論文の概要: Towards hypergraph cognitive networks as feature-rich models of knowledge

• arxiv url: http://arxiv.org/abs/2304.06375v1
• Date: Thu, 13 Apr 2023 09:56:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-14 15:04:49.832351
• Title: Towards hypergraph cognitive networks as feature-rich models of knowledge
• Title（参考訳）: 機能豊富な知識モデルとしてのハイパーグラフ認知ネットワークを目指して
• Authors: Salvatore Citraro and Simon De Deyne and Massimo Stella and Giulio Rossetti
• Abstract要約: 人間の記憶の定量的モデルとして機能豊富な認知ハイパーグラフを導入する。 単語関連データからハイパーグラフを構築し、機械学習の特徴から評価手法を用いて概念の具体性を予測する。 具体的には,高次・高機能ハイパーグラフモデルが,ペアワイズネットワークよりもリッチな情報を含んでいることを示す。
• 参考スコア（独自算出の注目度）: 0.7111443975103329
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semantic networks provide a useful tool to understand how related concepts are retrieved from memory. However, most current network approaches use pairwise links to represent memory recall patterns. Pairwise connections neglect higher-order associations, i.e. relationships between more than two concepts at a time. These higher-order interactions might covariate with (and thus contain information about) how similar concepts are along psycholinguistic dimensions like arousal, valence, familiarity, gender and others. We overcome these limits by introducing feature-rich cognitive hypergraphs as quantitative models of human memory where: (i) concepts recalled together can all engage in hyperlinks involving also more than two concepts at once (cognitive hypergraph aspect), and (ii) each concept is endowed with a vector of psycholinguistic features (feature-rich aspect). We build hypergraphs from word association data and use evaluation methods from machine learning features to predict concept concreteness. Since concepts with similar concreteness tend to cluster together in human memory, we expect to be able to leverage this structure. Using word association data from the Small World of Words dataset, we compared a pairwise network and a hypergraph with N=3586 concepts/nodes. Interpretable artificial intelligence models trained on (1) psycholinguistic features only, (2) pairwise-based feature aggregations, and on (3) hypergraph-based aggregations show significant differences between pairwise and hypergraph links. Specifically, our results show that higher-order and feature-rich hypergraph models contain richer information than pairwise networks leading to improved prediction of word concreteness. The relation with previous studies about conceptual clustering and compartmentalisation in associative knowledge and human memory are discussed.
• Abstract（参考訳）: セマンティックネットワークは、関連する概念がメモリからどのように取り出されるかを理解するのに有用なツールである。 しかし、現在のネットワークアプローチのほとんどは、メモリリコールパターンを表すためにペアワイズリンクを使用している。 ペアワイズ接続は高階関係を無視し、すなわち2つ以上の概念間の関係を同時に無視する。 これらの高次相互作用は、覚醒、原子価、親しみやすさ、性別などの精神言語学的な側面がいかに類似しているか(そして情報を含む)を共変させるかもしれない。 人間の記憶の定量的モデルとして機能豊富な認知ハイパーグラフを導入することで、これらの限界を克服する。 (i)想起された概念は、同時に2つ以上の概念(認知的ハイパーグラフ的側面)を含むハイパーリンクに関与することができ、 (二)それぞれの概念には、精神言語学的特徴(機能豊かな側面)のベクトルが与えられる。 単語関連データからハイパーグラフを構築し,機械学習機能を用いた評価手法を用いて概念の具体性を予測する。 類似した具体性を持つ概念は、人間の記憶に集まりやすいため、この構造を活用できることを期待する。 我々は,Small World of Wordsデータセットの単語関連データを用いて,N=3586概念/ノードとペアワイズネットワークとハイパーグラフを比較した。 1)心理言語的特徴のみに基づく解釈可能な人工知能モデル,(2)ペアワイズに基づく特徴集約,(3)ハイパーグラフに基づく集合は,ペアワイズとハイパーグラフのリンク間で有意な差異を示す。 特に,高次・高機能ハイパーグラフモデルでは,単語の具体性を予測するために,対向ネットワークよりもリッチな情報を含むことが示された。 連想的知識と人間の記憶における概念的クラスタリングと区画化に関する過去の研究との関係について論じる。

関連論文リスト

• Multi-Modal Cognitive Maps based on Neural Networks trained on Successor Representations [3.4916237834391874]
  認知地図(Cognitive map)は、脳が記憶を効率的に整理し、そこからコンテキストを取り出す方法に関する概念である。 そこで我々は,細胞動態と認知地図表現をモデル化可能な後続表現を用いたマルチモーダルニューラルネットワークを構築した。 ネットワークは、新しい入力とトレーニングデータベースの類似性を学習し、認知地図の表現を成功させる。
  論文  参考訳（メタデータ） (2023-12-22T12:44:15Z)
• Visual Commonsense based Heterogeneous Graph Contrastive Learning [79.22206720896664]
  視覚的推論タスクをより良く仕上げるための異種グラフコントラスト学習法を提案する。 本手法はプラグイン・アンド・プレイ方式として設計されており,多種多様な代表手法と迅速かつ容易に組み合わせることができる。
  論文  参考訳（メタデータ） (2023-11-11T12:01:18Z)
• A Recursive Bateson-Inspired Model for the Generation of Semantic Formal Concepts from Spatial Sensory Data [77.34726150561087]
  本稿では,複雑な感覚データから階層構造を生成するための記号のみの手法を提案する。 このアプローチは、概念や概念の創始の鍵としてのバテソンの差異の概念に基づいている。 このモデルは、トレーニングなしでかなりリッチだが人間に読まれる概念表現を生成することができる。
  論文  参考訳（メタデータ） (2023-07-16T15:59:13Z)
• Conceptual Cognitive Maps Formation with Neural Successor Networks and Word Embeddings [7.909848251752742]
  本稿では,3つの概念の認知マップを構築するために,後継表現とニューラルネットワークと単語埋め込みを用いたモデルを提案する。 ネットワークは、2つの異なるスケールマップを順応的に学習し、関連する既存の表現に近接して新しい情報を配置する。 我々のモデルは、任意の入力にマルチモーダルコンテキスト情報を提供することで、現在のAIモデルを改善する可能性を示唆している。
  論文  参考訳（メタデータ） (2023-07-04T09:11:01Z)
• Language Knowledge-Assisted Representation Learning for Skeleton-Based Action Recognition [71.35205097460124]
  人間が他人の行動を理解して認識する方法は、複雑な神経科学の問題である。 LA-GCNは、大規模言語モデル(LLM)知識アシストを用いたグラフ畳み込みネットワークを提案する。
  論文  参考訳（メタデータ） (2023-05-21T08:29:16Z)
• HIORE: Leveraging High-order Interactions for Unified Entity Relation Extraction [85.80317530027212]
  本稿では,統合エンティティ関係抽出のための新しい手法であるHIOREを提案する。 重要な洞察は、単語ペア間の複雑な関連を活用することである。 実験の結果,HIOREは従来最高の統一モデルよりも1.11.8 F1ポイント向上した。
  論文  参考訳（メタデータ） (2023-05-07T14:57:42Z)
• Learning Representations of Entities and Relations [0.0]
  この論文は,リンク予測タスクに取り組むことを目的とした知識グラフ表現の改善に焦点を当てている。 最初のコントリビューションはHypERであり、リンク予測性能を単純化し改善する畳み込みモデルである。 第2のコントリビューションは比較的単純な線形モデルであるTuckERで、このモデルが導入された時点では、最先端のリンク予測性能が得られた。 第3の貢献は、双曲空間に埋め込まれた最初のマルチリレーショナルグラフ表現モデルである MuRP である。
  論文  参考訳（メタデータ） (2022-01-31T09:24:43Z)
• Learning Intents behind Interactions with Knowledge Graph for Recommendation [93.08709357435991]
  知識グラフ(KG)は、推薦システムにおいてますます重要な役割を果たす。 既存のGNNベースのモデルは、きめ細かいインテントレベルでのユーザ項目関係の特定に失敗します。 本稿では,新しいモデルである知識グラフベースインテントネットワーク(kgin)を提案する。
  論文  参考訳（メタデータ） (2021-02-14T03:21:36Z)
• Multi-View Brain HyperConnectome AutoEncoder For Brain State Classification [0.0]
  本稿では,近傍のアルゴリズムに基づいて,各脳の視線に対するハイパーコネクトームを構築するための新しい手法を提案する。 また,マルチビュー・ハイパーコネクトーム上で直接動作するハイパーコネクトーム・オートエンコーダ・フレームワークを設計する。 実験の結果,HCAEによる脳内埋め込みが脳状態の分類に有効であることが判明した。
  論文  参考訳（メタデータ） (2020-09-24T08:51:44Z)
• Deep Hypergraph U-Net for Brain Graph Embedding and Classification [0.0]
  ネットワーク神経科学は、ネットワーク(またはコネクトーム)で表されるシステムとして脳を調べる データサンプルの低次元埋め込みを学習するためにハイパーグラフ構造を利用した新しいデータ埋め込みフレームワークHypergraph U-Netを提案する。 自閉症および認知症患者の形態的・機能的脳ネットワークを含む,小規模・大規模異種脳コネクトームデータセットについて検討した。
  論文  参考訳（メタデータ） (2020-08-30T08:15:18Z)
• ConsNet: Learning Consistency Graph for Zero-Shot Human-Object Interaction Detection [101.56529337489417]
  画像中のHuman, Action, Object>の形のHOIインスタンスを検出・認識することを目的としたHuman-Object Interaction (HOI) Detectionの問題点を考察する。 我々は、オブジェクト、アクション、インタラクション間の多レベルコンパレンシーは、稀な、あるいは以前には見られなかったHOIのセマンティック表現を生成するための強力な手がかりであると主張している。 提案モデルでは,人-対象のペアの視覚的特徴とHOIラベルの単語埋め込みを入力とし,それらを視覚-意味的関節埋め込み空間にマッピングし,類似度を計測して検出結果を得る。
  論文  参考訳（メタデータ） (2020-08-14T09:11:18Z)

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。