論文の概要: NeuralKG-ind: A Python Library for Inductive Knowledge Graph Representation Learning

• arxiv url: http://arxiv.org/abs/2304.14678v1
• Date: Fri, 28 Apr 2023 08:09:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-01 14:55:51.186216
• Title: NeuralKG-ind: A Python Library for Inductive Knowledge Graph Representation Learning
• Title（参考訳）: NeuralKG-ind: 帰納的知識グラフ表現学習のためのPythonライブラリ
• Authors: Wen Zhang, Zhen Yao, Mingyang Chen, Zhiwei Huang and Huajun Chen
• Abstract要約: NeuralKG-indは帰納的知識グラフ表現学習の最初のライブラリである。 これには標準化されたプロセス、豊富な既存メソッド、分離されたモジュール、包括的な評価指標が含まれる。
• 参考スコア（独自算出の注目度）: 20.717388858072106
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Since the dynamic characteristics of knowledge graphs, many inductive knowledge graph representation learning (KGRL) works have been proposed in recent years, focusing on enabling prediction over new entities. NeuralKG-ind is the first library of inductive KGRL as an important update of NeuralKG library. It includes standardized processes, rich existing methods, decoupled modules, and comprehensive evaluation metrics. With NeuralKG-ind, it is easy for researchers and engineers to reproduce, redevelop, and compare inductive KGRL methods. The library, experimental methodologies, and model re-implementing results of NeuralKG-ind are all publicly released at https://github.com/zjukg/NeuralKG/tree/ind .
• Abstract（参考訳）: 近年,知識グラフの動的特性から,知識グラフ表現学習 (KGRL) が多数提案されている。 NeuralKG-indは、NeuralKGライブラリの重要なアップデートとして、インダクティブKGRLの最初のライブラリである。 これには標準化されたプロセス、豊富な既存メソッド、分離されたモジュール、包括的な評価指標が含まれる。 NeuralKG-indでは、研究者やエンジニアがKGRL法を再現し、再開発し、比較することが容易である。 NeuralKG-indのライブラリ、実験手法、モデル再実装結果はすべてhttps://github.com/zjukg/NeuralKG/tree/indで公開されている。

関連論文リスト

• Distill-SynthKG: Distilling Knowledge Graph Synthesis Workflow for Improved Coverage and Efficiency [59.6772484292295]
  大規模言語モデル(LLM)によって生成される知識グラフ(KG)は、検索・拡張生成(RAG)アプリケーションにとってますます価値が増している。 既存のKG抽出法は、大規模コーパスの処理に非効率なプロンプトベースのアプローチに依存している。 LLMに基づく多段階文書レベルのKGワークフローであるSynthKGを提案する。 我々はまた、RAGのための新しいグラフベースの検索フレームワークを設計する。
  論文  参考訳（メタデータ） (2024-10-22T00:47:54Z)
• Neurosymbolic Methods for Dynamic Knowledge Graphs [0.12289361708127876]
  この章は、いくつかの動的KGを正式に定義し、これらのKGをどのように表現できるかを要約する。 本章は、時間的情報の有無にかかわらず、動的KGの神経象徴的手法をさらに焦点をあてる。
  論文  参考訳（メタデータ） (2024-09-06T19:24:29Z)
• What can knowledge graph alignment gain with Neuro-Symbolic learning approaches? [1.8416014644193066]
  知識グラフ(KG)は多くのデータ集約型アプリケーションのバックボーンである。 現在のアルゴリズムでは、論理的思考と推論を語彙的、構造的、意味的なデータ学習で表現することができない。 本稿では,KGAにおける最先端技術について検討し,ニューロシンボリック統合の可能性を探る。
  論文  参考訳（メタデータ） (2023-10-11T12:03:19Z)
• DynDepNet: Learning Time-Varying Dependency Structures from fMRI Data via Dynamic Graph Structure Learning [58.94034282469377]
  下流予測タスクによって誘導されるfMRIデータの最適時間変化依存性構造を学習する新しい手法であるDynDepNetを提案する。 実世界のfMRIデータセットの実験は、性別分類のタスクにおいて、DynDepNetが最先端の結果を達成することを実証している。
  論文  参考訳（メタデータ） (2022-09-27T16:32:11Z)
• Disconnected Emerging Knowledge Graph Oriented Inductive Link Prediction [0.0]
  我々はDECG-ILP(Disconnect Emerging Knowledge Graph Oriented Inductive Link Prediction)という新しいモデルを提案する。 CLRMは、元のKGとDECG間で共有されるグローバルな関係に基づく意味的特徴を抽出するために開発された。 モジュールGSMは、各リンク周辺の局所部分グラフトポロジ情報をKGで抽出するために提案される。
  論文  参考訳（メタデータ） (2022-09-03T10:58:24Z)
• NeuralKG: An Open Source Library for Diverse Representation Learning of Knowledge Graphs [28.21229825389071]
  NeuralKGは知識グラフの多様な表現学習のためのオープンソースライブラリである。 従来のKGE、GNNベースのKGE、ルールベースのKGEを含む3種類の知識グラフ埋め込み(KGE)メソッドを実装している。
  論文  参考訳（メタデータ） (2022-02-25T09:13:13Z)
• Scientific Language Models for Biomedical Knowledge Base Completion: An Empirical Study [62.376800537374024]
  我々は,KG の完成に向けた科学的 LM の研究を行い,生物医学的リンク予測を強化するために,その潜在知識を活用できるかどうかを探る。 LMモデルとKG埋め込みモデルを統合し,各入力例をいずれかのモデルに割り当てることを学ぶルータ法を用いて,性能を大幅に向上させる。
  論文  参考訳（メタデータ） (2021-06-17T17:55:33Z)
• CogDL: A Comprehensive Library for Graph Deep Learning [55.694091294633054]
  研究者や実践者が実験を行い、メソッドを比較し、簡単かつ効率的にアプリケーションを構築することができるグラフ深層学習ライブラリであるCogDLを紹介します。 CogDLでは,様々なグラフタスクに対するGNNモデルのトレーニングと評価のための統一設計を提案し,既存のグラフ学習ライブラリに固有のものである。 我々はCogDLのための効率的なスパース演算子を開発し、効率性のための最も競争力のあるグラフライブラリとなる。
  論文  参考訳（メタデータ） (2021-03-01T12:35:16Z)
• 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)
• Inductive Learning on Commonsense Knowledge Graph Completion [89.72388313527296]
  コモンセンス知識グラフ(英: Commonsense Knowledge graph、CKG)は、知識グラフ(英: knowledge graph、CKG)の一種。 本稿では,未確認のエンティティがテスト時に現れるCKG完了のための帰納学習環境について検討する。 InductivEは、ATOMICとConceptNetベンチマークの標準設定とインダクティブ設定の両方において、最先端のベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-09-19T16:10:26Z)

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。