論文の概要: Exploring Wasserstein Distance across Concept Embeddings for Ontology Matching

• arxiv url: http://arxiv.org/abs/2207.11324v1
• Date: Fri, 22 Jul 2022 20:31:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-26 14:04:48.696168
• Title: Exploring Wasserstein Distance across Concept Embeddings for Ontology Matching
• Title（参考訳）: オントロジーマッチングのための概念埋め込みにおけるwaserstein距離の検討
• Authors: Yuan An and Alex Kalinowski and Jane Greenberg
• Abstract要約: 本研究では,概念埋め込みにおけるワッサーシュタイン距離測定について検討する。 我々は、事前訓練された単語埋め込みシステムであるfasttextを使って、onlgoieを埋め込む。 その結果, 埋込型非教師付きマッチングを改善するため, 最適な輸送路とワッサーシュタイン距離を応用するための有望な軌道が示唆された。
• 参考スコア（独自算出の注目度）: 0.5156484100374059
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Measuring the distance between ontological elements is a fundamental component for any matching solutions. String-based distance metrics relying on discrete symbol operations are notorious for shallow syntactic matching. In this study, we explore Wasserstein distance metric across ontology concept embeddings. Wasserstein distance metric targets continuous space that can incorporate linguistic, structural, and logical information. In our exploratory study, we use a pre-trained word embeddings system, fasttext, to embed ontology element labels. We examine the effectiveness of Wasserstein distance for measuring similarity between (blocks of) ontolgoies, discovering matchings between individual elements, and refining matchings incorporating contextual information. Our experiments with the OAEI conference track and MSE benchmarks achieve competitive results compared to the leading systems such as AML and LogMap. Results indicate a promising trajectory for the application of optimal transport and Wasserstein distance to improve embedding-based unsupervised ontology matchings.
• Abstract（参考訳）: オントロジー要素間の距離を測定することは、任意のマッチング解の基本成分である。 離散記号演算に依存する文字列ベースの距離メトリクスは、浅い構文マッチングで悪名高い。 本研究では,オントロジー概念の埋め込みにおけるwasserstein距離計量について検討する。 ワッサーシュタイン距離計量は言語的、構造的、論理的情報を組み込む連続空間を対象とする。 本研究では,事前学習した単語埋め込みシステムであるfasttextを用いて,オントロジー要素ラベルの埋め込みを行う。 本研究では,オンテルゲー間の類似度の測定,個々の要素間のマッチングの発見,文脈情報を含むマッチングの精錬におけるwasserstein距離の有効性について検討した。 OAEI カンファレンストラックと MSE ベンチマークによる実験は,AML や LogMap などの主要なシステムと比較して,競争力のある結果が得られる。 その結果、最適輸送とwasserstein距離を組み込んだ非教師付きオントロジーマッチングを改善するための有望な軌道が示された。

関連論文リスト

• GSSF: Generalized Structural Sparse Function for Deep Cross-modal Metric Learning [51.677086019209554]
  ペアワイド類似性学習のためのモダリティ間の強力な関係を捕捉する汎用構造スパースを提案する。 距離メートル法は、対角線とブロック対角線の2つの形式を微妙にカプセル化する。 クロスモーダルと2つの余分なユニモーダル検索タスクの実験は、その優位性と柔軟性を検証した。
  論文  参考訳（メタデータ） (2024-10-20T03:45:50Z)
• Federated Wasserstein Distance [16.892296712204597]
  本稿では、2つの分布間のワッサーシュタイン距離を連合的に計算する原理的方法を紹介する。 中央のエンティティ/サーバが計算をオーケストレーションしている間に、異なるデバイス/クライアントに格納および保持されている2つのサンプル間のWasserstein距離を推定する方法を示す。
  論文  参考訳（メタデータ） (2023-10-03T11:30:50Z)
• Contextual information integration for stance detection via cross-attention [59.662413798388485]
  スタンス検出は、著者の目標に対する姿勢を特定することを扱う。 既存のスタンス検出モデルの多くは、関連するコンテキスト情報を考慮していないため、制限されている。 文脈情報をテキストとして統合する手法を提案する。
  論文  参考訳（メタデータ） (2022-11-03T15:04:29Z)
• Wasserstein t-SNE [25.241296604908424]
  本稿では,ワッサーシュタイン距離距離計を用いた階層的データセットの探索的解析手法を開発した。 対のワッサーシュタイン距離の行列に基づいて、t-SNEを用いて単位の2次元埋め込みを構築する。
  論文  参考訳（メタデータ） (2022-05-16T09:09:24Z)
• Contextualized Semantic Distance between Highly Overlapped Texts [85.1541170468617]
  テキスト編集や意味的類似性評価といった自然言語処理タスクにおいて、ペア化されたテキストに重複が頻繁に発生する。 本稿では,マスク・アンド・予測戦略を用いてこの問題に対処することを目的とする。 本稿では,最も長い単語列の単語を隣接する単語とみなし,その位置の分布を予測するためにマスク付き言語モデリング(MLM)を用いる。 セマンティックテキスト類似性の実験では、NDDは様々な意味的差異、特に高い重なり合うペアテキストに対してより敏感であることが示されている。
  論文  参考訳（メタデータ） (2021-10-04T03:59:15Z)
• SetMargin Loss applied to Deep Keystroke Biometrics with Circle Packing Interpretation [67.0845003374569]
  本研究は,新しい距離距離学習法(DML)に基づくキーストロークバイオメトリックスのための新しい深層学習手法を提案する。 提案手法の有効性を実験的に証明し, キーストロークの生体認証を78,000名の被験者に対して行った。
  論文  参考訳（メタデータ） (2021-09-02T13:26:57Z)
• Computationally Efficient Wasserstein Loss for Structured Labels [37.33134854462556]
  階層的テキスト分類タスクに着目した木-ワッサーシュタイン距離正規化LDLアルゴリズムを提案する。 提案手法は,学習中にラベルの構造を十分に考慮し,計算時間とメモリ使用量の観点からシンクホーンアルゴリズムと好適に比較できることを示す。
  論文  参考訳（メタデータ） (2021-03-01T10:45:13Z)
• Learning High Dimensional Wasserstein Geodesics [55.086626708837635]
  高次元の2つの確率分布の間のワッサーシュタイン測地線を計算するための新しい定式化と学習戦略を提案する。 ラグランジュ乗算器の手法を最適輸送(OT)問題の動的定式化に適用することにより、サドル点がワッサーシュタイン測地線であるミニマックス問題を導出する。 次に、深層ニューラルネットワークによる関数のパラメータ化を行い、トレーニングのためのサンプルベースの双方向学習アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2021-02-05T04:25:28Z)
• 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)
• When OT meets MoM: Robust estimation of Wasserstein Distance [8.812837829361923]
  本稿では,2つの確率分布間のワッサーシュタイン距離を,観測結果が外れ値によって汚染されると推定する問題を考察する。 データ汚染モデルに基づいて, 一貫性を検証した新しいMoMベースのロバスト推定器について紹介し, 議論する。 そこで本研究では,シンクホーンアルゴリズムと組み合わせて使用可能な,シンプルなMoMに基づく再重み付け手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T07:31:39Z)
• Disentangled Representation Learning with Wasserstein Total Correlation [90.44329632061076]
  本稿では,変分オートエンコーダとワッサースタインオートエンコーダの設定に総相関を導入し,非絡み付き潜在表現を学習する。 批評家は、ワッサーシュタインの総相関項を推定する主な目的と共に、敵対的に訓練される。 提案手法は, 再建能力の犠牲が小さく, 絡み合いに匹敵する性能を有することを示す。
  論文  参考訳（メタデータ） (2019-12-30T05:31:28Z)

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。