋め込みを、関連するプロトタイプの埋め込みに近づけることで、私たちのアプローチは、エンティティのグローバルな意味的類似性を効果的に促進できる。
• 参考スコア（独自算出の注目度）: 55.952077365016066
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge graph (KG) embedding aims at learning the latent representations for entities and relations of a KG in continuous vector spaces. An empirical observation is that the head (tail) entities connected by the same relation often share similar semantic attributes -- specifically, they often belong to the same category -- no matter how far away they are from each other in the KG; that is, they share global semantic similarities. However, many existing methods derive KG embeddings based on the local information, which fail to effectively capture such global semantic similarities among entities. To address this challenge, we propose a novel approach, which introduces a set of virtual nodes called \textit{\textbf{relational prototype entities}} to represent the prototypes of the head and tail entities connected by the same relations. By enforcing the entities' embeddings close to their associated prototypes' embeddings, our approach can effectively encourage the global semantic similarities of entities -- that can be far away in the KG -- connected by the same relation. Experiments on the entity alignment and KG completion tasks demonstrate that our approach significantly outperforms recent state-of-the-arts.
• Abstract（参考訳）: 知識グラフ(KG)埋め込みは、連続ベクトル空間におけるKGの実体と関係の潜在表現を学習することを目的としている。 実証的な観察では、同じ関係によって接続された頭(尾)実体は、しばしば類似した意味的属性(特に、KGにおいて、どれだけ離れていても、同じカテゴリに属している。 しかし、既存の手法の多くは、ローカル情報に基づいてKG埋め込みを導出しており、エンティティ間のこのようなグローバルなセマンティックな類似性を効果的に捉えられなかった。 この課題に対処するために,我々は,同じ関係で接続された頭部と尾部の実体のプロトタイプを表現するために, \textit{\textbf{relational prototype entities}} と呼ばれる仮想ノードの集合を導入する新しいアプローチを提案する。 エンティティの埋め込みを関連するプロトタイプの埋め込みに近づけることで、このアプローチは、同じ関係で接続されたkg内で遠くにあるエンティティのグローバルな意味的類似性を効果的に促進することができる。 エンティティアライメントとkg完了タスクの実験は、我々のアプローチが最近の最先端を著しく上回っていることを示している。

関連論文リスト

• Do Similar Entities have Similar Embeddings? [2.9498907601878974]
  知識グラフ埋め込みモデル(KGEMs)は、知識グラフ内のエンティティのベクトル表現を学習する。 一般的な仮定は、KGEエンティティ類似性仮定であり、これらのKGEMはグラフの構造を埋め込み空間内に保持する。 しかし、埋め込み空間における実体の類似性と類似性の関係は、公式に評価されることはめったにない。 本稿では、グラフにおけるエンティティの類似性が本質的に埋め込み空間に反映されているという一般的な仮定に挑戦する。
  論文  参考訳（メタデータ） (2023-12-16T08:08:36Z)
• Duality-Induced Regularizer for Semantic Matching Knowledge Graph Embeddings [70.390286614242]
  本稿では, 類似のセマンティクスを持つエンティティの埋め込みを効果的に促進する新しい正規化器(duality-induced RegulArizer (DURA))を提案する。 実験により、DURAは、最先端のセマンティックマッチングモデルの性能を一貫して改善することを示した。
  論文  参考訳（メタデータ） (2022-03-24T09:24:39Z)
• Exploiting Transitivity Constraints for Entity Matching in Knowledge Graphs [1.7080853582489066]
  特定された実体対に対する過渡性のアドホックな実施は、精度を劇的に低下させる可能性があることを示した。 提案手法は,与えられた類似度尺度から始まり,同一実世界のオブジェクトを参照していると認識されたエンティティペアのセットを生成し,クラスタ編集アルゴリズムを適用し,スプリアスリンクを多数追加することなく推移性を実現する。
  論文  参考訳（メタデータ） (2021-04-22T10:57:01Z)
• 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)
• 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)
• ConsNet: Learning Consistency Graph for Zero-Shot Human-Object Interaction Detection [101.56529337489417]
  画像中のHuman, Action, Object>の形のHOIインスタンスを検出・認識することを目的としたHuman-Object Interaction (HOI) Detectionの問題点を考察する。 我々は、オブジェクト、アクション、インタラクション間の多レベルコンパレンシーは、稀な、あるいは以前には見られなかったHOIのセマンティック表現を生成するための強力な手がかりであると主張している。 提案モデルでは,人-対象のペアの視覚的特徴とHOIラベルの単語埋め込みを入力とし,それらを視覚-意味的関節埋め込み空間にマッピングし,類似度を計測して検出結果を得る。
  論文  参考訳（メタデータ） (2020-08-14T09:11:18Z)
• Connecting Embeddings for Knowledge Graph Entity Typing [22.617375045752084]
  知識グラフ(KG)エンティティタイピングは、KGに欠落する可能性のあるエンティティタイプのインスタンスを推測することを目的としている。 我々は,既存のエンティティ型アサーションから局所型付け知識とKGからのグローバル三重知識を併用して学習した,KGエンティティ型付けのための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2020-07-21T15:00:01Z)
• On the Role of Conceptualization in Commonsense Knowledge Graph Construction [59.39512925793171]
  アトミックやASERのような常識知識グラフ(CKG)は、従来のKGと大きく異なる。 本稿では, CKG の概念化手法を紹介し, テキストに記述されたエンティティを特定の概念のインスタンスとみなすか, あるいはその逆を例に紹介する。 提案手法は, 可塑性三重項を効果的に同定し, 新たなノードの3重項と, 多様性と新規性の両端項によってKGを拡張できる。
  論文  参考訳（メタデータ） (2020-03-06T14:35:20Z)
• End-to-End Entity Linking and Disambiguation leveraging Word and Knowledge Graph Embeddings [20.4826750211045]
  我々は,KGと単語埋め込みを併用した最初のエンドツーエンドニューラルネットワークアプローチを提案し,単純な質問の結合関係と実体分類を行う。 実験により,提案手法が最先端のエンティティリンクに匹敵する性能を実現することを示す。
  論文  参考訳（メタデータ） (2020-02-25T19:07:54Z)

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。