論文の概要: Linear building pattern recognition via spatial knowledge graph

• arxiv url: http://arxiv.org/abs/2304.10733v1
• Date: Fri, 21 Apr 2023 04:05:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-24 15:58:08.987139
• Title: Linear building pattern recognition via spatial knowledge graph
• Title（参考訳）: 空間知識グラフを用いた線形建築パターン認識
• Authors: Wei Zhiwei, Xiao Yi, Tong Ying, Xu Wenjia, Wang Yang
• Abstract要約: 建築パターンは、都市物質と社会経済の影響を反映した重要な都市構造である。 従来の研究は主にグラフ同型法に基づいており、効率的でない建築パターンを認識するためにルールを使用している。 本稿では,線形建築パターンの認識に知識グラフを適用しようとする。
• 参考スコア（独自算出の注目度）: 2.3274138116397736
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Building patterns are important urban structures that reflect the effect of the urban material and social-economic on a region. Previous researches are mostly based on the graph isomorphism method and use rules to recognize building patterns, which are not efficient. The knowledge graph uses the graph to model the relationship between entities, and specific subgraph patterns can be efficiently obtained by using relevant reasoning tools. Thus, we try to apply the knowledge graph to recognize linear building patterns. First, we use the property graph to express the spatial relations in proximity, similar and linear arrangement between buildings; secondly, the rules of linear pattern recognition are expressed as the rules of knowledge graph reasoning; finally, the linear building patterns are recognized by using the rule-based reasoning in the built knowledge graph. The experimental results on a dataset containing 1289 buildings show that the method in this paper can achieve the same precision and recall as the existing methods; meanwhile, the recognition efficiency is improved by 5.98 times.
• Abstract（参考訳）: 建築パターンは、都市物質と社会経済の影響を反映した重要な都市構造である。 従来の研究は主にグラフ同型法に基づいており、効率的でない建築パターンを認識するためにルールを使用している。 知識グラフは、グラフを用いてエンティティ間の関係をモデル化し、関連する推論ツールを用いて、特定のサブグラフパターンを効率的に得ることができる。 そこで,我々は知識グラフを用いて線形構築パターンの認識を試みる。 まず, 特徴グラフを用いて, 建物間の空間的関係, 類似性, 線形配置を表現し, 第二に, 線形パターン認識の規則を知識グラフ推論の規則として表現し, 最後に, 構築した知識グラフの規則に基づく推論を用いて線形構造パターンを認識させる。 1289の建物を含むデータセットにおける実験結果から,本論文の手法は既存の手法と同じ精度とリコールが可能であり,一方,認識効率は5.98倍向上した。

関連論文リスト

• From Latent to Lucid: Transforming Knowledge Graph Embeddings into Interpretable Structures [2.6451388057494283]
  本稿では,知識グラフ埋め込みモデルに適したポストホックな説明可能なAI手法を提案する。 本手法は,知識グラフ埋め込みモデルによって符号化された潜在表現を直接デコードする。 類似した埋め込みエンティティのサブグラフ近傍の異なる構造を識別することにより、これらの知見を人間の理解可能な象徴的ルールや事実に変換する。
  論文  参考訳（メタデータ） (2024-06-03T19:54:11Z)
• Rule-Guided Joint Embedding Learning over Knowledge Graphs [6.831227021234669]
  本稿では,コンテキスト情報とリテラル情報の両方を実体と関係埋め込みに組み込んだ新しいモデルを提案する。 文脈情報については,信頼度と関連度を指標として重要度を評価する。 2つの確立されたベンチマークデータセットに対して、徹底的な実験を行い、モデル性能を検証する。
  論文  参考訳（メタデータ） (2023-12-01T19:58:31Z)
• Inferring High-level Geographical Concepts via Knowledge Graph and Multi-scale Data Integration: A Case Study of C-shaped Building Pattern Recognition [23.13018761290839]
  建築パターン認識は,都市形態の理解,地図の一般化の自動化,3次元都市モデルの可視化に重要である。 既存の研究の多くは、視覚知覚規則と近接グラフモデルに基づくオブジェクト非依存の手法を用いてパターンを抽出している。 知識グラフを用いて,C字型建築パターンの認識に着目したマルチスケールデータを統合する。
  論文  参考訳（メタデータ） (2023-04-19T03:03:50Z)
• Spectral Augmentations for Graph Contrastive Learning [50.149996923976836]
  コントラスト学習は、監督の有無にかかわらず、表現を学習するための第一の方法として現れてきた。 近年の研究では、グラフ表現学習における事前学習の有用性が示されている。 本稿では,グラフの対照的な目的に対する拡張を構築する際に,候補のバンクを提供するためのグラフ変換操作を提案する。
  論文  参考訳（メタデータ） (2023-02-06T16:26:29Z)
• State of the Art and Potentialities of Graph-level Learning [54.68482109186052]
  グラフレベルの学習は、比較、回帰、分類など、多くのタスクに適用されている。 グラフの集合を学習する伝統的なアプローチは、サブストラクチャのような手作りの特徴に依存している。 ディープラーニングは、機能を自動的に抽出し、グラフを低次元表現に符号化することで、グラフレベルの学習をグラフの規模に適応させるのに役立っている。
  論文  参考訳（メタデータ） (2023-01-14T09:15:49Z)
• Counterfactual Fairness with Partially Known Causal Graph [85.15766086381352]
  本稿では,真の因果グラフが不明な場合に,対実フェアネスの概念を実現するための一般的な手法を提案する。 特定の背景知識が提供されると、正の因果グラフが完全に知られているかのように、反ファクト的公正性を達成することができる。
  論文  参考訳（メタデータ） (2022-05-27T13:40:50Z)
• Knowledge Sheaves: A Sheaf-Theoretic Framework for Knowledge Graph Embedding [1.5469452301122175]
  知識グラフの埋め込みは, トポロジカル言語, カテゴリー言語で自然に表現されていることを示す。 知識グラフの埋め込みは、グラフ上の適切なテクスチャ知識棚の近似グローバルセクションとして記述することができる。 結果として得られる埋め込みは、特別な訓練をせずに合成関係の推論に容易に適応できる。
  論文  参考訳（メタデータ） (2021-10-07T20:54:40Z)
• Joint Graph Learning and Matching for Semantic Feature Correspondence [69.71998282148762]
  本稿では,グラフマッチングを向上するための信頼度の高いグラフ構造を探索するために,GLAMという共用電子グラフ学習とマッチングネットワークを提案する。 提案手法は,3つの人気ビジュアルマッチングベンチマーク (Pascal VOC, Willow Object, SPair-71k) で評価される。 すべてのベンチマークにおいて、従来の最先端のグラフマッチング手法よりも大きなマージンを達成している。
  論文  参考訳（メタデータ） (2021-09-01T08:24:02Z)
• GraphOpt: Learning Optimization Models of Graph Formation [72.75384705298303]
  本稿では,グラフ構造形成の暗黙的モデルを学ぶエンドツーエンドフレームワークを提案し,その基盤となる最適化機構を明らかにする。 学習した目的は、観測されたグラフプロパティの説明として機能し、ドメイン内の異なるグラフを渡すために自分自身を貸すことができる。 GraphOptは、グラフ内のリンク生成をシーケンシャルな意思決定プロセスとして、最大エントロピー逆強化学習アルゴリズムを用いて解決する。
  論文  参考訳（メタデータ） (2020-07-07T16:51:39Z)
• A Heterogeneous Graph with Factual, Temporal and Logical Knowledge for Question Answering Over Dynamic Contexts [81.4757750425247]
  動的テキスト環境における質問応答について検討する。 構築したグラフ上にグラフニューラルネットワークを構築し,エンドツーエンドでモデルをトレーニングする。
  論文  参考訳（メタデータ） (2020-04-25T04:53:54Z)

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。