論文の概要: TripleRE: Knowledge Graph Embeddings via Tripled Relation Vectors

• arxiv url: http://arxiv.org/abs/2209.08271v1
• Date: Sat, 17 Sep 2022 07:42:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2022-09-20 17:43:16.166387
• Title: TripleRE: Knowledge Graph Embeddings via Tripled Relation Vectors
• Title（参考訳）: triplere: 3重関係ベクトルによる知識グラフ埋め込み
• Authors: Long Yu, Zhicong Luo, Huanyong Liu, Deng Lin, Hongzhu Li, Yafeng Deng
• Abstract要約: 本稿では,TripleREという名前の知識グラフを2つのバージョンで埋め込む手法を提案する。 TripleREの最初のバージョンでは、関係ベクトルを創造的に3つに分割している。 2つ目のバージョンは残余の概念を活かし、より良いパフォーマンスを実現している。
• 参考スコア（独自算出の注目度）: 2.8838114325185717
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Translation-based knowledge graph embedding has been one of the most important branches for knowledge representation learning since TransE came out. Although many translation-based approaches have achieved some progress in recent years, the performance was still unsatisfactory. This paper proposes a novel knowledge graph embedding method named TripleRE with two versions. The first version of TripleRE creatively divide the relationship vector into three parts. The second version takes advantage of the concept of residual and achieves better performance. In addition, attempts on using NodePiece to encode entities achieved promising results in reducing the parametric size, and solved the problems of scalability. Experiments show that our approach achieved state-of-the-art performance on the large-scale knowledge graph dataset, and competitive performance on other datasets.
• Abstract（参考訳）: 翻訳に基づく知識グラフの埋め込みは、TransEの登場以来、知識表現学習において最も重要な分野の1つである。 近年、多くの翻訳ベースのアプローチがある程度進歩を遂げているが、その性能はまだ満足のいくものではなかった。 本稿では,TripleREという名前の知識グラフを2つのバージョンで埋め込む手法を提案する。 triplereの最初のバージョンは、創造的に関係ベクトルを3つの部分に分割する。 2つ目のバージョンは残余の概念を利用し、より良いパフォーマンスを達成する。 さらに、エンティティをエンコードするためにnodepieceを使用する試みは、パラメトリックサイズの削減に有望な結果をもたらし、スケーラビリティの問題を解決した。 実験により,大規模ナレッジグラフデータセットにおける最先端性能と,他のデータセットでの競合性能が得られた。

関連論文リスト

• TransNet: Transfer Knowledge for Few-shot Knowledge Graph Completion [69.6049217133483]
  転送学習に基づく数ショットKG補完法(TransNet)を提案する。 異なるタスク間の関係を学習することにより、TransNetは、現在のタスクのパフォーマンスを改善するために、類似タスクからの知識を効果的に転送する。
  論文  参考訳（メタデータ） (2025-03-29T23:39:11Z)
• Repurposing Knowledge Graph Embeddings for Triple Representation via Weak Supervision [77.34726150561087]
  現在の方法では、事前訓練されたモデルからの実体と述語埋め込みを使わずに、スクラッチから三重埋め込みを学習する。 本研究では,知識グラフからトリプルを自動抽出し,事前学習した埋め込みモデルからそれらのペアの類似性を推定する手法を開発した。 これらのペアの類似度スコアは、細い三重表現のためにシームズ様のニューラルネットワークに供給される。
  論文  参考訳（メタデータ） (2022-08-22T14:07:08Z)
• FactGraph: Evaluating Factuality in Summarization with Semantic Graph Representations [114.94628499698096]
  文書と要約を構造化された意味表現(MR)に分解するFactGraphを提案する。 MRは、コアセマンティックの概念とその関係を記述し、文書と要約の両方の主要な内容を標準形式で集約し、データの疎結合を減少させる。 事実性を評価するための異なるベンチマークの実験では、FactGraphは以前のアプローチよりも最大15%優れていた。
  論文  参考訳（メタデータ） (2022-04-13T16:45:33Z)
• GraphCoCo: Graph Complementary Contrastive Learning [65.89743197355722]
  グラフコントラスト学習(GCL)は、手作業によるアノテーションの監督なしに、グラフ表現学習(GRL)において有望な性能を示した。 本稿では,この課題に対処するため,グラフココというグラフ補完型コントラスト学習手法を提案する。
  論文  参考訳（メタデータ） (2022-03-24T02:58:36Z)
• From Discrimination to Generation: Knowledge Graph Completion with Generative Transformer [41.69537736842654]
  我々は、知識グラフ補完を事前学習された言語モデルを用いて、シーケンスからシーケンスへ変換するGenKGCのアプローチを提案する。 本稿では,より優れた表現学習と高速推論を実現するために,関係誘導型実演と実体認識型階層デコーディングを導入する。 また、研究目的のために、新しい大規模中国の知識グラフデータセットAliopenKG500もリリースした。
  論文  参考訳（メタデータ） (2022-02-04T12:52:32Z)
• An Adversarial Transfer Network for Knowledge Representation Learning [11.013390624382257]
  本稿では,1つ以上の教師の知識グラフから対象の知識へ知識を伝達する逆埋め込み転送ネットワークATransNを提案する。 具体的には,既存の知識表現学習手法に,アライメントされたエンティティペアと近傍にソフト制約を加える。
  論文  参考訳（メタデータ） (2021-04-30T05:07:25Z)
• Unveiling Anomalous Edges and Nominal Connectivity of Attributed Networks [53.56901624204265]
  本研究では、相補的な強さを持つ2つの異なる定式化を用いて、属性グラフの異常なエッジを明らかにする。 まず、グラフデータマトリックスを低ランクとスパースコンポーネントに分解することで、パフォーマンスを著しく向上させる。 第2は、乱れのないグラフを頑健に復元することにより、第1のスコープを広げ、異常識別性能を高める。
  論文  参考訳（メタデータ） (2021-04-17T20:00:40Z)
• Heuristic Semi-Supervised Learning for Graph Generation Inspired by Electoral College [80.67842220664231]
  本稿では,新たなノードやエッジを自動的に拡張して,高密度サブグラフ内のラベル類似性を向上する,新しい前処理手法であるElectoral College(ELCO)を提案する。 テストされたすべての設定において、我々の手法はベースモデルの平均スコアを4.7ポイントの広いマージンで引き上げるとともに、常に最先端のモデルよりも優れています。
  論文  参考訳（メタデータ） (2020-06-10T14:48:48Z)
• Structure-Augmented Text Representation Learning for Efficient Knowledge Graph Completion [53.31911669146451]
  人為的な知識グラフは、様々な自然言語処理タスクに重要な支援情報を提供する。 これらのグラフは通常不完全であり、自動補完を促す。 グラフ埋め込みアプローチ(例えばTransE)は、グラフ要素を密度の高い埋め込みに表現することで構造化された知識を学ぶ。 テキストエンコーディングアプローチ(KG-BERTなど)は、グラフトリプルのテキストとトリプルレベルの文脈化表現を利用する。
  論文  参考訳（メタデータ） (2020-04-30T13:50:34Z)

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。