論文の概要: Dense-ATOMIC: Towards Densely-connected ATOMIC with High Knowledge Coverage and Massive Multi-hop Paths

• arxiv url: http://arxiv.org/abs/2210.07621v2
• Date: Sun, 28 May 2023 11:56:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-31 03:24:31.215325
• Title: Dense-ATOMIC: Towards Densely-connected ATOMIC with High Knowledge Coverage and Massive Multi-hop Paths
• Title（参考訳）: Dense-ATOMIC:高知識カバレッジと大規模マルチホップパスを備えた高機能なATOMICを目指して
• Authors: Xiangqing Shen, Siwei Wu, and Rui Xia
• Abstract要約: 知識の豊富なDense-ATOMICと大規模マルチホップパスを構築した。 ATOMICの注釈付きサブグラフにおける自動的および人為的評価は、強いベースラインに対するRel-CSKGCの利点を示す。
• 参考スコア（独自算出の注目度）: 13.217345065554953
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: ATOMIC is a large-scale commonsense knowledge graph (CSKG) containing everyday if-then knowledge triplets, i.e., {head event, relation, tail event}. The one-hop annotation manner made ATOMIC a set of independent bipartite graphs, which ignored the numerous links between events in different bipartite graphs and consequently caused shortages in knowledge coverage and multi-hop paths. In this work, we aim to construct Dense-ATOMIC with high knowledge coverage and massive multi-hop paths. The events in ATOMIC are normalized to a consistent pattern at first. We then propose a CSKG completion method called Rel-CSKGC to predict the relation given the head event and the tail event of a triplet, and train a CSKG completion model based on existing triplets in ATOMIC. We finally utilize the model to complete the missing links in ATOMIC and accordingly construct Dense-ATOMIC. Both automatic and human evaluation on an annotated subgraph of ATOMIC demonstrate the advantage of Rel-CSKGC over strong baselines. We further conduct extensive evaluations on Dense-ATOMIC in terms of statistics, human evaluation, and simple downstream tasks, all proving Dense-ATOMIC's advantages in Knowledge Coverage and Multi-hop Paths. Both the source code of Rel-CSKGC and Dense-ATOMIC are publicly available on https://github.com/NUSTM/Dense-ATOMIC.
• Abstract（参考訳）: ATOMICは大規模なコモンセンス知識グラフ(CSKG)で、日々のif-thenの知識三重項、すなわち {head event, relation, tail event}を含んでいる。 ワンホップの注釈法により、ATOMICは独立した二部グラフの集合となり、異なる二部グラフのイベント間の多数のリンクを無視し、結果として知識カバレッジやマルチホップパスの不足を引き起こした。 本研究は,Dense-ATOMICを高知識と大規模マルチホップパスで構築することを目的としている。 ATOMICのイベントは、最初は一貫したパターンに正規化されます。 次に,Rel-CSKGCと呼ばれるCSKG補完手法を提案し,三重項の先頭イベントと尾イベントの関係を推定し,ATOMICの既存の三重項に基づくCSKG補完モデルを訓練する。 最終的に、このモデルを用いて、ATOMICの欠落したリンクを完了し、Dense-ATOMICを構築する。 ATOMICの注釈付きサブグラフにおける自動的および人的評価は、強いベースラインに対するRel-CSKGCの利点を示す。 我々はさらに、Dense-ATOMICの知識被覆とマルチホップパスにおける利点を証明し、統計、人的評価、簡単な下流タスクの観点から、Dense-ATOMICの広範な評価を行う。 Rel-CSKGCとDense-ATOMICのソースコードはhttps://github.com/NUSTM/Dense-ATOMICで公開されている。

関連論文リスト

• Exploiting Large Language Models Capabilities for Question Answer-Driven Knowledge Graph Completion Across Static and Temporal Domains [8.472388165833292]
  本稿では,GS-KGC(Generative Subgraph-based KGC)と呼ばれる新しい生成完了フレームワークを提案する。 GS-KGCは、ターゲットエンティティを直接生成するために質問応答形式を採用し、複数の可能な答えを持つ質問の課題に対処する。 本手法は,新たな情報発見を容易にするために,既知の事実を用いて負のサンプルを生成する。
  論文  参考訳（メタデータ） (2024-08-20T13:13:41Z)
• Graph Stochastic Neural Process for Inductive Few-shot Knowledge Graph Completion [63.68647582680998]
  I-FKGC(inductive few-shot knowledge graph completion)と呼ばれる課題に焦点をあてる。 帰納的推論(inductive reasoning)の概念に着想を得て,I-FKGCを帰納的推論問題とした。 本稿では,仮説の連成分布をモデル化したニューラルプロセスに基づく仮説抽出器を提案する。 第2のモジュールでは、この仮説に基づいて、クエリセットのトリプルが抽出された仮説と一致するかどうかをテストするグラフアテンションベースの予測器を提案する。
  論文  参考訳（メタデータ） (2024-08-03T13:37:40Z)
• Genuine $k$-partite correlations and entanglement in the ground state of the Dicke model for interacting qubits [0.0]
  我々はDickeモデルのGenuine Multipartite correlations (GMC) と相互作用する量子ビットを用いて相関を定量化する。 我々はQFI(Quantum Fisher Information)を用いて、真のマルチパーティ・エンタングルメントを検出する。
  論文  参考訳（メタデータ） (2024-05-21T16:38:20Z)
• Normalizing Flow-based Neural Process for Few-Shot Knowledge Graph Completion [69.55700751102376]
  FKGC (Few-shot Knowledge Graph completion) は、失明した事実を、無意味な関連のある事実で予測することを目的としている。 既存のFKGC手法はメートル法学習やメタラーニングに基づいており、しばしば分布外や過度に適合する問題に悩まされる。 本稿では,数ショット知識グラフ補完(NP-FKGC)のためのフローベースニューラルプロセスの正規化を提案する。
  論文  参考訳（メタデータ） (2023-04-17T11:42:28Z)
• Knowledge Graph Completion with Pre-trained Multimodal Transformer and Twins Negative Sampling [13.016173217017597]
  本稿では,VBKGC(VisualBERT-enhanced Knowledge Graph Completion Model)を提案する。 VBKGCは、エンティティの深く融合したマルチモーダル情報をキャプチャし、それらをKGCモデルに統合することができる。 リンク予測タスクにおいて,VBKGCの優れた性能を示すため,広範囲な実験を行った。
  論文  参考訳（メタデータ） (2022-09-15T06:50:31Z)
• Towards the simulation of transition-metal oxides of the cathode battery materials using VQE methods [0.0]
  変分量子固有解法(VQE)は、ノイズのある中間スケール量子ハードウェアを利用してモデルハミルトンの最小固有値を得るハイブリッド量子古典法である。 本研究では,バッテリカソード用遷移金属酸化物LiCoO$の基底状態エネルギーを得るためにVQE法を用いる。
  論文  参考訳（メタデータ） (2022-08-16T22:30:54Z)
• ExpressivE: A Spatio-Functional Embedding For Knowledge Graph Completion [78.8942067357231]
  ExpressivEは、一対の実体を点として埋め込み、仮想三重空間に超平行グラフとして関係を埋め込む。 我々は、ExpressivEが最先端のKGEと競合し、W18RRでさらに優れています。
  論文  参考訳（メタデータ） (2022-06-08T23:34:39Z)
• Modeling Heterogeneous Hierarchies with Relation-specific Hyperbolic Cones [64.75766944882389]
  知識グラフにおける複数の階層的および非階層的関係を同時にモデル化できるKG埋め込みモデルであるConE(Cone Embedding)を提案する。 特に、ConEは双曲埋め込み空間の異なる部分空間における円錐包含制約を用いて、複数の異種階層をキャプチャする。 我々のアプローチでは、WN18RRで45.3%、DDB14で16.1%の新しい最先端hits@1が得られる(0.231 MRR)。
  論文  参考訳（メタデータ） (2021-10-28T07:16:08Z)
• Identify, Align, and Integrate: Matching Knowledge Graphs to Commonsense Reasoning Tasks [81.03233931066009]
  与えられたタスクの目的に整合した知識グラフ(KG)を選択することは重要である。 候補者KGがタスクの推論のギャップを正しく識別し、正確に埋めることができるかを評価するアプローチを示す。 このkg-to-taskマッチングを,知識-タスク識別,知識-タスクアライメント,知識-タスク統合という3つのフェーズで示す。
  論文  参考訳（メタデータ） (2021-04-20T18:23:45Z)
• KACC: A Multi-task Benchmark for Knowledge Abstraction, Concretization and Completion [99.47414073164656]
  包括的知識グラフ(KG)は、インスタンスレベルのエンティティグラフとオントロジーレベルの概念グラフを含む。 2ビューのKGは、知識の抽象化、包括化、完成に関する人間の能力を「シミュレーション」するためのモデルのためのテストベッドを提供する。 我々は,データセットのスケール,タスクカバレッジ,難易度の観点から,既存のベンチマークを改善した統一KGベンチマークを提案する。
  論文  参考訳（メタデータ） (2020-04-28T16:21:57Z)

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。