論文の概要: Named Entity Resolution in Personal Knowledge Graphs

• arxiv url: http://arxiv.org/abs/2307.12173v1
• Date: Sat, 22 Jul 2023 21:39:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-25 17:28:31.105950
• Title: Named Entity Resolution in Personal Knowledge Graphs
• Title（参考訳）: 個人知識グラフにおける名前付きエンティティ解決
• Authors: Mayank Kejriwal
• Abstract要約: 本章では、個人知識グラフ(PKG)の文脈における名前付きERの具体的問題について論じる。 まず、問題の形式的定義と、高品質で効率的なERに必要なコンポーネントから始める。 次に、既存の技術がPKGにどのように適用できるかに焦点をあてて、簡単な文献レビューを行う。
• 参考スコア（独自算出の注目度）: 8.185725740857594
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Entity Resolution (ER) is the problem of determining when two entities refer to the same underlying entity. The problem has been studied for over 50 years, and most recently, has taken on new importance in an era of large, heterogeneous 'knowledge graphs' published on the Web and used widely in domains as wide ranging as social media, e-commerce and search. This chapter will discuss the specific problem of named ER in the context of personal knowledge graphs (PKGs). We begin with a formal definition of the problem, and the components necessary for doing high-quality and efficient ER. We also discuss some challenges that are expected to arise for Web-scale data. Next, we provide a brief literature review, with a special focus on how existing techniques can potentially apply to PKGs. We conclude the chapter by covering some applications, as well as promising directions for future research.
• Abstract（参考訳）: エンティティ解決(ER)は、2つのエンティティが同じ基礎エンティティをいつ参照するかを決定する問題である。 この問題は50年以上にわたって研究され、最近では、ウェブ上で公開され、ソーシャルメディア、eコマース、検索など幅広い領域で広く使われている、巨大で異質な「知識グラフ」の時代において、新たな重要性が浮かび上がっている。 本章では、個人知識グラフ(PKG)の文脈における名前付きERの具体的問題について論じる。 まず、問題の形式的定義と、高品質で効率的なERに必要なコンポーネントから始める。 また、Webスケールデータに発生するであろういくつかの課題についても論じる。 次に、既存の技術がpkgにどのように応用できるかを特に焦点として、簡単な文献レビューを行う。 この章は、いくつかの応用と将来の研究への有望な方向性を取り上げて締めくくります。

関連論文リスト

• Resilience in Knowledge Graph Embeddings [1.90894751866253]
  我々は、一般化、性能の整合性、分散適応、堅牢性といったいくつかの要因を含む、レジリエンスを一元的に定義する。 調査の結果,既存の研究のほとんどはレジリエンス,すなわち堅牢性に重点を置いていることがわかった。
  論文  参考訳（メタデータ） (2024-10-28T16:04:22Z)
• Deep Graph Anomaly Detection: A Survey and New Perspectives [86.84201183954016]
  グラフ異常検出(GAD)は、異常なグラフインスタンス(ノード、エッジ、サブグラフ、グラフ)を特定することを目的とする。 ディープラーニングアプローチ、特にグラフニューラルネットワーク(GNN)は、GADにとって有望なパラダイムとして現れています。
  論文  参考訳（メタデータ） (2024-09-16T03:05:11Z)
• DIVKNOWQA: Assessing the Reasoning Ability of LLMs via Open-Domain Question Answering over Knowledge Base and Text [73.68051228972024]
  大きな言語モデル(LLM)は印象的な生成能力を示すが、内部知識に依存すると幻覚に悩まされる。 検索拡張LDMは、外部知識においてLLMを基盤とする潜在的な解決策として出現している。
  論文  参考訳（メタデータ） (2023-10-31T04:37:57Z)
• Knowledge Graph for NLG in the context of conversational agents [0.0]
  本稿では,グラフニューラルネットワーク,グラフ変換器,セq2seqモデルによる線形化など,グラフからテキストへの知識生成に使用されるさまざまなアーキテクチャについてレビューする。 我々は PLM 上での kg-to-text 生成のベンチマークデータセットを改良し,今後の作業における感情的・多言語的側面について検討することを目的としている。
  論文  参考訳（メタデータ） (2023-07-04T08:03:33Z)
• Fine-Grained Image Analysis with Deep Learning: A Survey [146.22351342315233]
  きめ細かい画像解析(FGIA)は、コンピュータビジョンとパターン認識における長年の根本的な問題である。 本稿では、FGIAの分野を再定義し、FGIAの2つの基礎研究領域、細粒度画像認識と細粒度画像検索を統合することで、FGIAの分野を広げようとしている。
  論文  参考訳（メタデータ） (2021-11-11T09:43:56Z)
• Trans4E: Link Prediction on Scholarly Knowledge Graphs [4.633748322788302]
  本稿では,特に知識グラフ(KG)に適した新しい埋め込みモデルであるTrans4Eを紹介する。 Trans4E は Academia/Industry DynAmics (AIDA) と Microsoft Academic Graph (MAG) の2つの大規模知識グラフに適用された。 我々はAIDA、MAG、その他の4つのベンチマーク(FB15k、FB15k-237、WN18RR、WN18RR)に対する代替ソリューションに対するアプローチを評価する。
  論文  参考訳（メタデータ） (2021-07-03T09:34:44Z)
• GeoQA: A Geometric Question Answering Benchmark Towards Multimodal Numerical Reasoning [172.36214872466707]
  我々は、テキスト記述、視覚図、定理知識の包括的理解を必要とする幾何学的問題を解くことに注力する。 そこで本研究では,5,010の幾何学的問題を含む幾何学的質問応答データセットGeoQAを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:34:17Z)
• Domain-specific Knowledge Graphs: A survey [4.56877715768796]
  この調査はドメイン固有のKGの包括的定義を提供する最初のものである。 現在のアプローチを検討すると、さまざまな限界と欠陥が明らかになる。 研究地図に記載されていない領域は、文献の既存の問題に対処するために強調されている。
  論文  参考訳（メタデータ） (2020-10-31T10:39:53Z)
• ENT-DESC: Entity Description Generation by Exploring Knowledge Graph [53.03778194567752]
  実際には、出力記述が最も重要な知識のみをカバーするため、入力知識は十分以上である可能性がある。 我々は、KG-to-textにおけるこのような実践的なシナリオの研究を容易にするために、大規模で挑戦的なデータセットを導入する。 本稿では,元のグラフ情報をより包括的に表現できるマルチグラフ構造を提案する。
  論文  参考訳（メタデータ） (2020-04-30T14:16:19Z)
• Semantic Graphs for Generating Deep Questions [98.5161888878238]
  本稿では、まず、入力文書のセマンティックレベルグラフを構築し、次にアテンションベースのGGNN(Att-GGNN)を導入してセマンティックグラフを符号化する新しいフレームワークを提案する。 HotpotQAのDeep-question中心のデータセットでは、複数の事実の推論を必要とする問題よりもパフォーマンスが大幅に向上し、最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2020-04-27T10:52:52Z)
• Knowledge Graphs and Knowledge Networks: The Story in Brief [0.1933681537640272]
  知識グラフ(KG)は、実世界のノイズの多い生情報を構造化形式で表現し、エンティティ間の関係をキャプチャする。 ソーシャルネットワーク、レコメンダシステム、計算生物学、関係知識表現といった動的現実世界の応用は、困難な研究課題として浮上している。 この記事では、AIのためのKGの旅を要約する。
  論文  参考訳（メタデータ） (2020-03-07T18:09:18Z)

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。