Fugu-MT 論文翻訳(概要): Subsampling for Knowledge Graph Embedding Explained

論文の概要: Subsampling for Knowledge Graph Embedding Explained

arxiv url: http://arxiv.org/abs/2209.12801v1
Date: Tue, 13 Sep 2022 09:17:46 GMT
ステータス: 処理完了
システム内更新日: 2022-10-02 23:40:26.048757
Title: Subsampling for Knowledge Graph Embedding Explained
Title（参考訳）: 説明付き知識グラフのサブサンプリング
Authors: Hidetaka Kamigaito, Katsuhiko Hayashi
Abstract要約: 本稿では,知識グラフ埋め込み(KGE)におけるサブサンプリング手法の最近の進歩について説明する。
参考スコア（独自算出の注目度）: 25.664174172917345
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this article, we explain the recent advance of subsampling methods in knowledge graph embedding (KGE) starting from the original one used in word2vec.
Abstract（参考訳）: 本稿では、word2vec で使われた元から始まった知識グラフ埋め込み (kge) におけるサブサンプリング手法の最近の進歩について述べる。

関連論文リスト

Farspredict: A benchmark dataset for link prediction [6.866104126509981]
本稿ではFarsbaseに基づくペルシアの知識グラフ"Farspredict"を提案する。また、知識グラフ構造がKGEのリンク予測精度にどのように影響するかを説明する。
論文参考訳（メタデータ） (2023-03-26T07:41:26Z)
You Only Transfer What You Share: Intersection-Induced Graph Transfer Learning for Link Prediction [79.15394378571132]
従来見過ごされていた現象を調査し、多くの場合、元のグラフに対して密に連結された補グラフを見つけることができる。より密度の高いグラフは、選択的で有意義な知識を伝達するための自然なブリッジを提供する元のグラフとノードを共有することができる。この設定をグラフインターセクション誘導トランスファーラーニング(GITL)とみなし,eコマースや学術共同オーサシップ予測の実践的応用に動機づけられた。
論文参考訳（メタデータ） (2023-02-27T22:56:06Z)
Generalizing to Unseen Elements: A Survey on Knowledge Extrapolation for Knowledge Graphs [46.202752149611776]
知識グラフ(KG)は様々なアプリケーションにおいて貴重な知識資源となっている。従来型の知識グラフ埋め込み(KGE)メソッドは、モデルテスト中に目に見えないエンティティや関係を扱う場合、依然として課題に直面している。一般用語の集合を用いてこれらの手法を統一し、それらを総合的に知識外挿と呼ぶ。
論文参考訳（メタデータ） (2023-02-03T17:05:59Z)
Explaining Link Predictions in Knowledge Graph Embedding Models with Influential Examples [8.892798396214065]
本稿では,知識グラフ埋め込み(KGE)モデルにおけるリンク予測の説明問題について検討する。本稿では,知識グラフにおけるノードとエッジの潜在空間表現を利用して予測を記述した例に基づく手法を提案する。
論文参考訳（メタデータ） (2022-12-05T23:19:02Z)
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)
Conditional Attention Networks for Distilling Knowledge Graphs in Recommendation [74.14009444678031]
本稿では,知識グラフをレコメンデーションシステムに組み込むために,知識対応コンディショナルアテンションネットワーク(KCAN)を提案する。本研究では,まず,ユーザ・イテムネットワークとナレッジグラフのグローバルな意味的類似性を捉えるノード表現を得る。そして,そのサブグラフに条件付きアテンションアグリゲーションを適用することで,その知識グラフを改良し,目標固有ノード表現を得る。
論文参考訳（メタデータ） (2021-11-03T09:40:43Z)
Learning Contextualized Knowledge Structures for Commonsense Reasoning [47.37838612541735]
ハイブリッドグラフネットワーク(HGN)という新しいKG拡張モデルを提案する。 HGNは、統合されたグラフ構造内の両方について推論することで、抽出された知識と生成された知識を共同で文脈化することを学ぶ。 HGNの有効性は、4つのコモンセンス推論ベンチマークにおけるかなりの性能向上と、エッジの有効性と有用性に関するユーザスタディによって実証される。
論文参考訳（メタデータ） (2020-10-24T11:09:16Z)
Reinforced Anytime Bottom Up Rule Learning for Knowledge Graph Completion [11.795056270534285]
本稿では,シンボル空間に根ざしたAnyBURLという手法を提案する。以上の結果から,AnyBURLはサブシンボリックな手法よりも優れていた。
論文参考訳（メタデータ） (2020-04-09T08:15:39Z)

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。