論文の概要: Shadow Cones: A Generalized Framework for Partial Order Embeddings

• arxiv url: http://arxiv.org/abs/2305.15215v3
• Date: Mon, 8 Apr 2024 22:03:54 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-10 20:36:08.089149
• Title: Shadow Cones: A Generalized Framework for Partial Order Embeddings
• Title（参考訳）: Shadow Cones: 部分順序埋め込みのための汎用フレームワーク
• Authors: Tao Yu, Toni J. B. Liu, Albert Tseng, Christopher De Sa,
• Abstract要約: 我々は、物理に着想を得たエンテーメントコーン構築である「シャドウコーン」フレームワークを導入する。 具体的には、光源によって形成される影と双曲空間における不透明物体との間の部分的順序を部分的関係としてモデル化する。 種々の大きさのデータセットと階層構造に関する実験により、シャドーコーンは、既存のエンテーメントコーン構造よりも一貫して、著しく優れていることが示された。
• 参考スコア（独自算出の注目度）: 37.24318539498697
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hyperbolic space has proven to be well-suited for capturing hierarchical relations in data, such as trees and directed acyclic graphs. Prior work introduced the concept of entailment cones, which uses partial orders defined by nested cones in the Poincar\'e ball to model hierarchies. Here, we introduce the ``shadow cones" framework, a physics-inspired entailment cone construction. Specifically, we model partial orders as subset relations between shadows formed by a light source and opaque objects in hyperbolic space. The shadow cones framework generalizes entailment cones to a broad class of formulations and hyperbolic space models beyond the Poincar\'e ball. This results in clear advantages over existing constructions: for example, shadow cones possess better optimization properties over constructions limited to the Poincar\'e ball. Our experiments on datasets of various sizes and hierarchical structures show that shadow cones consistently and significantly outperform existing entailment cone constructions. These results indicate that shadow cones are an effective way to model partial orders in hyperbolic space, offering physically intuitive and novel insights about the nature of such structures.
• Abstract（参考訳）: 双曲空間は木や有向非巡回グラフのようなデータにおける階層的関係を捉えるのに適していることが証明されている。 以前の研究はエンテーメント・コーンの概念を導入しており、これはポアンカーの球のネストされた円錐によって定義される部分的な順序を使って階層をモデル化している。 ここでは、物理学に着想を得たエンテーメントコーン構築である「シャドウコーン」フレームワークを紹介する。 具体的には、光源によって形成される影と双曲空間における不透明物体との間の部分的順序を部分的関係としてモデル化する。 シャドウ・コーン・フレームワークは、ポアンカー・イ・ボールの向こうの広いクラスの定式化と双曲空間モデルにエンテーメント・コーンを一般化する。 この結果、既存の構成に対して明らかな利点がある: 例えば、シャドウコーンはポアンカーボールに制限された構成よりもより良い最適化特性を持つ。 種々の大きさのデータセットと階層構造に関する実験により、シャドーコーンは、既存のエンテーメントコーン構造よりも一貫して、著しく優れていることが示された。 これらの結果は、影の円錐が双曲空間における部分順序をモデル化する有効な方法であり、そのような構造の性質に関する物理的に直感的で新しい洞察を提供することを示している。

関連論文リスト

• PE: A Poincare Explanation Method for Fast Text Hierarchy Generation [16.059322030238384]
  本稿では,双曲空間との特徴的相互作用をモデル化するための新しい手法であるPoincare Explanation(PE)を提案する。 具体的には、テキスト階層の構築を、双曲空間に散在する木を見つけるものとして捉えている。
  論文  参考訳（メタデータ） (2024-03-25T09:04:14Z)
• Alignment and Outer Shell Isotropy for Hyperbolic Graph Contrastive Learning [69.6810940330906]
  高品質なグラフ埋め込みを学習するための新しいコントラスト学習フレームワークを提案する。 具体的には、階層的なデータ不変情報を効果的にキャプチャするアライメントメトリックを設計する。 双曲空間において、木の性質に関連する葉と高さの均一性に対処する必要があることを示す。
  論文  参考訳（メタデータ） (2023-10-27T15:31:42Z)
• kHGCN: Tree-likeness Modeling via Continuous and Discrete Curvature Learning [39.25873010585029]
  本研究では,学習過程においてネットワークトポロジが伝達するメッセージを符号化することを目的として,離散構造と連続学習空間の曲率を探索する。 曲率を考慮したハイパーボリックグラフ畳み込みニューラルネットワークであるKappaHGCNを提案する。
  論文  参考訳（メタデータ） (2022-12-04T10:45:42Z)
• HyperMiner: Topic Taxonomy Mining with Hyperbolic Embedding [54.52651110749165]
  本稿では,単語や話題を表現するために,メタボリック埋め込みを導入した新しいフレームワークを提案する。 双曲空間のツリー様性により、下層のセマンティック階層はより解釈可能なトピックをマイニングするためによりうまく利用することができる。
  論文  参考訳（メタデータ） (2022-10-16T02:54:17Z)
• Rethinking the compositionality of point clouds through regularization in the hyperbolic space [23.779985842891705]
  双曲空間は、階層のツリーのような性質を埋め込むことのできる唯一の空間である。 これにより、ポイントクラウド分類のための最先端の教師付きモデルの性能が大幅に向上する。
  論文  参考訳（メタデータ） (2022-09-21T12:45:24Z)
• Geometry Interaction Knowledge Graph Embeddings [153.69745042757066]
  ユークリッド空間,双曲空間,超球空間間の空間構造を対話的に学習する幾何学的相互作用知識グラフ埋め込み(GIE)を提案する。 提案したGIEは、よりリッチなリレーショナル情報、モデルキー推論パターンをキャプチャし、エンティティ間の表現的セマンティックマッチングを可能にする。
  論文  参考訳（メタデータ） (2022-06-24T08:33:43Z)
• HRCF: Enhancing Collaborative Filtering via Hyperbolic Geometric Regularization [52.369435664689995]
  HRCF (textitHyperbolic Regularization powered Collaborative Filtering) を導入し,幾何認識型双曲正規化器を設計する。 具体的には、ルートアライメントとオリジン認識ペナルティによる最適化手順を強化する。 提案手法は,双曲的凝集による過度な平滑化問題に対処でき,モデルの識別能力も向上する。
  論文  参考訳（メタデータ） (2022-04-18T06:11:44Z)
• Unit Ball Model for Hierarchical Embeddings in Complex Hyperbolic Space [28.349200177632852]
  双曲空間における階層構造を持つデータの表現を学習することは近年注目を集めている。 複素双曲空間の単位球モデルにおいてグラフ埋め込みを学ぶことを提案する。
  論文  参考訳（メタデータ） (2021-05-09T16:09:54Z)
• A-SDF: Learning Disentangled Signed Distance Functions for Articulated Shape Representation [62.517760545209065]
  A-SDF (Articulated Signed Distance Functions) を導入して, 曲面形状を表す。 本モデルでは, 部分点群や実世界深度画像など, 未知のデータへの一般化を実証する。
  論文  参考訳（メタデータ） (2021-04-15T17:53:54Z)

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。