論文の概要: Characterizing Nexus of Similarity within Knowledge Bases: A Logic-based
Framework and its Computational Complexity Aspects
- arxiv url: http://arxiv.org/abs/2303.10714v1
- Date: Sun, 19 Mar 2023 16:50:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-21 17:35:54.642069
- Title: Characterizing Nexus of Similarity within Knowledge Bases: A Logic-based
Framework and its Computational Complexity Aspects
- Title(参考訳): 知識ベースにおけるnexusの類似性:論理ベースのフレームワークとその計算複雑性
- Authors: Giovanni Amendola, Marco Manna, Aldo Ricioppo
- Abstract要約: 我々は,エンティティ間の類似性のネクサスを形式的かつ自動的に特徴付ける新しい論理ベースのフレームワークを開発する。
このフレームワークの計算複雑性の側面を分析する。
- 参考スコア(独自算出の注目度): 7.773399781313891
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Similarities between entities occur frequently in many real-world scenarios.
For over a century, researchers in different fields have proposed a range of
approaches to measure the similarity between entities. More recently, inspired
by "Google Sets", significant academic and commercial efforts have been devoted
to expanding a given set of entities with similar ones. As a result, existing
approaches nowadays are able to take into account properties shared by
entities, hereinafter called nexus of similarity. Accordingly, machines are
largely able to deal with both similarity measures and set expansions. To the
best of our knowledge, however, there is no way to characterize nexus of
similarity between entities, namely identifying such nexus in a formal and
comprehensive way so that they are both machine- and human-readable; moreover,
there is a lack of consensus on evaluating existing approaches for weakly
similar entities. As a first step towards filling these gaps, we aim to
complement existing literature by developing a novel logic-based framework to
formally and automatically characterize nexus of similarity between tuples of
entities within a knowledge base. Furthermore, we analyze computational
complexity aspects of this framework.
- Abstract(参考訳): 実体間の類似性は多くの現実世界のシナリオで頻繁に発生する。
1世紀以上にわたって、異なる分野の研究者は、エンティティ間の類似性を測定するための様々なアプローチを提案してきた。
最近では、"Google Sets"に触発されて、学術的および商業的な取り組みが、同様のエンティティセットの拡張に費やされている。
その結果、現在の既存のアプローチでは、エンティティが共有するプロパティ(以下、nexus of similarity)を考慮に入れることができる。
したがって、機械は類似度対策と設定拡張の両方に対処することができる。
しかし、私たちの知る限りでは、エンティティ間の類似性のnexusを特徴付ける方法はありません。つまり、そのようなnexusを形式的で包括的な方法で識別することで、マシンと人の両方が読めるようにします。
これらのギャップを埋める第一歩として、知識ベース内のエンティティのタプル間の類似点を形式的かつ自動的に特徴付ける新しい論理ベースのフレームワークを開発することにより、既存の文献を補完することを目指している。
さらに,このフレームワークの計算複雑性を解析する。
関連論文リスト
- Interpretable Measures of Conceptual Similarity by
Complexity-Constrained Descriptive Auto-Encoding [112.0878081944858]
画像間の類似度を定量化することは、画像ベースの機械学習にとって重要な著作権問題である。
我々は,高次関係を捉えた画像間での「概念的類似性」の概念を定義し,計算することを目指している。
2つの非常に異種な画像は、その記述の早い段階で識別できるが、概念的に異種な画像は、より詳細を区別する必要がある。
論文 参考訳(メタデータ) (2024-02-14T03:31:17Z) - Similarity between Units of Natural Language: The Transition from Coarse
to Fine Estimation [0.0]
人間の言語ユニット間の類似性を捉えることは、人間がどう異なる物体を関連づけるかを説明するのに不可欠です。
この論文における私の研究目標は、より洗練された方法で言語単位間の類似性を考慮した回帰モデルを開発することです。
論文 参考訳(メタデータ) (2022-10-25T18:54:32Z) - Similarity of Neural Architectures using Adversarial Attack
Transferability [50.50231315195932]
ニューラルネットワーク間の定量的かつスケーラブルな類似度尺度を設計する。
我々は69の最先端画像ネット分類器を大規模に解析する。
我々の結果は、異なるコンポーネントを持つ多様なニューラルアーキテクチャの開発がなぜ必要かについての洞察を提供する。
論文 参考訳(メタデータ) (2022-10-20T16:56:47Z) - Relational Proxies: Emergent Relationships as Fine-Grained
Discriminators [52.17542855760418]
本稿では,オブジェクトのグローバル部分とローカル部分の間の情報を利用してラベルを符号化する手法を提案する。
我々は、理論的な結果に基づいてプロキシを設計し、7つの挑戦的なきめ細かいベンチマークデータセットに基づいて評価する。
また、この理論を実験的に検証し、複数のベンチマークで一貫した結果を得る。
論文 参考訳(メタデータ) (2022-10-05T11:08:04Z) - Exploiting Global Semantic Similarities in Knowledge Graphs by
Relational Prototype Entities [55.952077365016066]
実証的な観察では、頭と尾のエンティティが同じ関係で結ばれている場合、しばしば同様の意味的属性を共有する。
我々は、textittextbfrelational prototype entityと呼ばれる仮想ノードのセットを導入する新しいアプローチを提案する。
エンティティの埋め込みを、関連するプロトタイプの埋め込みに近づけることで、私たちのアプローチは、エンティティのグローバルな意味的類似性を効果的に促進できる。
論文 参考訳(メタデータ) (2022-06-16T09:25:33Z) - Attributable Visual Similarity Learning [90.69718495533144]
本稿では、画像間のより正確で説明可能な類似度測定のための帰属的視覚類似度学習(AVSL)フレームワークを提案する。
人間の意味的類似性認知に動機づけられた2つの画像とグラフとの類似性を表現するために,一般化された類似性学習パラダイムを提案する。
CUB-200-2011、Cars196、Stanford Online Productsデータセットの実験は、既存の深い類似性学習方法よりも大幅に改善されたことを示している。
論文 参考訳(メタデータ) (2022-03-28T17:35:31Z) - MNet-Sim: A Multi-layered Semantic Similarity Network to Evaluate
Sentence Similarity [0.0]
類似性(英: similarity)は、それが考慮される領域によって異なる比較目的測度である。
本稿では,複数の類似度に基づく多層意味類似性ネットワークモデルを提案する。
その結果, 文類似性の評価において, 性能スコアが向上していることが判明した。
論文 参考訳(メタデータ) (2021-11-09T20:43:18Z) - Exploiting Transitivity Constraints for Entity Matching in Knowledge
Graphs [1.7080853582489066]
特定された実体対に対する過渡性のアドホックな実施は、精度を劇的に低下させる可能性があることを示した。
提案手法は,与えられた類似度尺度から始まり,同一実世界のオブジェクトを参照していると認識されたエンティティペアのセットを生成し,クラスタ編集アルゴリズムを適用し,スプリアスリンクを多数追加することなく推移性を実現する。
論文 参考訳(メタデータ) (2021-04-22T10:57:01Z) - Pairwise Supervision Can Provably Elicit a Decision Boundary [84.58020117487898]
類似性学習は、パターンのペア間の関係を予測することによって有用な表現を引き出す問題である。
類似性学習は、決定境界を直接引き出すことによって二項分類を解くことができることを示す。
論文 参考訳(メタデータ) (2020-06-11T05:35:16Z) - Building and Interpreting Deep Similarity Models [0.0]
そこで本稿では,入力機能の観点から説明することで類似性を解釈する手法を提案する。
我々は,2組の入力特徴に対して類似度スコアを系統的に分解する,スケーラブルで理論的に確立された手法であるBiLRPを開発した。
論文 参考訳(メタデータ) (2020-03-11T17:46:55Z)
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。