論文の概要: Wasserstein-Fisher-Rao Embedding: Logical Query Embeddings with Local Comparison and Global Transport

• arxiv url: http://arxiv.org/abs/2305.04034v1
• Date: Sat, 6 May 2023 12:48:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-09 18:07:30.696702
• Title: Wasserstein-Fisher-Rao Embedding: Logical Query Embeddings with Local Comparison and Global Transport
• Title（参考訳）: Wasserstein-Fisher-Rao 埋め込み:局所比較とグローバルトランスポートを用いた論理的クエリ埋め込み
• Authors: Zihao Wang, Weizhi Fei, Hang Yin, Yangqiu Song, Ginny Y. Wong, Simon See
• Abstract要約: 本研究は、不均衡な最適輸送理論による局所的および大域的トレードオフについて検討する。 我々は、Wasserstein-Fisher-Rao計量によって動機付けられたスコアリング関数を持つ有界測度として$real$に集合を埋め込む。 その結果、WFREは、標準データセット上の既存のクエリ埋め込みメソッドよりも優れていることがわかった。
• 参考スコア（独自算出の注目度）: 33.283368906484746
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Answering complex queries on knowledge graphs is important but particularly challenging because of the data incompleteness. Query embedding methods address this issue by learning-based models and simulating logical reasoning with set operators. Previous works focus on specific forms of embeddings, but scoring functions between embeddings are underexplored. In contrast to existing scoring functions motivated by local comparison or global transport, this work investigates the local and global trade-off with unbalanced optimal transport theory. Specifically, we embed sets as bounded measures in $\real$ endowed with a scoring function motivated by the Wasserstein-Fisher-Rao metric. Such a design also facilitates closed-form set operators in the embedding space. Moreover, we introduce a convolution-based algorithm for linear time computation and a block-diagonal kernel to enforce the trade-off. Results show that WFRE can outperform existing query embedding methods on standard datasets, evaluation sets with combinatorially complex queries, and hierarchical knowledge graphs. Ablation study shows that finding a better local and global trade-off is essential for performance improvement.
• Abstract（参考訳）: 知識グラフ上で複雑なクエリを答えることは重要だが、データ不完全性のため特に難しい。 クエリ埋め込みメソッドは、学習ベースのモデルを使ってこの問題に対処し、論理推論と集合演算子をシミュレートする。 以前の作品は組込みの特定の形式に焦点を当てているが、組込み間の得点関数は未検討である。 局所比較や大域輸送に動機付けられた既存のスコアリング関数とは対照的に、本研究は局所的および大域的トレードオフと不均衡最適輸送理論を考察する。 具体的には、wasserstein-fisher-raoメトリックによって動機付けられたスコア関数を持つ$\real$ endowedの有界測度として集合を埋め込む。 このような設計は埋め込み空間内の閉形式集合作用素も促進する。 さらに,線形時間計算のための畳み込みに基づくアルゴリズムと,トレードオフを強制するブロック対角型カーネルを提案する。 その結果、WFREは、標準データセット上の既存のクエリ埋め込み手法、組合せ的に複雑なクエリによる評価セット、階層的な知識グラフよりも優れていることがわかった。 アブレーション研究は、より良い局所的およびグローバルなトレードオフを見つけることがパフォーマンス改善に不可欠であることを示している。

関連論文リスト

• TANGO: Clustering with Typicality-Aware Nonlocal Mode-Seeking and Graph-Cut Optimization [2.4783546111391215]
  モード探索による密度に基づくクラスタリング手法は通常,局所密度推定を用いて構造情報のマイニングによってクラスタリングを実現する。 本稿では,グローバルな視点の特異性を利用して局所的依存関係を確立するアルゴリズム(TANGO)を提案する。 サブクラスタにグラフカットを使用することで、最終的なクラスタリングを実現しているため、クラスタセンターの選択が困難なことを回避することができる。
  論文  参考訳（メタデータ） (2024-08-19T15:26:25Z)
• A Framework for testing Federated Learning algorithms using an edge-like environment [0.0]
  フェデレーテッド・ラーニング(FL)は、多くのクライアントが、データをプライベートかつ分散化しながら、単一の集中型モデルを協調的にトレーニングする機械学習パラダイムである。 グローバル集中型モデルアグリゲーションにおける局所モデルの貢献を正確に評価するのは簡単ではない。 これはFLにおける大きな挑戦の例であり、一般にデータ不均衡またはクラス不均衡として知られている。 本研究では,FLアルゴリズムをより容易かつスケーラブルに評価するためのフレームワークを提案し,実装した。
  論文  参考訳（メタデータ） (2024-07-17T19:52:53Z)
• Implicitly Guided Design with PropEn: Match your Data to Follow the Gradient [52.2669490431145]
  PropEnは'matching'にインスパイアされている。 一致したデータセットによるトレーニングは、データ分布内に留まりながら、興味のある性質の勾配を近似することを示す。
  論文  参考訳（メタデータ） (2024-05-28T11:30:19Z)
• 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)
• 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)
• Neural-Symbolic Entangled Framework for Complex Query Answering [22.663509971491138]
  複雑な問合せ応答のためのニューラル・アンド・エンタングルド・フレームワーク(ENeSy)を提案する。 これにより、ニューラルネットワークとシンボリック推論が互いに強化され、カスケードエラーとKGの不完全性が軽減される。 ENeSyは、特にリンク予測タスクのみでトレーニングモデルの設定において、いくつかのベンチマークでSOTA性能を達成する。
  論文  参考訳（メタデータ） (2022-09-19T06:07:10Z)
• Probabilistic Entity Representation Model for Chain Reasoning over Knowledge Graphs [18.92547855877845]
  本稿では,知識グラフ上の論理的推論のための確率的エンティティ表現モデル(PERM)を提案する。 PERMは、エンティティを平均と共分散パラメータで多変量ガウス密度としてエンコードし、意味的位置と滑らかな決定境界をキャプチャする。 われわれは, PERMの薬剤再精製事例研究における能力を示すとともに, 提案された研究が, 現行の方法よりもはるかに優れたF1薬剤を推奨できることを実証した。
  論文  参考訳（メタデータ） (2021-10-26T09:26:10Z)
• Fewer is More: A Deep Graph Metric Learning Perspective Using Fewer Proxies [65.92826041406802]
  本稿では,グラフ分類の観点から,プロキシベースのディープグラフメトリックラーニング手法を提案する。 複数のグローバルプロキシを利用して、各クラスの元のデータポイントを総括的に近似する。 本研究では, 近接関係を接地トラス・ラベルに従って調整する, 新たな逆ラベル伝搬アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-10-26T14:52:42Z)
• Locally induced Gaussian processes for large-scale simulation experiments [0.0]
  本稿では,ポイントの配置とその多さを病理学的に抑制できることを示す。 提案手法は,グローバルなインジェクションポイントとデータサブセットに基づく局所GP近似をハイブリダイズする。 計算効率のフロンティアにおいて,局所誘導点がグローバルおよびデータサブセットの構成要素を拡張していることを示す。
  論文  参考訳（メタデータ） (2020-08-28T21:37:46Z)
• A Trainable Optimal Transport Embedding for Feature Aggregation and its Relationship to Attention [96.77554122595578]
  固定サイズのパラメータ化表現を導入し、与えられた入力セットから、そのセットとトレーニング可能な参照の間の最適な輸送計画に従って要素を埋め込み、集約する。 我々のアプローチは大規模なデータセットにスケールし、参照のエンドツーエンドのトレーニングを可能にすると同時に、計算コストの少ない単純な教師なし学習メカニズムも提供する。
  論文  参考訳（メタデータ） (2020-06-22T08:35:58Z)
• An Integer Linear Programming Framework for Mining Constraints from Data [81.60135973848125]
  データから制約をマイニングするための一般的なフレームワークを提案する。 特に、構造化された出力予測の推論を整数線形プログラミング(ILP)問題とみなす。 提案手法は,9×9のスドクパズルの解法を学習し,基礎となるルールを提供することなく,例からツリー問題を最小限に分散させることが可能であることを示す。
  論文  参考訳（メタデータ） (2020-06-18T20:09:53Z)

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。