論文の概要: Dual-Geometric Space Embedding Model for Two-View Knowledge Graphs
- arxiv url: http://arxiv.org/abs/2209.08767v1
- Date: Mon, 19 Sep 2022 05:11:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 19:48:26.246727
- Title: Dual-Geometric Space Embedding Model for Two-View Knowledge Graphs
- Title（参考訳）: 2視点知識グラフのための2次元空間埋め込みモデル
- Authors: Roshni G. Iyer, Yunsheng Bai, Wei Wang, Yizhou Sun
- Abstract要約: 2ビュー知識グラフ(KG)は、抽象概念と常識概念のオントロジービューと、特定のエンティティのインスタンスビューの2つのコンポーネントを共同で表現する。
KGの埋め込みに関する最近の研究は、KG全体が2つのビューのうちの1つにしか属さないが、同時には存在しないと仮定している。
複素非ユークリッド幾何学空間を用いて2次元KGをモデル化する双対幾何学空間埋め込みモデル(DGS)を構築する。
- 参考スコア（独自算出の注目度）: 32.47146018135465
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Two-view knowledge graphs (KGs) jointly represent two components: an ontology
view for abstract and commonsense concepts, and an instance view for specific
entities that are instantiated from ontological concepts. As such, these KGs
contain heterogeneous structures that are hierarchical, from the ontology-view,
and cyclical, from the instance-view. Despite these various structures in KGs,
most recent works on embedding KGs assume that the entire KG belongs to only
one of the two views but not both simultaneously. For works that seek to put
both views of the KG together, the instance and ontology views are assumed to
belong to the same geometric space, such as all nodes embedded in the same
Euclidean space or non-Euclidean product space, an assumption no longer
reasonable for two-view KGs where different portions of the graph exhibit
different structures. To address this issue, we define and construct a
dual-geometric space embedding model (DGS) that models two-view KGs using a
complex non-Euclidean geometric space, by embedding different portions of the
KG in different geometric spaces. DGS utilizes the spherical space, hyperbolic
space, and their intersecting space in a unified framework for learning
embeddings. Furthermore, for the spherical space, we propose novel closed
spherical space operators that directly operate in the spherical space without
the need for mapping to an approximate tangent space. Experiments on public
datasets show that DGS significantly outperforms previous state-of-the-art
baseline models on KG completion tasks, demonstrating its ability to better
model heterogeneous structures in KGs.
- Abstract（参考訳）: 2ビュー知識グラフ(KG)は、抽象概念と常識概念のオントロジービューと、存在論的概念からインスタンス化される特定のエンティティのインスタンスビューの2つのコンポーネントを共同で表現する。
このように、これらのkgは、オントロジビューから階層構造、およびインスタンスビューから循環構造を含む。
KG のこれらの様々な構造にもかかわらず、KG の埋め込みに関する最近の研究は、KG 全体が2つのビューのうちの1つにしか属さないが、同時には存在しないと仮定している。
KG の両ビューをまとめようとする作業に対しては、インスタンスとオントロジーのビューは同じ幾何学的空間に属すると仮定され、例えば同じユークリッド空間や非ユークリッド積空間に埋め込まれたすべてのノードは、グラフの異なる部分が異なる構造を示す2ビュー KG に対してもはや妥当ではない。
この問題に対処するために、複素非ユークリッド幾何学空間を用いて2次元KGをモデル化する双対幾何学空間埋め込みモデル(DGS)を、異なる幾何学空間にKGの異なる部分を埋め込むことにより定義、構築する。
dgsは埋め込みを学ぶための統一フレームワークにおいて、球面空間、双曲空間、それらの交差空間を利用する。
さらに、球面空間に対しては、近似接空間への写像を必要とせず、球面空間内で直接操作する新しい閉球面空間作用素を提案する。
パブリックデータセットでの実験により、dgsは以前のkg完了タスクにおける最先端のベースラインモデルを大きく上回り、kgs内の異種構造をより良くモデル化する能力を示している。
関連論文リスト
- IME: Integrating Multi-curvature Shared and Specific Embedding for Temporal Knowledge Graph Completion [97.58125811599383]
時間的知識グラフ(TKG)は時間次元を取り入れており、知識の進化を正確に捉えることができる。
本稿では,TKGCタスクのための新しい多曲率共有固有埋め込み(IME)モデルを提案する。
IMEは2つの重要な性質、すなわち空間共有性と空間固有性を含んでいる。
論文 参考訳（メタデータ） (2024-03-28T23:31:25Z) - Gaussian Entanglement Measure: Applications to Multipartite Entanglement
of Graph States and Bosonic Field Theory [50.24983453990065]
フービニ・スタディ計量に基づく絡み合い尺度は、Cocchiarellaと同僚によって最近導入された。
本稿では,多モードガウス状態に対する幾何絡み合いの一般化であるガウスエンタングルメント尺度(GEM)を提案する。
自由度の高い系に対する計算可能な多部絡み合わせ測度を提供することにより、自由なボゾン場理論の洞察を得るために、我々の定義が利用できることを示す。
論文 参考訳（メタデータ） (2024-01-31T15:50:50Z) - Concept2Box: Joint Geometric Embeddings for Learning Two-View Knowledge
Graphs [77.10299848546717]
Concept2Boxは、KGの2つのビューを共同で埋め込む新しいアプローチである。
ボックス埋め込みは、それら間の重複や解離のような階層構造と複雑な関係を学習する。
本稿では,新しいベクトル-ボックス間距離測定法を提案し,両者の埋め込みを共同で学習する。
論文 参考訳（メタデータ） (2023-07-04T21:37:39Z) - Knowledge Is Flat: A Seq2Seq Generative Framework for Various Knowledge
Graph Completion [18.581223721903147]
KG-S2SはSeq2Seq生成フレームワークであり、異なる言語化可能なグラフ構造に対処できる。
我々は、KG-S2Sが多くの競争ベースラインを上回っていることを示す。
論文 参考訳（メタデータ） (2022-09-15T13:49:40Z) - Geometry Interaction Knowledge Graph Embeddings [153.69745042757066]
ユークリッド空間,双曲空間,超球空間間の空間構造を対話的に学習する幾何学的相互作用知識グラフ埋め込み(GIE)を提案する。
提案したGIEは、よりリッチなリレーショナル情報、モデルキー推論パターンをキャプチャし、エンティティ間の表現的セマンティックマッチングを可能にする。
論文 参考訳（メタデータ） (2022-06-24T08:33:43Z) - Ultrahyperbolic Knowledge Graph Embeddings [41.85886045379838]
超双曲型KGを超双曲型(または擬リーマン多様体)に埋め込む。
特に、各関係を擬リーマン双線型形式を保存する擬直交変換としてモデル化する。
3つの標準KGの実験結果は、UltraEが以前のユークリッドおよび双曲型アプローチより優れていることを示している。
論文 参考訳（メタデータ） (2022-06-01T12:31:26Z) - Knowledge Graph Embeddings in Geometric Algebras [14.269860621624392]
幾何学代数に基づく新しいKG埋め込みフレームワークGeomEを紹介する。
我々のフレームワークは、最先端のKG埋め込みアプローチを仮定し、様々なキー関係パターンをモデル化する能力に有利である。
複数のベンチマーク知識グラフの実験結果から,提案手法はリンク予測のための既存の最先端モデルよりも優れていることが示された。
論文 参考訳（メタデータ） (2020-10-02T13:36:24Z) - 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)
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。