論文の概要: Facing Changes: Continual Entity Alignment for Growing Knowledge Graphs
- arxiv url: http://arxiv.org/abs/2207.11436v1
- Date: Sat, 23 Jul 2022 06:52:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-26 15:06:44.478991
- Title: Facing Changes: Continual Entity Alignment for Growing Knowledge Graphs
- Title（参考訳）: Facing Changes: 知識グラフを成長させるための継続的なエンティティアライメント
- Authors: Yuxin Wang and Yuanning Cui and Wenqiang Liu and Zequn Sun and Yiqiao
Jiang and Kexin Han and Wei Hu
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 22.88552158340435
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Entity alignment is a basic and vital technique in knowledge graph (KG)
integration. Over the years, research on entity alignment has resided on the
assumption that KGs are static, which neglects the nature of growth of
real-world KGs. As KGs grow, previous alignment results face the need to be
revisited while new entity alignment waits to be discovered. In this paper, we
propose and dive into a realistic yet unexplored setting, referred to as
continual entity alignment. To avoid retraining an entire model on the whole
KGs whenever new entities and triples come, we present a continual alignment
method for this task. It reconstructs an entity's representation based on
entity adjacency, enabling it to generate embeddings for new entities quickly
and inductively using their existing neighbors. It selects and replays partial
pre-aligned entity pairs to train only parts of KGs while extracting
trustworthy alignment for knowledge augmentation. As growing KGs inevitably
contain non-matchable entities, different from previous works, the proposed
method employs bidirectional nearest neighbor matching to find new entity
alignment and update old alignment. Furthermore, we also construct new datasets
by simulating the growth of multilingual DBpedia. Extensive experiments
demonstrate that our continual alignment method is more effective than
baselines based on retraining or inductive learning.
- Abstract（参考訳）: エンティティアライメントは知識グラフ(KG)統合における基本的で重要なテクニックである。
長年にわたって、エンティティアライメントの研究は、実世界のkgsの成長の性質を無視する静的なkgsという仮定に置かれてきた。
KGが大きくなるにつれて、以前のアライメント結果は再検討される必要があり、新しいエンティティアライメントが見つかるのを待つ。
本稿では,連続的なエンティティアライメント(continuous entity alignment)と呼ばれる現実的かつ未探索な設定を提案する。
新たなエンティティやトリプルが現れるたびに,KG全体のモデル全体の再トレーニングを避けるために,このタスクに対して連続的なアライメント手法を提案する。
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、既存の隣人を使って、新しいエンティティの埋め込みを迅速かつインダクティブに生成する。
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。
提案手法では,従来の手法と異なり,不整合なエンティティを必然的に含んでいるため,新たなエンティティアライメントを見つけ,古いアライメントを更新するために,双方向最寄りの近接マッチングを用いる。
さらに,多言語DBpediaの成長をシミュレートすることで,新たなデータセットを構築する。
広範な実験により,本手法はリトレーニングやインダクティブ学習に基づくベースラインよりも有効であることが示された。
関連論文リスト
- Logical Reasoning with Relation Network for Inductive Knowledge Graph Completion [9.815135283458808]
帰納的KG完了のための新しいiNfOmax RelAtion Network(NORAN)を提案する。
我々のフレームワークは最先端のKGC手法よりも大幅に優れています。
論文 参考訳（メタデータ） (2024-06-03T09:30:43Z) - 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) - Inductive Knowledge Graph Reasoning for Multi-batch Emerging Entities [22.88552158340435]
既存のインダクティブな作業は、新しいエンティティがすべてバッチで1度現れていると仮定します。
この研究は、複数のバッチに新しいエンティティが出現する、より現実的で困難な状況に飛び込んでいます。
そこで我々は,新しい環境に適応するための,歩行に基づく帰納的推論モデルを提案する。
論文 参考訳（メタデータ） (2022-08-22T14:59:19Z) - Dangling-Aware Entity Alignment with Mixed High-Order Proximities [65.53948800594802]
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。
論文 参考訳（メタデータ） (2022-05-05T02:39:55Z) - 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) - 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) - Inductive Learning on Commonsense Knowledge Graph Completion [89.72388313527296]
コモンセンス知識グラフ(英: Commonsense Knowledge graph、CKG)は、知識グラフ(英: knowledge graph、CKG)の一種。
本稿では,未確認のエンティティがテスト時に現れるCKG完了のための帰納学習環境について検討する。
InductivEは、ATOMICとConceptNetベンチマークの標準設定とインダクティブ設定の両方において、最先端のベースラインを大幅に上回っている。
論文 参考訳（メタデータ） (2020-09-19T16:10:26Z) - Relational Reflection Entity Alignment [28.42319743737994]
エンティティアライメントは知識グラフ(KG)からエンティティペアを特定する
エンティティアライメントにGNNを導入することで、最近のモデルのアーキテクチャはますます複雑になっています。
本稿では,既存のエンティティアライメント手法を統一的なフレームワークであるShape-Builder & Alignmentに抽象化する。
論文 参考訳（メタデータ） (2020-08-18T14:49:31Z) - 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) - 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。