論文の概要: Type-enhanced Ensemble Triple Representation via Triple-aware Attention for Cross-lingual Entity Alignment

• arxiv url: http://arxiv.org/abs/2305.01556v1
• Date: Tue, 2 May 2023 15:56:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-03 13:49:18.181673
• Title: Type-enhanced Ensemble Triple Representation via Triple-aware Attention for Cross-lingual Entity Alignment
• Title（参考訳）: 言語間アライメントのための三重項注意による三重項表現
• Authors: Zhishuo Zhang and Chengxiang Tan and Haihang Wang and Xueyan Zhao and Min Yang
• Abstract要約: TTEA -- Triple-aware Attention for Cross-lingual Entityアライメントによる型付きアンサンブルトリプル表現を提案する。 我々のフレームワークは三重要素の役割の多様性をモデル化するために三重要素の強化を利用する。 我々のフレームワークは、3つの実世界の言語間データセットの実験において最先端の手法よりも優れています。
• 参考スコア（独自算出の注目度）: 12.894775396801958
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Entity alignment(EA) is a crucial task for integrating cross-lingual and cross-domain knowledge graphs(KGs), which aims to discover entities referring to the same real-world object from different KGs. Most existing methods generate aligning entity representation by mining the relevance of triple elements via embedding-based methods, paying little attention to triple indivisibility and entity role diversity. In this paper, a novel framework named TTEA -- Type-enhanced Ensemble Triple Representation via Triple-aware Attention for Cross-lingual Entity Alignment is proposed to overcome the above issues considering ensemble triple specificity and entity role features. Specifically, the ensemble triple representation is derived by regarding relation as information carrier between semantic space and type space, and hence the noise influence during spatial transformation and information propagation can be smoothly controlled via specificity-aware triple attention. Moreover, our framework uses triple-ware entity enhancement to model the role diversity of triple elements. Extensive experiments on three real-world cross-lingual datasets demonstrate that our framework outperforms state-of-the-art methods.
• Abstract（参考訳）: エンティティアライメント(EA)は、異なるKGから同じ現実世界のオブジェクトを参照するエンティティを見つけることを目的として、言語間およびドメイン間知識グラフ(KG)を統合するための重要なタスクである。 既存の手法の多くは、三重要素の関連性を埋め込んだ方法でマイニングすることで実体表現の整合性を生成する。 本稿では,組合わせ三重特異性とエンティティの役割特徴を考慮した上記の課題を克服するために,三重項認識による三重項認識を用いたtteaという新しい枠組みを提案する。 特に、アンサンブル三重項表現は、意味空間とタイプ空間の間の情報キャリアとしての関係を導出するので、空間変換や情報伝達におけるノイズの影響を特異性を考慮した三重項の注意を通じて円滑に制御することができる。 さらに,トリプルウェアエンティティ拡張を用いて,トリプル要素の役割の多様性をモデル化する。 3つの実世界のクロスランガルデータセットに関する大規模な実験は、我々のフレームワークが最先端の手法より優れていることを示した。

関連論文リスト

• Dual Attribute-Spatial Relation Alignment for 3D Visual Grounding [59.600122444681524]
  3Dビジュアルグラウンドティング(3D visual grounding)は、3D物理世界と自然言語を結びつける研究分野である。 本稿では,DASANet,Dual Attribute-Spatial Relationed Networkを提案する。 提案手法は,Nr3Dデータセットにおいて,最強の競合相手よりも1.3%高い65.1%の接地精度を実現する。
  論文  参考訳（メタデータ） (2024-06-13T08:06:57Z)
• Spatial Semantic Recurrent Mining for Referring Image Segmentation [63.34997546393106]
  高品質なクロスモーダリティ融合を実現するために,Stextsuperscript2RMを提案する。 これは、言語特徴の分散、空間的意味的再帰的分離、パーセマンティック・セマンティック・バランシングという三部作の作業戦略に従う。 提案手法は他の最先端アルゴリズムに対して好適に機能する。
  論文  参考訳（メタデータ） (2024-05-15T00:17:48Z)
• A Bi-consolidating Model for Joint Relational Triple Extraction [3.972061685570092]
  リレーショナルトリプルを抽出する現在の手法は、エンティティ認識に依存することなく、生文の可能なエンティティペアに基づいて直接予測を行う。 このタスクは、複数の関係三重項が文中に1つまたは2つの実体を共有するという深刻な意味的重なり合う問題に悩まされる。 関係三重関係に関連する局所的・大域的意味的特徴を同時に強化することにより、この問題に対処するバイコンソリデーションモデルを提案する。
  論文  参考訳（メタデータ） (2024-04-05T04:04:23Z)
• mCL-NER: Cross-Lingual Named Entity Recognition via Multi-view Contrastive Learning [54.523172171533645]
  CrossNERは多言語コーパスの不足により不均一な性能から生じる課題に直面している。 言語横断的名前付きエンティティ認識(mCL-NER)のためのマルチビューコントラスト学習を提案する。 40言語にまたがるXTREMEベンチマーク実験では、従来のデータ駆動型およびモデルベースアプローチよりもmCL-NERの方が優れていることを示した。
  論文  参考訳（メタデータ） (2023-08-17T16:02:29Z)
• Multi-Grained Multimodal Interaction Network for Entity Linking [65.30260033700338]
  マルチモーダルエンティティリンクタスクは、マルチモーダル知識グラフへの曖昧な言及を解決することを目的としている。 MELタスクを解決するための新しいMulti-Grained Multimodal InteraCtion Network $textbf(MIMIC)$ frameworkを提案する。
  論文  参考訳（メタデータ） (2023-07-19T02:11:19Z)
• From Alignment to Entailment: A Unified Textual Entailment Framework for Entity Alignment [17.70562397382911]
  既存のメソッドは通常、エンティティのトリプルを埋め込みとしてエンコードし、埋め込みの整列を学ぶ。 我々は両トリプルを統一されたテキストシーケンスに変換し、EAタスクを双方向のテキストエンタテインメントタスクとしてモデル化する。 提案手法は,エンティティ間の2種類の情報の統合相関パターンを捕捉し,元のエンティティ情報間のきめ細かい相互作用を明示的にモデル化する。
  論文  参考訳（メタデータ） (2023-05-19T08:06:50Z)
• OTIEA:Ontology-enhanced Triple Intrinsic-Correlation for Cross-lingual Entity Alignment [12.054806502375575]
  十分な外部リソースを持たない言語間およびドメイン間の知識アライメントは、基本的で決定的な課題である。 本稿では、オントロジー対と三重認識による役割強化機構に基づく新しいユニバーサルEAフレームワーク(OTIEA)を提案する。 実世界の3つのデータセットに対する実験結果から,本フレームワークはベースラインと比較して競争性能が向上することが示された。
  論文  参考訳（メタデータ） (2023-05-02T16:03:54Z)
• Prototype-based Embedding Network for Scene Graph Generation [105.97836135784794]
  現在のシーングラフ生成(SGG)手法は、コンテキスト情報を探索し、エンティティペア間の関係を予測する。 被写体と対象物の組み合わせが多様であるため、各述語カテゴリーには大きなクラス内変異が存在する。 プロトタイプベースのEmbedding Network (PE-Net) は、エンティティ/述語を、プロトタイプに準拠したコンパクトで独特な表現でモデル化する。 PLは、PE-Netがそのようなエンティティ述語マッチングを効率的に学習するのを助けるために導入され、不明瞭なエンティティ述語マッチングを緩和するためにプロトタイプ正規化(PR)が考案されている。
  論文  参考訳（メタデータ） (2023-03-13T13:30:59Z)
• Differentiated Relevances Embedding for Group-based Referring Expression Comprehension [57.52186959089885]
  表現理解の参照の鍵は、モーダルな視覚言語的関連を捉えることである。 本稿では,グループ内オブジェクト-表現ペアを異なる優先順位で適応的に割り当てるマルチグループ自己評価関連学習スキーマを提案する。 3つの標準RECベンチマーク実験により,本手法の有効性と優位性を示した。
  論文  参考訳（メタデータ） (2022-03-12T09:09:48Z)
• Cross-lingual Entity Alignment with Adversarial Kernel Embedding and Adversarial Knowledge Translation [35.77482102674059]
  言語間のエンティティアライメントは、しばしば特徴的不整合からシーケンス的コンテキスト無意識の課題に悩まされる。 本稿では,言語間エンティティアライメント(DAEA)のための2つの対向学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-04-16T00:57:28Z)
• RAGA: Relation-aware Graph Attention Networks for Global Entity Alignment [14.287681294725438]
  実体と関係の相互作用を捉えるために,Relation-aware Graph Attention Networksに基づく新しいフレームワークを提案する。 本フレームワークでは,エンティティ情報を関係に分散し,関係情報をエンティティに集約する自己認識機構を採用している。
  論文  参考訳（メタデータ） (2021-03-01T06:30:51Z)

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。