論文の概要: Rethinking Complex Queries on Knowledge Graphs with Neural Link Predictors
- arxiv url: http://arxiv.org/abs/2304.07063v4
- Date: Tue, 22 Oct 2024 12:28:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-23 14:25:46.817917
- Title: Rethinking Complex Queries on Knowledge Graphs with Neural Link Predictors
- Title（参考訳）: ニューラルネットワーク予測器による知識グラフの複雑なクエリ再考
- Authors: Hang Yin, Zihao Wang, Yangqiu Song,
- Abstract要約: 本稿では,証明可能な推論能力を備えた複雑なクエリを用いたエンドツーエンド学習を支援するニューラルシンボリック手法を提案する。
これまでに検討されていない10種類の新しいクエリを含む新しいデータセットを開発する。
提案手法は,新しいデータセットにおいて先行手法を著しく上回り,既存データセットにおける先行手法を同時に上回っている。
- 参考スコア（独自算出の注目度）: 58.340159346749964
- License:
- Abstract: Reasoning on knowledge graphs is a challenging task because it utilizes observed information to predict the missing one. Particularly, answering complex queries based on first-order logic is one of the crucial tasks to verify learning to reason abilities for generalization and composition. Recently, the prevailing method is query embedding which learns the embedding of a set of entities and treats logic operations as set operations and has shown great empirical success. Though there has been much research following the same formulation, many of its claims lack a formal and systematic inspection. In this paper, we rethink this formulation and justify many of the previous claims by characterizing the scope of queries investigated previously and precisely identifying the gap between its formulation and its goal, as well as providing complexity analysis for the currently investigated queries. Moreover, we develop a new dataset containing ten new types of queries with features that have never been considered and therefore can provide a thorough investigation of complex queries. Finally, we propose a new neural-symbolic method, Fuzzy Inference with Truth value (FIT), where we equip the neural link predictors with fuzzy logic theory to support end-to-end learning using complex queries with provable reasoning capability. Empirical results show that our method outperforms previous methods significantly in the new dataset and also surpasses previous methods in the existing dataset at the same time.
- Abstract（参考訳）: 知識グラフの推論は、観測された情報を利用して行方不明者の予測を行うため、難しい作業である。
特に、一階述語論理に基づく複雑なクエリに答えることが、一般化と合成の能力の推論に学習を検証するための重要なタスクの1つである。
近年,一組のエンティティの埋め込みを学習し,論理操作を集合演算として扱うクエリ埋め込みが主流となり,実証的な成功を収めている。
同じ定式化の後に多くの研究がなされてきたが、その主張の多くは形式的で体系的な検査を欠いている。
本稿では,この定式化を再考し,従来検討されていた問合せの範囲を特徴付けるとともに,その定式化と目標とのギャップを正確に把握し,現在検討中の問合せに対する複雑性解析を提供することにより,従来の主張の多くを正当化する。
さらに,これまでに検討されていない機能を備えた10種類の新しいクエリを含む新しいデータセットを開発し,複雑なクエリを徹底的に調査する。
最後に,ニューラルリンク予測器にファジィ論理理論を装備し,証明可能な推論能力を備えた複雑なクエリを用いたエンドツーエンド学習を支援する,新しいニューラルシンボリック手法であるFuzzy Inference with Truth Value (FIT)を提案する。
実験結果から,本手法は新たなデータセットにおいて先行手法を著しく上回り,既存データセットの先行手法を同時に上回っていることが明らかとなった。
関連論文リスト
- One Model, Any Conjunctive Query: Graph Neural Networks for Answering Complex Queries over Knowledge Graphs [7.34044245579928]
我々は,知識グラフ上の任意の共役クエリに対する回答を分類可能なグラフニューラルネットワークモデルであるAnyCQを提案する。
我々は、AnyCQが任意の構造を持つ大規模クエリに一般化できることを示し、既存のアプローチが失敗するサンプルに対する回答を確実に分類し、検索する。
論文 参考訳（メタデータ） (2024-09-21T00:30:44Z) - Improving Complex Reasoning over Knowledge Graph with Logic-Aware Curriculum Tuning [89.89857766491475]
大規模言語モデル(LLM)に基づくKG上の複雑な推論スキーマを提案する。
任意の一階論理クエリを二分木分解により拡張し、LLMの推論能力を刺激する。
広く使われているデータセットに対する実験では、LACTは高度な手法よりも大幅に改善されている(平均+5.5% MRRスコア)。
論文 参考訳（メタデータ） (2024-05-02T18:12:08Z) - Prompt-fused framework for Inductive Logical Query Answering [31.736934787328156]
本稿では,Pro-QEという問合せ対応のプロンプトフューズフレームワークを提案する。
論理的クエリにおける未知のエンティティの問題に,我々のモデルがうまく対処できることが示される。
論文 参考訳（メタデータ） (2024-03-19T11:30:30Z) - Soft Reasoning on Uncertain Knowledge Graphs [85.1968214421899]
本研究では,ソフト制約プログラミングの確立を動機とした,不確実な知識に対するソフトクエリの設定について検討する。
本稿では,大規模,不完全,不確実な知識グラフ上でのソフトクエリに応答する,前方推論と後方校正を併用したMLベースのアプローチを提案する。
論文 参考訳（メタデータ） (2024-03-03T13:13:53Z) - Type-based Neural Link Prediction Adapter for Complex Query Answering [2.1098688291287475]
本稿では,タイプベースエンティティ関係グラフを構成する新しいモデルであるTypEベースのニューラルリンク予測アダプタ(TENLPA)を提案する。
型情報と複雑な論理的クエリを効果的に結合するために,適応学習機構を導入する。
3つの標準データセットの実験により、TENLPAモデルが複雑なクエリ応答における最先端のパフォーマンスを達成することが示された。
論文 参考訳（メタデータ） (2024-01-29T10:54:28Z) - Logical Message Passing Networks with One-hop Inference on Atomic
Formulas [57.47174363091452]
本稿では,ニューラルネットワーク演算子から知識グラフの埋め込みを分解する,複雑な問合せ応答のためのフレームワークを提案する。
クエリグラフの上に、局所的な原子式上のワンホップ推論とグローバル論理的推論を結びつける論理メッセージパッシングニューラルネットワーク(LMPNN)を提案する。
我々のアプローチは、最先端のニューラルCQAモデルをもたらす。
論文 参考訳（メタデータ） (2023-01-21T02:34:06Z) - ConvFinQA: Exploring the Chain of Numerical Reasoning in Conversational
Finance Question Answering [70.6359636116848]
本稿では,対話型質問応答における数値推論の連鎖を研究するために,新しい大規模データセットConvFinQAを提案する。
我々のデータセットは、現実世界の会話において、長距離で複雑な数値推論パスをモデル化する上で大きな課題となる。
論文 参考訳（メタデータ） (2022-10-07T23:48:50Z) - Parsimonious Inference [0.0]
parsimonious inferenceは任意のアーキテクチャ上の推論の情報理論的な定式化である。
提案手法は,効率的な符号化と巧妙なサンプリング戦略を組み合わせて,クロスバリデーションを伴わない予測アンサンブルを構築する。
論文 参考訳（メタデータ） (2021-03-03T04:13:14Z) - ReClor: A Reading Comprehension Dataset Requiring Logical Reasoning [85.33459673197149]
標準化された大学院受験試験から抽出した論理的推論(ReClor)を必要とする新たな読解データセットを提案する。
本稿では、偏りのあるデータポイントを識別し、それらをEASY集合と残りをHARD集合に分離することを提案する。
実験結果によると、最先端のモデルでは、データセットに含まれるバイアスをEASYセット上で高精度にキャプチャする能力に優れていた。
しかし、彼らはランダムな推測に近い性能のHARDセットに苦慮しており、現在のモデルの論理的推論能力を本質的に向上させるためには、より多くの研究が必要であることを示している。
論文 参考訳（メタデータ） (2020-02-11T11:54:29Z) - Relational Neural Machines [19.569025323453257]
本稿では,学習者のパラメータと一階論理に基づく推論を共同で学習するフレームワークを提案する。
ニューラルネットワークは、純粋な準記号学習の場合の古典的な学習結果とマルコフ論理ネットワークの両方を復元することができる。
適切なアルゴリズム解は、大規模な問題において学習と推論が引き出すことができるように考案されている。
論文 参考訳（メタデータ） (2020-02-06T10:53:57Z)
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。