Fugu-MT 論文翻訳(概要): Knowledge-based Refinement of Scientific Publication Knowledge Graphs

論文の概要: Knowledge-based Refinement of Scientific Publication Knowledge Graphs

arxiv url: http://arxiv.org/abs/2309.05681v1
Date: Sun, 10 Sep 2023 02:06:49 GMT
ステータス: 処理完了
システム内更新日: 2023-09-13 15:50:52.887937
Title: Knowledge-based Refinement of Scientific Publication Knowledge Graphs
Title（参考訳）: 知識に基づく学術出版知識グラフの洗練
Authors: Siwen Yan (1), Phillip Odom (2), Sriraam Natarajan (1) ((1) The University of Texas at Dallas, USA, (2) Georgia Institute of Technology, USA)
Abstract要約: 著者を知識グラフ構築と改良のふりをして著者を特定することの問題点を考察する。我々は、説明可能なルールを出力する関数勾配ブースティングを用いて、関係回帰木を学習する。本研究では,7つの著者ドメインにおいて,定量的かつ質的に人間の知識の有用性を示す。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We consider the problem of identifying authorship by posing it as a knowledge graph construction and refinement. To this effect, we model this problem as learning a probabilistic logic model in the presence of human guidance (knowledge-based learning). Specifically, we learn relational regression trees using functional gradient boosting that outputs explainable rules. To incorporate human knowledge, advice in the form of first-order clauses is injected to refine the trees. We demonstrate the usefulness of human knowledge both quantitatively and qualitatively in seven authorship domains.
Abstract（参考訳）: 著者を知識グラフ構築と改良のふりをして著者を識別する問題を考察する。そこで本研究では,人間の指導(知識に基づく学習)の存在下での確率論的論理モデル学習としてこの問題をモデル化する。具体的には,説明可能なルールを出力する関数勾配ブースティングを用いて関係回帰木を学習する。人間の知識を取り入れるために、一階の節の形でアドバイスを注入して木を磨く。 7つの著者ドメインにおいて,定量的かつ質的に人間の知識の有用性を示す。

関連論文リスト

Chain-of-Knowledge: Integrating Knowledge Reasoning into Large Language Models by Learning from Knowledge Graphs [55.317267269115845]
Chain-of-Knowledge (CoK)は知識推論のための包括的なフレームワークである。 CoKにはデータセット構築とモデル学習の両方のための方法論が含まれている。 KnowReasonで広範な実験を行う。
論文参考訳（メタデータ） (2024-06-30T10:49:32Z)
From Latent to Lucid: Transforming Knowledge Graph Embeddings into Interpretable Structures [2.6451388057494283]
本稿では,知識グラフ埋め込みモデルに適したポストホックな説明可能なAI手法を提案する。本手法は,知識グラフ埋め込みモデルによって符号化された潜在表現を直接デコードする。類似した埋め込みエンティティのサブグラフ近傍の異なる構造を識別することにより、これらの知見を人間の理解可能な象徴的ルールや事実に変換する。
論文参考訳（メタデータ） (2024-06-03T19:54:11Z)
Causal Discovery with Language Models as Imperfect Experts [119.22928856942292]
専門知識を用いて因果グラフの同定を改善する方法について検討する。整合性に基づく専門家の知識を改良するための戦略を提案する。本稿では,不完全な専門家として大規模言語モデルを用いる実データを用いたケーススタディについて報告する。
論文参考訳（メタデータ） (2023-07-05T16:01:38Z)
Worth of knowledge in deep learning [3.132595571344153]
我々は、知識の価値を評価するために、解釈可能な機械学習にインスパイアされたフレームワークを提案する。我々の研究結果は、依存、相乗効果、置換効果を含む、データと知識の複雑な関係を解明する。我々のモデルに依存しないフレームワークは、様々な共通ネットワークアーキテクチャに適用でき、ディープラーニングモデルにおける事前知識の役割を包括的に理解することができる。
論文参考訳（メタデータ） (2023-07-03T02:25:19Z)
Learning by Applying: A General Framework for Mathematical Reasoning via Enhancing Explicit Knowledge Learning [47.96987739801807]
本稿では,既存のモデル(バックボーン)を明示的な知識学習によって原則的に拡張する枠組みを提案する。 LeApでは,新しい問題知識表現パラダイムで知識学習を行う。 LeApはすべてのバックボーンのパフォーマンスを改善し、正確な知識を習得し、より解釈可能な推論プロセスを実現する。
論文参考訳（メタデータ） (2023-02-11T15:15:41Z)
Conditional Attention Networks for Distilling Knowledge Graphs in Recommendation [74.14009444678031]
本稿では,知識グラフをレコメンデーションシステムに組み込むために,知識対応コンディショナルアテンションネットワーク(KCAN)を提案する。本研究では,まず,ユーザ・イテムネットワークとナレッジグラフのグローバルな意味的類似性を捉えるノード表現を得る。そして,そのサブグラフに条件付きアテンションアグリゲーションを適用することで,その知識グラフを改良し,目標固有ノード表現を得る。
論文参考訳（メタデータ） (2021-11-03T09:40:43Z)
Inferring Substitutable and Complementary Products with Knowledge-Aware Path Reasoning based on Dynamic Policy Network [15.723090822315454]
ある製品に対して置換可能な相補的な製品を推測することは、レコメンダシステムにとって必須かつ基本的な関心事である。既存のアプローチは知識グラフを利用して推論の証拠をより多く学ぶが、エレガントな意思決定戦略が欠如しているため、しばしば無効な推論に悩まされる。本稿では、動的ポリシーネットワークを活用して知識グラフに対する明確な推論を行う新しい知識認識経路推論(KAPR)モデルを提案する。
論文参考訳（メタデータ） (2021-10-07T09:00:36Z)
KompaRe: A Knowledge Graph Comparative Reasoning System [85.72488258453926]
本稿では,複数の手がかりに対する共通点と矛盾点の推測を目的とした知識グラフの比較推論を提案する。我々は,大規模な知識グラフに対して比較推論機能を提供する,最初のプロトタイプシステムであるKompaReを開発した。
論文参考訳（メタデータ） (2020-11-06T04:57:37Z)
Knowledge Graph Embeddings and Explainable AI [29.205234615756822]
我々は,知識グラフの埋め込みの概念を,それらが何であるか,どのように生成可能か,どのように評価可能かを説明することによって紹介する。我々は、ベクトル空間における知識を表現するために導入されたアプローチを説明することによって、この分野における最先端技術について要約する。知識表現に関して、説明可能性の問題を検討し、知識グラフの埋め込みによって得られた予測を説明するモデルと方法について議論する。
論文参考訳（メタデータ） (2020-04-30T14:55:09Z)
A Heterogeneous Graph with Factual, Temporal and Logical Knowledge for Question Answering Over Dynamic Contexts [81.4757750425247]
動的テキスト環境における質問応答について検討する。構築したグラフ上にグラフニューラルネットワークを構築し,エンドツーエンドでモデルをトレーニングする。
論文参考訳（メタデータ） (2020-04-25T04:53:54Z)

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。