論文の概要: How Stable is Knowledge Base Knowledge?
- arxiv url: http://arxiv.org/abs/2211.00989v1
- Date: Wed, 2 Nov 2022 09:50:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-03 13:57:06.669619
- Title: How Stable is Knowledge Base Knowledge?
- Title(参考訳): 知識ベース知識はどの程度安定しているか?
- Authors: Suhas Shrinivasan, Simon Razniewski
- Abstract要約: 知識ベース(KB)は、現実世界の実体、それらの性質、関係に関する事実の広範な収集という形で、現実世界の構造化された表現を提供する。
一部のエンティティ・プロプライエタリ・ペアは現実に変化を起こさないが、将来的には変化するかもしれない。
本稿では,KB安定性の概念,具体的には実世界の変化によって変化するKBの問題点について考察する。
- 参考スコア(独自算出の注目度): 12.470223430956084
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Knowledge Bases (KBs) provide structured representation of the real-world in
the form of extensive collections of facts about real-world entities, their
properties and relationships. They are ubiquitous in large-scale intelligent
systems that exploit structured information such as in tasks like structured
search, question answering and reasoning, and hence their data quality becomes
paramount. The inevitability of change in the real-world, brings us to a
central property of KBs -- they are highly dynamic in that the information they
contain are constantly subject to change. In other words, KBs are unstable.
In this paper, we investigate the notion of KB stability, specifically, the
problem of KBs changing due to real-world change. Some entity-property-pairs do
not undergo change in reality anymore (e.g., Einstein-children or
Tesla-founders), while others might well change in the future (e.g.,
Tesla-board member or Ronaldo-occupation as of 2022). This notion of real-world
grounded change is different from other changes that affect the data only,
notably correction and delayed insertion, which have received attention in data
cleaning, vandalism detection, and completeness estimation already. To analyze
KB stability, we proceed in three steps. (1) We present heuristics to delineate
changes due to world evolution from delayed completions and corrections, and
use these to study the real-world evolution behaviour of diverse Wikidata
domains, finding a high skew in terms of properties. (2) We evaluate heuristics
to identify entities and properties likely to not change due to real-world
change, and filter inherently stable entities and properties. (3) We evaluate
the possibility of predicting stability post-hoc, specifically predicting
change in a property of an entity, finding that this is possible with up to 83%
F1 score, on a balanced binary stability prediction task.
- Abstract(参考訳): 知識ベース(kbs)は、実世界の実体、その特性、関係に関する広範な事実の集合の形で、実世界の構造化表現を提供する。
それらは、構造化検索、質問応答、推論などのタスクで構造化情報を利用する大規模なインテリジェントシステムにおいてユビキタスであり、データ品質が最重要である。
現実世界における変化の必然性は、KBの中心的な特性をもたらします。
言い換えれば、KBは不安定である。
本稿では,KB安定性の概念,具体的には実世界の変化によって変化するKBの問題点について考察する。
一部のエンティティ・プロパティ・ペアは現実に変化を起こさない(アインシュタインやテスラの創業者など)一方で、2022年時点ではteslaの役員やロナルド・占有など)。
この現実世界の接地的変化の概念は、データにのみ影響する他の変化、特にデータクリーニング、破壊的検出、完全性推定に注意を払っている修正と遅延挿入とは異なる。
KB安定性を解析するために、我々は3つのステップで進む。
1) 遅れた完了や修正からの世界的進化による変化を列挙するヒューリスティックスを提示し, 様々なウィキデータドメインの現実世界の進化の振る舞いを考察し, 特性の観点から高い歪を見いだす。
2)実世界の変化によって変化しないエンティティやプロパティを識別するヒューリスティックスを評価し,本質的に安定したエンティティやプロパティをフィルタする。
(3) バランスの取れた二分安定性予測タスクにおいて, 安定後の予測可能性, 特にエンティティの特性の変化を予測し, 最大83%のF1スコアで実現可能であることを明らかにする。
関連論文リスト
- Stable Update of Regression Trees [0.0]
本稿では,回帰木という,本質的に説明可能な機械学習手法の安定性に着目した。
本稿では,初期モデルの不確実性に基づいてデータポイントを重み付けする正規化手法を提案する。
その結果、提案手法は、類似またはより良い予測性能を達成しつつ、安定性の向上を図っている。
論文 参考訳(メタデータ) (2024-02-21T09:41:56Z) - Evaluating and Improving Continual Learning in Spoken Language
Understanding [58.723320551761525]
本研究では,連続学習における安定性,可塑性,一般化性に関する統一的な評価手法を提案する。
提案手法を用いることで,SLUモデルのこれらの3つの特性の異なる側面を,様々な知識蒸留の導入によってどのように改善するかを実証する。
論文 参考訳(メタデータ) (2024-02-16T03:30:27Z) - Understanding Learning through the Lens of Dynamical Invariants [0.0]
本稿では,動的不変量の追求として,学習の新たな視点を提案する。
この概念は、これらの不変量の本質的な性質に根ざした、情報的および物理的原理の両方によって根ざされている。
これらの安定不変量の予測可能性により、正確に予測された情報の1ビット当たりのkTln2として定量化できる有用な使用エネルギー源となる。
論文 参考訳(メタデータ) (2024-01-19T00:13:44Z) - Nothing Stands Still: A Spatiotemporal Benchmark on 3D Point Cloud
Registration Under Large Geometric and Temporal Change [86.44429778015657]
人工空間の3次元幾何学地図の構築は、基本的なコンピュータビジョンとロボット工学である。
Not Stands Still (NSS)ベンチマークは、大きな空間的および時間的変化を行う3Dシーンの時間的登録に焦点を当てている。
NSSの一環として,建設中または改修中の大規模建築屋内環境において,3次元点雲のデータセットを連続的に取得する。
論文 参考訳(メタデータ) (2023-11-15T20:09:29Z) - OOD-CV-v2: An extended Benchmark for Robustness to Out-of-Distribution
Shifts of Individual Nuisances in Natural Images [59.51657161097337]
OOD-CV-v2は、ポーズ、形状、テクスチャ、コンテキスト、気象条件の10のオブジェクトカテゴリのアウト・オブ・ディストリビューションの例を含むベンチマークデータセットである。
この新たなデータセットに加えて、一般的なベースライン手法を用いた広範な実験にも貢献する。
論文 参考訳(メタデータ) (2023-04-17T20:39:25Z) - Causal Fairness Analysis [68.12191782657437]
意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。
我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。
本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
論文 参考訳(メタデータ) (2022-07-23T01:06:34Z) - Exploring the Trade-off between Plausibility, Change Intensity and
Adversarial Power in Counterfactual Explanations using Multi-objective
Optimization [73.89239820192894]
自動対物生成は、生成した対物インスタンスのいくつかの側面を考慮すべきである。
本稿では, 対実例生成のための新しい枠組みを提案する。
論文 参考訳(メタデータ) (2022-05-20T15:02:53Z) - On the Trustworthiness of Tree Ensemble Explainability Methods [0.9558392439655014]
特徴重要度法(ゲインやSHAPなど)は、このニーズに対処する最も一般的な説明可能性法の一つである。
信頼できる、意味のある説明可能性のテクニックは、正確で安定した説明を提供する必要があります。
シミュレーションと4つの実世界のデータセットを用いた包括的実験により,グローバルな特徴重要度手法の精度と安定性を評価する。
論文 参考訳(メタデータ) (2021-09-30T20:56:37Z) - Global Convolutional Neural Processes [52.85558458799716]
我々は,潜伏NPFにおけるSOTAログ類似化を実現するGloBal Convolutional Neural Process(GBCoNP)を構築する。
離散化された入力空間上の集合である大域的不確実性表現 p(z) を設計する。
学習した先行データは、1D、2D、新たに提案された時空間のCOVIDデータセットなど、さまざまなシナリオで分析される。
論文 参考訳(メタデータ) (2021-09-02T03:32:50Z) - A Framework for Explainable Concept Drift Detection in Process Mining [0.6927055673104934]
プロセスマイニングにおけるコンセプトドリフト検出に説明可能性レベルを追加するフレームワークを提案する。
提案手法は原因と影響の関係を悪化させ,実行プロセスに新たな洞察を与える。
論文 参考訳(メタデータ) (2021-05-27T14:03:19Z) - Detecting Hierarchical Changes in Latent Variable Models [20.796638500161524]
潜在変数モデルには3つの異なるレベルの変更がある。
変更がどのレベルから来ているかを特定することで、変更の原因を分析することができるため、これらの変更を検出することが重要です。
本稿では,階層的な方法で3つのレベルの変化を検出するための情報理論フレームワークを提案する。
論文 参考訳(メタデータ) (2020-11-18T18:46:10Z)
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。