論文の概要: Can Persistent Homology provide an efficient alternative for Evaluation
of Knowledge Graph Completion Methods?
- arxiv url: http://arxiv.org/abs/2301.12929v1
- Date: Mon, 30 Jan 2023 14:30:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-31 14:23:06.181814
- Title: Can Persistent Homology provide an efficient alternative for Evaluation
of Knowledge Graph Completion Methods?
- Title（参考訳）: 永続ホモロジーは知識グラフ補完手法の評価に有効な代替手段となるか?
- Authors: Anson Bastos, Kuldeep Singh, Abhishek Nadgeri, Johannes Hoffart,
Toyotaro Suzumura, Manish Singh
- Abstract要約: 本稿では,知識グラフ (KG) 補完手法の高速化を目的とした新しい手法である $textitKnowledge $Persistence (mathcalKP$) を提案する。
$mathcalKP$は、トポロジ的データ解析のレンズを通してKG完備化法のトポロジを表現することでこの問題に対処する。
- 参考スコア（独自算出の注目度）: 5.9183068280592845
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper we present a novel method, $\textit{Knowledge Persistence}$
($\mathcal{KP}$), for faster evaluation of Knowledge Graph (KG) completion
approaches. Current ranking-based evaluation is quadratic in the size of the
KG, leading to long evaluation times and consequently a high carbon footprint.
$\mathcal{KP}$ addresses this by representing the topology of the KG completion
methods through the lens of topological data analysis, concretely using
persistent homology. The characteristics of persistent homology allow
$\mathcal{KP}$ to evaluate the quality of the KG completion looking only at a
fraction of the data. Experimental results on standard datasets show that the
proposed metric is highly correlated with ranking metrics (Hits@N, MR, MRR).
Performance evaluation shows that $\mathcal{KP}$ is computationally efficient:
In some cases, the evaluation time (validation+test) of a KG completion method
has been reduced from 18 hours (using Hits@10) to 27 seconds (using
$\mathcal{KP}$), and on average (across methods & data) reduces the evaluation
time (validation+test) by $\approx$ $\textbf{99.96}\%$.
- Abstract（参考訳）: 本稿では,知識グラフ(kg)補完手法の高速評価のために,新しい手法である$\textit{knowledge persistence}$ (\mathcal{kp}$)を提案する。
現在のランキングに基づく評価はkgの大きさで2倍であり、長い評価時間と高い炭素フットプリントをもたらす。
$\mathcal{KP}$は、KG完備化法の位相をトポロジデータ解析のレンズで表現し、具体的には永続ホモロジーを用いてこの問題に対処する。
永続ホモロジーの特徴により、$\mathcal{kp}$ はデータのほんの一部だけを見て kg 完成の品質を評価することができる。
標準データセットを用いた実験結果から,提案指標はランキング指標(Hits@N, MR, MRR)と高い相関性を示した。
性能評価は、$\mathcal{KP}$が計算的に効率的であることを示している: 場合によっては、KG完了法の評価時間(validation+test)が18時間( Hits@10)から27秒($\mathcal{KP}$)に短縮され、平均(across method & data)では、評価時間(validation+test)が$\approx$$\textbf{99.96}\%$に削減された。
関連論文リスト
- Power Mean Estimation in Stochastic Monte-Carlo Tree_Search [25.058008522872747]
Monte-Carlo Tree Search (MCTS)は、Monte-Carloサンプリングとフォワードツリー検索を組み合わせたオンラインプランニングのための広く使われている戦略である。
UCTの理論的基礎は対数的ボーナス項の誤りにより不完全である。
本稿では,MDPに適したパワー平均推定器を用いたアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-06-04T11:56:37Z) - A Unified Framework for Gradient-based Clustering of Distributed Data [51.904327888475606]
我々は,ユーザのネットワーク上で動作する分散クラスタリングアルゴリズムのファミリーを開発する。
DGC-$mathcalF_rho$は、K$-meansやHuber Losといった一般的なクラスタリング損失に特化している。
DGC-$mathcalF_rho$のコンセンサス固定点は、全データ上の勾配クラスタリングの固定点と等価であることを示す。
論文 参考訳（メタデータ） (2024-02-02T10:44:42Z) - Are We Wasting Time? A Fast, Accurate Performance Evaluation Framework
for Knowledge Graph Link Predictors [4.31947784387967]
より大規模な知識グラフでは、ランク付けプロセスは急速に重くなります。
従来のアプローチでは、エンティティのランダムサンプリングを使用して、メソッドによって予測または提案されるリンクの品質を評価していた。
得られた評価基準が真の結果を適切に反映していないため,本手法には深刻な限界があることが示されている。
本稿では,リレーショナルリコメンデータを用いて候補の選択を誘導するフレームワークを提案する。
論文 参考訳（メタデータ） (2024-01-25T15:44:46Z) - A Specialized Semismooth Newton Method for Kernel-Based Optimal
Transport [92.96250725599958]
カーネルベース最適輸送(OT)推定器は、サンプルからOT問題に対処するための代替的機能的推定手順を提供する。
SSN法は, 標準正規性条件下でのグローバル収束率$O (1/sqrtk)$, 局所二次収束率を達成できることを示す。
論文 参考訳（メタデータ） (2023-10-21T18:48:45Z) - Detection-Recovery Gap for Planted Dense Cycles [72.4451045270967]
期待帯域幅$n tau$とエッジ密度$p$をエルドホス=R'enyiグラフ$G(n,q)$に植え込むモデルを考える。
低次アルゴリズムのクラスにおいて、関連する検出および回復問題に対する計算しきい値を特徴付ける。
論文 参考訳（メタデータ） (2023-02-13T22:51:07Z) - KGxBoard: Explainable and Interactive Leaderboard for Evaluation of
Knowledge Graph Completion Models [76.01814380927507]
KGxBoardは、データの意味のあるサブセットを詳細に評価するためのインタラクティブなフレームワークである。
実験では,KGxBoardを用いることで,標準平均シングルスコアメトリクスでは検出が不可能であったことを強調した。
論文 参考訳（メタデータ） (2022-08-23T15:11:45Z) - Efficient Graph-Friendly COCO Metric Computation for Train-Time Model
Evaluation [3.04585143845864]
我々はCOCO平均精度を計算し、リコールするグラフフレンドリーなアルゴリズムを提案する。
我々の貢献には、平均精度の正確な近似アルゴリズム、COCO平均精度とCOCOリコールのオープンソース実装、そして我々の実装の精度を検証するための広範な数値ベンチマークが含まれる。
論文 参考訳（メタデータ） (2022-07-21T22:39:00Z) - Computationally efficient sparse clustering [67.95910835079825]
我々はPCAに基づく新しいクラスタリングアルゴリズムの有限サンプル解析を行う。
ここでは,ミニマックス最適誤クラスタ化率を,体制$|theta infty$で達成することを示す。
論文 参考訳（メタデータ） (2020-05-21T17:51:30Z) - A Finite Time Analysis of Two Time-Scale Actor Critic Methods [87.69128666220016]
我々は,2つの時間スケールのアクター批判的手法に対する非漸近的解析を行う。
本研究では,アクター批判法が一階定常点を見つけることが保証されていることを証明した。
有限時間解析とサンプルの複雑さを2つの時間スケールアクター批判的手法に限定した最初の作品である。
論文 参考訳（メタデータ） (2020-05-04T09:45:18Z) - NeCPD: An Online Tensor Decomposition with Optimal Stochastic Gradient
Descent [1.0953917735844645]
マルチウェイオンラインデータに基づく$(N)Nにおける非効率的な問題に対して,NeCPDという新しい効率的な分解アルゴリズムを提案する。
さらに,本手法を構造的データセットを用いた実生活モニタリングの分野に適用する。
論文 参考訳（メタデータ） (2020-03-18T04:44:05Z)
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。