論文の概要: Event Prediction using Case-Based Reasoning over Knowledge Graphs
- arxiv url: http://arxiv.org/abs/2309.12423v1
- Date: Thu, 21 Sep 2023 18:46:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-25 17:13:55.266926
- Title: Event Prediction using Case-Based Reasoning over Knowledge Graphs
- Title（参考訳）: ケースベース推論による知識グラフ上の事象予測
- Authors: Sola Shirai, Debarun Bhattacharjya, Oktie Hassanzadeh
- Abstract要約: ケースベース推論モデルであるEvCBRを導入し,新しい事象の特性を予測する。
ここでは、第1ホップが原因事象と新しい効果事象を結びつける因果関係であり、第2ホップは予測したい新しい事象に関する特性である。
本手法の有効性は,Wikidataからキュレートされた因果関係を持つニュース価値のあるイベントの新たなデータセットを用いて実証した。
- 参考スコア（独自算出の注目度）: 18.273523056138
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Applying link prediction (LP) methods over knowledge graphs (KG) for tasks
such as causal event prediction presents an exciting opportunity. However,
typical LP models are ill-suited for this task as they are incapable of
performing inductive link prediction for new, unseen event entities and they
require retraining as knowledge is added or changed in the underlying KG. We
introduce a case-based reasoning model, EvCBR, to predict properties about new
consequent events based on similar cause-effect events present in the KG. EvCBR
uses statistical measures to identify similar events and performs path-based
predictions, requiring no training step. To generalize our methods beyond the
domain of event prediction, we frame our task as a 2-hop LP task, where the
first hop is a causal relation connecting a cause event to a new effect event
and the second hop is a property about the new event which we wish to predict.
The effectiveness of our method is demonstrated using a novel dataset of
newsworthy events with causal relations curated from Wikidata, where EvCBR
outperforms baselines including translational-distance-based, GNN-based, and
rule-based LP models.
- Abstract（参考訳）: 因果事象予測などのタスクに対して,知識グラフ(KG)上でリンク予測(LP)手法を適用することは,エキサイティングな機会となる。
しかし、典型的なLPモデルは、新しい、見えないイベントエンティティに対して帰納的リンク予測を行うことができず、基礎となるKGで知識が加えられたり変更されたりするため、再訓練を必要とするため、このタスクには不適である。
ケースベース推論モデルであるEvCBRを導入し、KGに類似した原因影響事象に基づく新しい事象の特性を予測する。
EvCBRは、同様の事象を特定し、パスベースの予測を行うために統計測度を使用する。
私たちのメソッドをイベント予測の領域を超えて一般化するために、タスクを2-hop lpタスクとして構成します。1つ目のホップは原因イベントと新しいエフェクトイベントを結びつける因果関係、2番目のホップは予測したい新しいイベントに関する特性です。
本手法の有効性は,Wikidata からキュレートされた因果関係を持つニュース価値イベントの新たなデータセットを用いて実証され,EvCBR は翻訳距離ベース,GNNベース,ルールベースLPモデルなどのベースラインよりも優れていた。
関連論文リスト
- ONSEP: A Novel Online Neural-Symbolic Framework for Event Prediction Based on Large Language Model [10.137013634329582]
オンラインニューラル・シンボリックイベント予測フレームワークについて紹介する。
ONSEPは動的因果ルールマイニングと二重履歴拡張生成を取り入れている。
我々のフレームワークは、多様なデータセットにわたる顕著なパフォーマンス向上を示す。
論文 参考訳（メタデータ） (2024-08-14T22:28:19Z) - Exploring the Limits of Historical Information for Temporal Knowledge
Graph Extrapolation [59.417443739208146]
本稿では,歴史的コントラスト学習の新しい学習枠組みに基づくイベント予測モデルを提案する。
CENETは、最も潜在的なエンティティを識別するために、歴史的および非歴史的依存関係の両方を学ぶ。
提案したモデルを5つのベンチマークグラフで評価する。
論文 参考訳（メタデータ） (2023-08-29T03:26:38Z) - A Generative Approach for Script Event Prediction via Contrastive
Fine-tuning [35.87615178251874]
Scriptイベント予測は、コンテキストが与えられた後続のイベントを予測することを目的としている。
近年の研究では,事前学習言語モデルと外部知識の導入により,事象相関推論の改善が試みられている。
本稿では,事前学習した言語モデルをイベント中心の事前学習目的で微調整する,新しい生成手法を提案する。
論文 参考訳（メタデータ） (2022-12-07T07:32:47Z) - Towards Out-of-Distribution Sequential Event Prediction: A Causal
Treatment [72.50906475214457]
シーケンシャルなイベント予測の目標は、一連の歴史的なイベントに基づいて次のイベントを見積もることである。
実際には、次のイベント予測モデルは、一度に収集されたシーケンシャルなデータで訓練される。
文脈固有の表現を学習するための階層的な分岐構造を持つフレームワークを提案する。
論文 参考訳（メタデータ） (2022-10-24T07:54:13Z) - A Graph Enhanced BERT Model for Event Prediction [35.02248467245135]
BERTモデルを用いたイベントグラフの自動構築について検討する。
我々は、トレーニングプロセスにおけるイベント接続を予測するために、追加の構造化変数をBERTに組み込んだ。
シナリオイベント予測とストーリー終了予測という2つのイベント予測タスクの結果は,我々のアプローチが最先端のベースライン手法より優れていることを示している。
論文 参考訳（メタデータ） (2022-05-22T13:37:38Z) - CEP3: Community Event Prediction with Neural Point Process on Graph [59.434777403325604]
グラフニューラルネットワークとマーク付き時間点プロセス(MTPP)を組み合わせた新しいモデルを提案する。
実験では,モデルの精度と訓練効率の両面から,モデルの優れた性能を実証した。
論文 参考訳（メタデータ） (2022-05-21T15:30:25Z) - ClarET: Pre-training a Correlation-Aware Context-To-Event Transformer
for Event-Centric Generation and Classification [74.6318379374801]
本稿では,イベント中心推論のための一般相関対応コンテキスト・イベント変換器(ClarET)の事前学習を提案する。
提案されたClarETは、幅広いイベント中心の推論シナリオに適用できる。
論文 参考訳（メタデータ） (2022-03-04T10:11:15Z) - Causal Knowledge Guided Societal Event Forecasting [24.437437565689393]
本稿では,因果効果推定をイベント予測に組み込むディープラーニングフレームワークを提案する。
機能再重み付けモジュールと近似損失を含む2つの頑健な学習モジュールを導入し、事前の知識注入を可能にする。
論文 参考訳（メタデータ） (2021-12-10T17:41:02Z) - Learning Constraints and Descriptive Segmentation for Subevent Detection [74.48201657623218]
本稿では,サブイベント検出とEventSeg予測の依存関係をキャプチャする制約を学習し,強制するアプローチを提案する。
我々は制約学習にRectifier Networksを採用し、学習した制約をニューラルネットワークの損失関数の正規化項に変換する。
論文 参考訳（メタデータ） (2021-09-13T20:50:37Z) - Improving Event Causality Identification via Self-Supervised
Representation Learning on External Causal Statement [17.77752074834281]
イベント因果同定に外部因果文を活用するCauSeRLを提案する。
まず、外部因果文から文脈固有の因果パターンを学習するための自己教師型フレームワークを設計する。
我々は、学習した文脈固有の因果パターンを対象のECIモデルに組み込むために、コントラッシブトランスファー戦略を採用する。
論文 参考訳（メタデータ） (2021-06-03T07:50:50Z) - Online Learning Probabilistic Event Calculus Theories in Answer Set
Programming [70.06301658267125]
イベント認識(CER)システムは、事前に定義されたイベントパターンを使用して、ストリーミングタイムスタンプデータセットで発生を検出する。
本稿では,複雑なイベントパターンによる確率論的推論を,イベント計算で重み付けされたルールの形で行うことができるAnswer Set Programming(ASP)に基づくシステムを提案する。
その結果, 効率と予測の両面で, 新たなアプローチの優位性が示された。
論文 参考訳（メタデータ） (2021-03-31T23:16:29Z)
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。