論文の概要: Entity Alignment Method of Science and Technology Patent based on Graph Convolution Network and Information Fusion

• arxiv url: http://arxiv.org/abs/2311.00300v1
• Date: Wed, 1 Nov 2023 05:04:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-02 14:44:41.957182
• Title: Entity Alignment Method of Science and Technology Patent based on Graph Convolution Network and Information Fusion
• Title（参考訳）: グラフ畳み込みネットワークと情報融合に基づく科学技術特許のエンティティアライメント法
• Authors: Runze Fang, Yawen Li, Yingxia Shao, Zeli Guan, and Zhe Xue
• Abstract要約: ほとんどのエンティティアライメント手法は、グラフ構造の埋め込みを得るためにグラフニューラルネットワークのみを使用する。 本稿では,科学技術特許情報融合のためのグラフ畳み込みネットワークに基づくエンティティアライメント手法を提案する。
• 参考スコア（独自算出の注目度）: 17.021664156393765
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The entity alignment of science and technology patents aims to link the equivalent entities in the knowledge graph of different science and technology patent data sources. Most entity alignment methods only use graph neural network to obtain the embedding of graph structure or use attribute text description to obtain semantic representation, ignoring the process of multi-information fusion in science and technology patents. In order to make use of the graphic structure and auxiliary information such as the name, description and attribute of the patent entity, this paper proposes an entity alignment method based on the graph convolution network for science and technology patent information fusion. Through the graph convolution network and BERT model, the structure information and entity attribute information of the science and technology patent knowledge graph are embedded and represented to achieve multi-information fusion, thus improving the performance of entity alignment. Experiments on three benchmark data sets show that the proposed method Hit@K The evaluation indicators are better than the existing methods.
• Abstract（参考訳）: 科学と技術特許のエンティティアライメントは、異なる科学と技術特許データソースのナレッジグラフに同等のエンティティをリンクすることを目的としている。 ほとんどのエンティティアライメント手法は、グラフニューラルネットワークを使用してグラフ構造を埋め込み、属性テキスト記述を使用してセマンティック表現を取得し、科学と技術特許における多情報融合のプロセスを無視する。 特許団体の名称、説明及び属性などのグラフィック構造及び補助情報を利用するため、科学技術特許情報融合のためのグラフ畳み込みネットワークに基づくエンティティアライメント手法を提案する。 グラフ畳み込みネットワークとBERTモデルにより、科学技術特許知識グラフの構造情報とエンティティ属性情報を埋め込み、多情報融合を実現するために表現し、エンティティアライメントの性能を向上させる。 3つのベンチマークデータセットの実験により,提案手法のHit@Kが既存手法よりも優れた評価指標であることが示された。

関連論文リスト

• Customized Information and Domain-centric Knowledge Graph Construction with Large Language Models [0.0]
  本稿では,構造化情報へのタイムリーなアクセスを実現するための知識グラフに基づく新しいアプローチを提案する。 本フレームワークは,情報検索,キーフレーズ抽出,セマンティックネットワーク生成,トピックマップ可視化などを含むテキストマイニングプロセスを含む。 当社の方法論を自動車電気システムの領域に適用して,スケーラブルなアプローチを実証する。
  論文  参考訳（メタデータ） (2024-09-30T07:08:28Z)
• Knowledge Graph Extension by Entity Type Recognition [2.8231106019727195]
  本稿では,エンティティ型認識に基づく知識グラフ拡張フレームワークを提案する。 このフレームワークは、異なる知識グラフ間でスキーマとエンティティを整列させることにより、高品質な知識抽出を実現することを目的としている。
  論文  参考訳（メタデータ） (2024-05-03T19:55:03Z)
• AceMap: Knowledge Discovery through Academic Graph [90.12694363549483]
  AceMapは学術グラフによる知識発見のために設計された学術システムである。 本稿では,AceMapデータベースを構築するための高度なデータベース構築手法を提案する。 AceMapは、学術的アイデアの進化をトレースするなど、高度な分析機能を提供する。
  論文  参考訳（メタデータ） (2024-03-05T01:17:56Z)
• Measuring Technological Convergence in Encryption Technologies with Proximity Indices: A Text Mining and Bibliometric Analysis using OpenAlex [46.3643544723237]
  本研究は,サイバーセキュリティにおける新興技術間の技術的収束を明らかにする。 提案手法は,テキストマイニングとバイオロメトリ分析を統合し,技術的近接指標の定式化と予測を行う。 我々のケーススタディでは、ブロックチェーンと公開鍵暗号の間にかなりの収束が見られ、その近さが証明されている。
  論文  参考訳（メタデータ） (2024-03-03T20:03:03Z)
• DGNN: Decoupled Graph Neural Networks with Structural Consistency between Attribute and Graph Embedding Representations [62.04558318166396]
  グラフニューラルネットワーク(GNN)は、複雑な構造を持つグラフ上での表現学習の堅牢性を示す。 ノードのより包括的な埋め込み表現を得るために、Decoupled Graph Neural Networks (DGNN)と呼ばれる新しいGNNフレームワークが導入された。 複数のグラフベンチマークデータセットを用いて、ノード分類タスクにおけるDGNNの優位性を検証した。
  論文  参考訳（メタデータ） (2024-01-28T06:43:13Z)
• Graph Relation Distillation for Efficient Biomedical Instance Segmentation [80.51124447333493]
  本稿では,効率的なバイオメディカル・インスタンス・セグメンテーションのためのグラフ関係蒸留手法を提案する。 画像内レベルと画像間レベルの両方に展開する2つのグラフ蒸留方式を導入する。 多くのバイオメディカルデータセットの実験結果から,本手法の有効性が検証された。
  論文  参考訳（メタデータ） (2024-01-12T04:41:23Z)
• Citation Trajectory Prediction via Publication Influence Representation Using Temporal Knowledge Graph [52.07771598974385]
  既存のアプローチは主に学術論文の時間的データとグラフデータのマイニングに依存している。 本フレームワークは,差分保存グラフ埋め込み,きめ細かい影響表現,学習に基づく軌道計算という3つのモジュールから構成される。 APSアカデミックデータセットとAIPatentデータセットの両方で実験を行った。
  論文  参考訳（メタデータ） (2022-10-02T07:43:26Z)
• An Intellectual Property Entity Recognition Method Based on Transformer and Technological Word Information [23.64426782192688]
  本稿では,トランスフォーマーと技術単語情報に基づく知的財産の抽出手法を提案する。 相対位置符号化を導入するトランスフォーマーエンコーダは、テキストの深い意味情報を学ぶために使用される。 パブリックデータセットとアノテートされた特許データセットの実験結果は,エンティティ認識の精度を向上させることを示す。
  論文  参考訳（メタデータ） (2022-03-21T03:28:37Z)
• Engineering Knowledge Graph from Patent Database [6.6469061025360965]
  本稿では,特許データベースにある実世界の工学的事実である3つ組(エンティティ,関係性,実体)からなる,大規模でスケーラブルなエンジニアリング知識グラフを提案する。 本稿では,特許文書におけるクレームの構文的および語彙的特性に基づく一連のルールを適用し,事実を抽出する。 各特許文書にこれらの事実を集約し、特許データベース全体にわたる事実の集合を統合することにより、エンジニアリング知識グラフを得る。
  論文  参考訳（メタデータ） (2021-06-12T10:54:31Z)
• KI-BERT: Infusing Knowledge Context for Better Language and Domain Understanding [0.0]
  概念的および曖昧な実体に対する知識グラフから知識コンテキストをトランスフォーマーアーキテクチャに基づくモデルに注入する手法を提案する。 私たちの新しい技術プロジェクト知識グラフは、同質ベクトル空間に埋め込み、エンティティのための新しいトークンタイプ、エンティティの位置IDの整列、および選択的注意メカニズムを導入します。 私たちはBERTをベースラインモデルとし、ConceptNetとWordNetから知識コンテキストを注入して「KnowledgeInfused BERT」を実装します。
  論文  参考訳（メタデータ） (2021-04-09T16:15:31Z)
• A Diagnostic Study of Explainability Techniques for Text Classification [52.879658637466605]
  既存の説明可能性技術を評価するための診断特性のリストを作成する。 そこで本研究では, モデルの性能と有理性との整合性の関係を明らかにするために, 説明可能性手法によって割り当てられた有理性スコアと有理性入力領域の人間のアノテーションを比較した。
  論文  参考訳（メタデータ） (2020-09-25T12:01:53Z)

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。