論文の概要: Modality-Aware Negative Sampling for Multi-modal Knowledge Graph Embedding

• arxiv url: http://arxiv.org/abs/2304.11618v1
• Date: Sun, 23 Apr 2023 11:22:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-25 17:22:23.345797
• Title: Modality-Aware Negative Sampling for Multi-modal Knowledge Graph Embedding
• Title（参考訳）: マルチモーダル知識グラフ埋め込みのためのモダリティ対応負サンプリング
• Authors: Yichi Zhang, Mingyang Chen, Wen Zhang
• Abstract要約: 負のサンプリング (NS) は知識グラフ埋め込み (KGE) において広く用いられている。 既存のNS法は、KGEモデルでマルチモーダル情報を考えると不適当である。 本稿では,Multi-Aware Negative Smpling (MANS) を用いたマルチモーダル知識グラフ埋め込み(MMKGE)を提案する。
• 参考スコア（独自算出の注目度）: 12.513266782679754
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Negative sampling (NS) is widely used in knowledge graph embedding (KGE), which aims to generate negative triples to make a positive-negative contrast during training. However, existing NS methods are unsuitable when multi-modal information is considered in KGE models. They are also inefficient due to their complex design. In this paper, we propose Modality-Aware Negative Sampling (MANS) for multi-modal knowledge graph embedding (MMKGE) to address the mentioned problems. MANS could align structural and visual embeddings for entities in KGs and learn meaningful embeddings to perform better in multi-modal KGE while keeping lightweight and efficient. Empirical results on two benchmarks demonstrate that MANS outperforms existing NS methods. Meanwhile, we make further explorations about MANS to confirm its effectiveness.
• Abstract（参考訳）: 負サンプリング(n)は知識グラフ埋め込み(kge)で広く使われており、トレーニング中に正負のコントラストを生成するために負のトリプルを生成することを目的としている。 しかし、KGEモデルでマルチモーダル情報を考える場合、既存のNS法は不適当である。 また、複雑な設計のため非効率である。 本稿では,Multi-Aware Negative Smpling (MANS) を用いたマルチモーダル知識グラフ埋め込み(MMKGE)を提案する。 MANSは、構造的および視覚的埋め込みをKGのエンティティに整列させ、意味のある埋め込みを学習して、軽量で効率的なKGEの性能を保ちながら、マルチモーダルなKGEを改善することができる。 2つのベンチマークの実証的な結果は、MANSが既存のNS法より優れていることを示している。 一方,MANSについてさらなる検討を行い,その有効性を確認した。

関連論文リスト

• Negative Sampling in Knowledge Graph Representation Learning: A Review [2.6703221234079946]
  知識グラフ表現学習(KGRL)は知識構築や情報検索といったAIアプリケーションに不可欠である。 既存の知識グラフから高品質な負のサンプルを生成することは難しい。 本報告では, 各種陰性サンプリング法とそのKGRL成功への貢献について, 系統的に検討する。
  論文  参考訳（メタデータ） (2024-02-29T14:26:20Z)
• Self-Supervised Neuron Segmentation with Multi-Agent Reinforcement Learning [53.00683059396803]
  マスク画像モデル(MIM)は,マスク画像から元の情報を復元する簡便さと有効性から広く利用されている。 本稿では、強化学習(RL)を利用して最適な画像マスキング比とマスキング戦略を自動検索する決定に基づくMIMを提案する。 本手法は,ニューロン分節の課題において,代替自己監督法に対して有意な優位性を有する。
  論文  参考訳（メタデータ） (2023-10-06T10:40:46Z)
• BroadCAM: Outcome-agnostic Class Activation Mapping for Small-scale Weakly Supervised Applications [69.22739434619531]
  そこで我々はBroadCAMと呼ばれる結果に依存しないCAMアプローチを提案する。 VOC2012でBroadCAM、WSSSでBCSS-WSSS、WSOLでOpenImages30kを評価することで、BroadCAMは優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2023-09-07T06:45:43Z)
• Multimodal Contrastive Learning with Hard Negative Sampling for Human Activity Recognition [14.88934924520362]
  HAR(Human Activity Recognition)システムは、ビジョンとユビキタスコンピューティングコミュニティによって広く研究されている。 骨格とIMUデータペアのハードネガティブサンプリング損失を有するマルチモーダルHARのハードネガティブサンプリング法を提案する。 我々は,HARタスクの強い特徴表現を学習するためのアプローチの頑健さと,限られたデータ設定上での頑健さを実証する。
  論文  参考訳（メタデータ） (2023-09-03T20:00:37Z)
• Neighborhood-based Hard Negative Mining for Sequential Recommendation [14.66576013324401]
  ネガティブサンプリングは、シーケンシャルレコメンデーションモデルのトレーニングにおいて重要な役割を果たす。 本稿では, ユーザ行動に隠された構造情報を負のマイニングに活用するために, 近傍オーバーラップ(GNNO)に基づくグラフベースの負のサンプリング手法を提案する。
  論文  参考訳（メタデータ） (2023-06-12T12:28:54Z)
• Knowledge Graph Completion with Pre-trained Multimodal Transformer and Twins Negative Sampling [13.016173217017597]
  本稿では,VBKGC(VisualBERT-enhanced Knowledge Graph Completion Model)を提案する。 VBKGCは、エンティティの深く融合したマルチモーダル情報をキャプチャし、それらをKGCモデルに統合することができる。 リンク予測タスクにおいて,VBKGCの優れた性能を示すため,広範囲な実験を行った。
  論文  参考訳（メタデータ） (2022-09-15T06:50:31Z)
• Absolute Wrong Makes Better: Boosting Weakly Supervised Object Detection via Negative Deterministic Information [54.35679298764169]
  弱教師付き物体検出(WSOD)は、画像レベルのラベルを用いて物体検出を訓練する難しい課題である。 本稿では,WSODにおける決定論的情報を特定し,完全に活用することに焦点を当てる。 我々は、WSOD、すなわちNDI-WSODを改善するための負の決定論的情報(NDI)に基づく手法を提案する。
  論文  参考訳（メタデータ） (2022-04-21T12:55:27Z)
• DSKReG: Differentiable Sampling on Knowledge Graph for Recommendation with Relational GNN [59.160401038969795]
  我々は,GNN(DSKReG)を用いた推薦のための知識グラフの識別可能なサンプリングを提案する。 そこで本研究では,モデル学習手順と組み合わせて,関連する項目の選択を最適化する,識別可能なサンプリング戦略を考案する。 実験の結果,我々のモデルは最先端のKGベースのレコメンデータシステムよりも優れていた。
  論文  参考訳（メタデータ） (2021-08-26T16:19:59Z)
• KDExplainer: A Task-oriented Attention Model for Explaining Knowledge Distillation [59.061835562314066]
  KDExplainerと呼ばれる新しいタスク指向の注意モデルを導入し、バニラKDの基礎となる作業メカニズムを明らかにします。 また、仮想注意モジュール(VAM)と呼ばれるポータブルツールを導入し、さまざまなディープニューラルネットワーク(DNN)とシームレスに統合し、KDの下でのパフォーマンスを向上させることができます。
  論文  参考訳（メタデータ） (2021-05-10T08:15:26Z)
• Reinforced Negative Sampling over Knowledge Graph for Recommendation [106.07209348727564]
  我々は、高品質なネガティブを探索する強化学習エージェントとして機能する新しい負サンプリングモデル、知識グラフポリシーネットワーク(kgPolicy)を開発した。 kgPolicyは、ターゲットのポジティブなインタラクションからナビゲートし、知識を意識したネガティブなシグナルを適応的に受信し、最終的にはリコメンダをトレーニングする潜在的なネガティブなアイテムを生成する。
  論文  参考訳（メタデータ） (2020-03-12T12:44:30Z)

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。