論文の概要: Complex Hyperbolic Knowledge Graph Embeddings with Fast Fourier
Transform
- arxiv url: http://arxiv.org/abs/2211.03635v1
- Date: Mon, 7 Nov 2022 15:46:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-08 15:50:53.341370
- Title: Complex Hyperbolic Knowledge Graph Embeddings with Fast Fourier
Transform
- Title(参考訳): 高速フーリエ変換による複素双曲的知識グラフ埋め込み
- Authors: Huiru Xiao, Xin Liu, Yangqiu Song, Ginny Y. Wong, Simon See
- Abstract要約: 知識グラフ(KG)埋め込みのための幾何学的空間の選択は、KG完了タスクの性能に大きな影響を与える。
複雑な双曲型幾何学の最近の研究は、様々な階層構造を捉えるための双曲型埋め込みをさらに改善した。
本稿では,マルチリレーショナルKG埋め込みにおける複素双曲幾何学の表現能力を活用することを目的とする。
- 参考スコア(独自算出の注目度): 29.205221688430733
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The choice of geometric space for knowledge graph (KG) embeddings can have
significant effects on the performance of KG completion tasks. The hyperbolic
geometry has been shown to capture the hierarchical patterns due to its
tree-like metrics, which addressed the limitations of the Euclidean embedding
models. Recent explorations of the complex hyperbolic geometry further improved
the hyperbolic embeddings for capturing a variety of hierarchical structures.
However, the performance of the hyperbolic KG embedding models for
non-transitive relations is still unpromising, while the complex hyperbolic
embeddings do not deal with multi-relations. This paper aims to utilize the
representation capacity of the complex hyperbolic geometry in multi-relational
KG embeddings. To apply the geometric transformations which account for
different relations and the attention mechanism in the complex hyperbolic
space, we propose to use the fast Fourier transform (FFT) as the conversion
between the real and complex hyperbolic space. Constructing the attention-based
transformations in the complex space is very challenging, while the proposed
Fourier transform-based complex hyperbolic approaches provide a simple and
effective solution. Experimental results show that our methods outperform the
baselines, including the Euclidean and the real hyperbolic embedding models.
- Abstract(参考訳): 知識グラフ(KG)埋め込みのための幾何学的空間の選択は、KG完了タスクの性能に大きな影響を与える。
双曲幾何学はユークリッド埋め込みモデルの限界に対処する木のような計量のために階層的なパターンを捉えることが示されている。
複素双曲幾何学の最近の研究は、様々な階層構造を取り込む双曲埋め込みをさらに改善した。
しかし、非推移関係に対する双曲型kg埋め込みモデルの性能はいまだに期待できないが、複素双曲型埋め込みは多重関係を扱わない。
本稿では,多項kg埋め込みにおける複素双曲幾何学の表現能力を活用することを目的とする。
複素双曲空間における異なる関係と注意機構を考慮した幾何学的変換を適用するために、実空間と複素双曲空間の間の変換として高速フーリエ変換(fft)を用いることを提案する。
複素空間における注意に基づく変換の構成は非常に困難であるが、提案されたフーリエ変換に基づく複素双曲的アプローチは単純で効果的な解を与える。
実験の結果,本手法はユークリッドおよび実双曲埋め込みモデルを含むベースラインよりも優れていた。
関連論文リスト
- Hyperbolic Delaunay Geometric Alignment [52.835250875177756]
双曲空間におけるデータセットの比較のための類似度スコアを提案する。
中心となる考え方は、与えられた集合をまたいだデータポイントを接続する双曲デラウネーグラフのエッジを数えることである。
人工および実生活の生物学的データに関する実証的研究を行い、HyperDGAが集合間の古典的距離の双曲バージョンより優れていることを示す。
論文 参考訳(メタデータ) (2024-04-12T17:14:58Z) - Alignment and Outer Shell Isotropy for Hyperbolic Graph Contrastive
Learning [69.6810940330906]
高品質なグラフ埋め込みを学習するための新しいコントラスト学習フレームワークを提案する。
具体的には、階層的なデータ不変情報を効果的にキャプチャするアライメントメトリックを設計する。
双曲空間において、木の性質に関連する葉と高さの均一性に対処する必要があることを示す。
論文 参考訳(メタデータ) (2023-10-27T15:31:42Z) - Curve Your Attention: Mixed-Curvature Transformers for Graph
Representation Learning [77.1421343649344]
本稿では,一定曲率空間の積を完全に操作するトランスフォーマーの一般化を提案する。
また、非ユークリッド注意に対するカーネル化されたアプローチを提供し、ノード数とエッジ数に線形に時間とメモリコストでモデルを実行できるようにします。
論文 参考訳(メタデータ) (2023-09-08T02:44:37Z) - 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) - HRCF: Enhancing Collaborative Filtering via Hyperbolic Geometric
Regularization [52.369435664689995]
HRCF (textitHyperbolic Regularization powered Collaborative Filtering) を導入し,幾何認識型双曲正規化器を設計する。
具体的には、ルートアライメントとオリジン認識ペナルティによる最適化手順を強化する。
提案手法は,双曲的凝集による過度な平滑化問題に対処でき,モデルの識別能力も向上する。
論文 参考訳(メタデータ) (2022-04-18T06:11:44Z) - Enhancing Hyperbolic Graph Embeddings via Contrastive Learning [7.901082408569372]
複数の双曲空間を通してノード表現を学習する新しいハイパーボリックグラフコントラスト学習(HGCL)フレームワークを提案する。
複数の実世界のデータセットに対する実験結果は、提案したHGCLの優位性を示している。
論文 参考訳(メタデータ) (2022-01-21T06:10:05Z) - Unit Ball Model for Hierarchical Embeddings in Complex Hyperbolic Space [28.349200177632852]
双曲空間における階層構造を持つデータの表現を学習することは近年注目を集めている。
複素双曲空間の単位球モデルにおいてグラフ埋め込みを学ぶことを提案する。
論文 参考訳(メタデータ) (2021-05-09T16:09:54Z) - A Hyperbolic-to-Hyperbolic Graph Convolutional Network [46.80564170208473]
H2H-GCN(hyperbolic-to-hyperbolic graph Convolutional Network)を提案する。
H2H-GCNは、リンク予測、ノード分類、グラフ分類タスクを大幅に改善する。
論文 参考訳(メタデータ) (2021-04-14T16:09:27Z) - Differentiating through the Fr\'echet Mean [51.32291896926807]
フレット平均(Fr'echet mean)はユークリッド平均の一般化である。
任意のリーマン多様体に対して Fr'echet 平均を微分する方法を示す。
これにより、Fr'echet平均を双曲型ニューラルネットワークパイプラインに完全に統合する。
論文 参考訳(メタデータ) (2020-02-29T19:49:38Z)
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。